شفقنا، تحقیقات جدید نشان می‌دهد که نحوه رانندگی سالمندان می‌تواند سرنخ‌های ظریفی درباره سلامت روان آنها ارائه دهد و به طور بالقوه راه را برای ابزارهای نوآورانه غربالگری افسردگی هموار کند.
به گزارش سرویس ترجمه شفقنا، دو مطالعه مرتبط ارتباط بین الگوهای رانندگی و افسردگی در افراد مسن را بررسی کردند. یافته‌ها نشان می‌دهند که تغییرات در رفتار رانندگی، که از طریق فناوری‌های روزمره قابل تشخیص است، می‌تواند توسط هوش مصنوعی تحلیل شود تا سالمندانی که ممکن است از افسردگی رنج ببرند، شناسایی شوند. افسردگی شرایطی است که اغلب در این گروه سنی نادیده گرفته می‌شود.
گانش ام. بابولال، نویسنده مطالعه و استادیار دانشگاه واشنگتن در سنت لوئیس و مدیر پروژه DRIVES، گفت: سالمندان مدت طولانی‌تری رانندگی می‌کنند، اما ما اطلاعات کمی درباره اینکه چگونه شرایط سلامت روان مانند اختلال افسردگی اساسی (MDD) بر رفتار رانندگی در دنیای واقعی تأثیر می‌گذارد، داریم.
«با توجه به اینکه افسردگی با اختلالات شناختی و حرکتی مرتبط است، می‌خواستیم بررسی کنیم که آیا رانندگان مسن مبتلا به MDD الگوهای رانندگی پرخطری را نشان می‌دهند که می‌تواند بر ایمنی و استقلال آنها تأثیر بگذارد یا خیر. درک این الگوها برای توسعه مداخلاتی که به سالمندان کمک می‌کند تحرک خود را حفظ کنند و در عین حال خطر را به حداقل برسانند، بسیار مهم است.»
محققان ابتدا مطالعه‌ای را برای درک تأثیر افسردگی بر رفتار واقعی رانندگی سالمندان در زندگی روزمره انجام دادند. این مطالعه اولیه شامل ۳۹۵ شرکت‌کننده بود که برخی از آنها مبتلا به اختلال افسردگی اساسی تشخیص داده شده بودند و برخی دیگر نه. همه شرکت‌کنندگان حداقل ۶۵ سال سن داشتند و بخشی از یک پروژه بزرگتر و در حال انجام در دانشگاه واشنگتن در سنت لوئیس بودند که به بررسی پیری، رانندگی و افسردگی می‌پرداخت.
گروه مبتلا به افسردگی شامل ۸۵ فرد بود که توسط یک پزشک به اختلال افسردگی اساسی تشخیص داده شده بودند یا در پرسشنامه افسردگی به نام پرسشنامه سلامت بیمار-۹ (PHQ-9) نمره بالایی کسب کرده بودند. گروه کنترل شامل ۳۱۰ فرد بدون تشخیص افسردگی بود.
شرکت‌کنندگان تحت ارزیابی‌های بالینی قرار گرفتند، از جمله ارزیابی بالینی زوال عقل (CDR) برای بررسی عملکرد شناختی، و تست‌های عصبی-روانشناختی را برای اندازه‌گیری جنبه‌های مختلف تفکر و حافظه تکمیل کردند. نکته مهم این بود که همه شرکت‌کنندگان یک دستگاه کوچک در خودروی شخصی خود داشتند. این دستگاه که به سیستم کامپیوتری خودرو متصل بود، از فناوری جی‌پی‌اس برای ثبت مداوم رفتار رانندگی آنها در طول زمان استفاده می‌کرد و داده‌هایی مانند سرعت، مکان و رویدادهایی مانند ترمزهای ناگهانی یا پیچ‌های تند را ثبت می‌کرد.
محققان این داده‌های رانندگی را برای مدتی جمع‌آوری کردند و سپس آنها را تحلیل کردند تا ببینند آیا تفاوت‌های قابل توجهی در الگوهای رانندگی افراد مبتلا به افسردگی و بدون افسردگی وجود دارد یا خیر.
