机器学习模型可以根据生活方式指标可靠地预测认知表现
作者：by Diana Yates, University of Illinois at Urbana-Champaign
一项新的研究提供了对健康和生活方式指标的洞察力，包括饮食，体育锻炼和体重，与整个生命周期中健康的大脑功能紧密相吻合。该研究使用机器学习来确定哪些变量最好预测一个人在不分散注意力的情况下快速完成任务的能力。
报告在营养杂志该研究发现，年龄，血压和体重指数是一项名为“侧翼任务”的测试中成功的最强预测指标，该测试要求参与者专注于中心物体，而不会因侧翼信息而分心。
该小组发现，饮食和运动在测试中的性能中也起着较小但相关的作用，有时似乎抵消了高BMI或其他潜在有害因素的不良影响。
“这项研究使用了机器学习立即评估许多变量，以帮助确定那些与之紧密保持一致的变量认知表现“伊利诺伊大学Urbana-Champaign卫生与运动机能学教授Naiman Khan说，他主持了运动学博士学位博士Shreya Verma。“标准统计方法不能一次接受这种复杂性。”
为了建立模型，该团队使用了从19至82岁的374名成年人收集的数据。数据包括参与者的人群，例如年龄，BMI，血压和体育锻炼等级，以及饮食模式以及侧翼测试的性能，测量了它们的处理速度和准确性，以确定指向相同或相反方向的其他箭头的中央箭头的方向。
汗说：“这是认知功能的公认衡量标准，可以评估注意力和抑制性控制。”
Khan说，先前的研究发现，几个因素与整个生命周期的认知功能有关。
他说：“遵守健康饮食指数，这是对饮食质量的一种度量，与老年人的卓越执行功能和加工速度有关。”“其他研究发现，富含抗氧化剂，omega-3脂肪酸和维生素的饮食与更好的认知功能有关。”
研究人员写道，饮食方法可以阻止高血压或破折号饮食，地中海饮食以及将两者（称为思维饮食）结合起来的饮食方法，所有这些都“与防御认知下降和痴呆症的保护作用有关”。诸如BMI和血压等身体因素以及体育锻炼的增加也是认知健康或衰老衰老下降的有力预测指标。
“显然，认知健康是由许多因素驱动的，但是哪些最重要的是？”Verma说。“我们想评估每个因素的相对强度与其他因素结合使用。”
研究人员写道：“机器学习“提供了一种有希望的途径，用于分析具有多个变量的大型数据集，并识别传统统计方法可能并不明显的模式。”
该团队测试了各种机器学习算法，以查看哪种最能权衡各种因素，以预测侧翼测试中准确响应的速度。研究人员使用多种方法来验证那些表现最好的方法，测试了每种算法的预测能力。
他们发现年龄是测试中最有影响力的性能预测指标，其次是舒张压，BMI和收缩压。遵守健康饮食指数比认知表现的预测少于血压或BMI，但与测试中的性能更好。
“体育活动成为反应时间的中等预测指标，结果表明它可能与其他生活方