مطالعه اول نشان داد که سالمندان مبتلا به افسردگی الگوهای رانندگی متمایزی نسبت به افراد بدون افسردگی نشان می‌دهند. اگرچه در ابتدای مطالعه تفاوت معناداری در نمرات تست‌های شناختی آنها وجود نداشت، اما افراد مبتلا به افسردگی در طول زمان رفتارهای رانندگی پرخطرتری از خود نشان دادند. به طور خاص، آنها موارد بیشتری از ترمزهای شدید و پیچیدن‌های تند در طول سفرهای خود داشتند. همچنین آنها مسیرهای رانندگی کم‌قابل پیش‌بینی‌تری داشتند و به مقاصد متنوع‌تری سفر می‌کردند.
جالب اینجا بود که در ابتدای مطالعه، گروه مبتلا به افسردگی تمایل به سرعت غیرمجاز داشتند و به طور کلی زمان بیشتری را صرف رانندگی می‌کردند. این یافته‌ها نشان داد که افسردگی واقعاً با تغییرات در رفتار رانندگی مرتبط است که می‌تواند به طور بالقوه خطر تصادفات را افزایش دهد. نکته مهم این است که این تفاوت‌ها در رفتار رانندگی حتی پس از در نظر گرفتن استفاده از داروهایی که می‌توانند بر رانندگی تأثیر بگذارند، مشاهده شد، که نشان می‌دهد افسردگی خود به تنهایی یک عامل مهم است.
بابولال به PsyPost گفت: ما انتظار داشتیم که اختلال افسردگی عمده، تأثیری بر رانندگی داشته باشد، اما از میزان رفتارهای پرخطر، از جمله افزایش مسافت‌های رانندگی و غیرقابل پیش‌بینی بودن مقاصد، شگفت‌زده شدیم. به جای اینکه مانند بسیاری از سالمندان که در صورت تجربه کاهش شناختی یا جسمی، رانندگی خود را تنظیم کنند، افراد مبتلا به اختلال افسردگی اساسی در طول زمان الگوهای رانندگی پرخطرتری را ادامه دادند. این نشان می‌دهد که افسردگی ممکن است آگاهی از تغییرات عملکردی را مختل کند، که پیامدهای مهمی برای ایمنی دارد.
با تکیه بر این یافته‌ها، محققان سپس مطالعه دوم را انجام دادند تا بررسی کنند که آیا هوش مصنوعی می‌تواند برای تشخیص خودکار افسردگی در سالمندان بر اساس داده‌های رانندگی آنها استفاده شود یا خیر. این مطالعه از یادگیری ماشین استفاده کرد. برای این مطالعه، آنها دو سال داده‌های رانندگی از ۱۵۷ سالمند، شامل ۸۱ فرد مبتلا به اختلال افسردگی اساسی و ۷۶ فرد بدون افسردگی را تحلیل کردند. شرکت‌کنندگان از همان پروژه تحقیقاتی در حال انجام انتخاب شده بودند و معیارهای مشابهی با مطالعه اول داشتند. داده‌های رانندگی با استفاده از همان دستگاه‌های جی‌پی‌اس در خودروهای آنها جمع‌آوری شد.
علاوه بر داده‌های رانندگی، محققان اطلاعاتی درباره جمعیت‌شناسی مانند سن، جنسیت و سطح تحصیلات، و همچنین استفاده از داروها، از جمله اینکه آیا شرکت‌کنندگان از داروهای ضدافسردگی استفاده می‌کردند و تعداد کل داروهای مختلفی که مصرف می‌کردند، جمع‌آوری کردند. سپس آنها مدل‌های یادگیری ماشین را آموزش دادند، به طور خاص از روشی به نام Extreme Gradient Boosting (XGBoost) و همچنین رگرسیون لجستیک استفاده کردند، تا ببینند آیا این مدل‌ها می‌توانند یاد بگیرند که بین سالمندان افسرده و غیرافسرده بر اساس داده‌های رانندگی و اطلاعات دیگر تمایز قائل شوند یا خیر. آنها مدل‌های مختلفی را آزمایش کردند، برخی فقط از ویژگی‌های رانندگی استفاده کردند، برخی اطلاعات جمعیت‌شناسی را اضافه کردند و برخی دیگر داده‌های دارویی را نیز در نظر گرفتند.
مدل‌های یادگیری ماشین توانستند افسردگی را با دقت خوبی تنها بر اساس داده‌های رانندگی شناسایی کنند. بهترین مدل، که ویژگی‌های رانندگی را با اطلاعاتی درباره تعداد کل داروهایی که شرکت‌کنندگان مصرف می‌کردند ترکیب کرد، به سطح بالایی از دقت در تشخیص بین افراد افسرده و غیرافسرده دست یافت. این مدل برتر در ۹۰٪ موارد افراد مبتلا به افسردگی را به درستی شناسایی کرد و در ۸۲٪ موارد افراد بدون افسردگی را به درستی تشخیص داد.
ویژگی‌های رانندگی که بیشترین اهمیت را در شناسایی افسردگی داشتند شامل نرخ پیچیدن‌های تند و ترمزهای شدید، و همچنین تعداد سفرهای با طول‌های مختلف بود. جالب اینجا بود که اضافه کردن اطلاعات جمعیت‌شناسی مانند سن، جنسیت و سطح تحصیلات عملکرد مدل‌ها را بهبود نداد و در برخی موارد حتی باعث کاهش دقت آنها شد. این نشان می‌دهد که رفتار رانندگی و استفاده از داروها شاخص‌های قوی‌تری برای افسردگی در سالمندان هستند تا عوامل جمعیت‌شناسی به تنهایی.
بابولال گفت: افسردگی در سالمندان فقط مربوط به خلق و خو نیست—بلکه می‌تواند بر رفتارهای پیچیده روزمره مانند رانندگی نیز تأثیر بگذارد. این موضوع اهمیت غربالگری روتین افسردگی و مداخلات هدفمند را برای ترویج عادات رانندگی ایمن‌تر در حالی که استقلال سالمندان را حفظ می‌کند، برجسته می‌کند.
در آینده، محققان پیشنهاد می‌کنند که مطالعات بعدی گروه‌های بزرگتری از شرکت‌کنندگان را شامل شوند و آنها را برای مدت طولانی‌تری دنبال کنند. آنها همچنین توصیه می‌کنند که اطلاعات سلامت دقیق‌تری، مانند سوابق الکترونیک سلامت، را در نظر بگیرند و تکنیک‌های پیشرفته‌تر هوش مصنوعی را برای بهبود دقت تشخیص افسردگی بررسی کنند. تحقیقات آینده همچنین می‌توانند بررسی کنند که چگونه می‌توان اطمینان حاصل کرد که داده‌های رانندگی واقعاً رفتار شرکت‌کننده مورد نظر را منعکس می‌کند.
بابولال خاطرنشان کرد: اگرچه مطالعه ما بینش‌های ارزشمندی ارائه می‌دهد، اما رابطه علت و معلولی را ثابت نمی‌کند—اختلال افسردگی اساسی با تغییرات در رفتار رانندگی مرتبط است، اما نمی‌توانیم نتیجه بگیریم که افسردگی مستقیماً باعث این تغییرات می‌شود. علاوه بر این، نمونه ما عمدتاً از افراد سفیدپوست غیراسپانیایی بود، بنابراین تحقیقات بیشتری لازم است تا این تأثیرات را در جمعیت‌های متنوع‌تر و نماینده‌تر بررسی کنیم. ما همچنین تغییرات در علائم افسردگی را در طول زمان دنبال نکردیم، که می‌تواند بر رفتارهای رانندگی تأثیر بگذارد.
«ما قصد داریم استراتژی‌هایی را برای شناسایی سالمندان در معرض خطر رانندگی ناامن به دلیل شرایط سلامت روان مانند اختلال افسردگی اساسی بهبود بخشیم. تحقیقات آینده بررسی خواهند کرد که آیا مداخلات—مانند آموزش شناختی، مدیریت داروها یا اصلاحات رانندگی—می‌توانند به کاهش این خطرات کمک کنند یا خیر. در نهایت، امیدواریم توصیه‌های بالینی و سیاستی را توسعه دهیم که ایمنی را با نیاز به تحرک و استقلال متعادل کند.»
بابولال در خاتمه افزود: یافته‌های ما نیاز به یک رویکرد جامع برای ایمنی رانندگان مسن، از جمله ارزیابی سلامت روان را مورد تأکید قرار می‌دهد. افسردگی قابل درمان است و پرداختن به آن به طور پیشگیرانه می‌تواند هم ایمنی رانندگی و هم رفاه کلی را بهبود بخشد.
این خبر را اینجا ببینید.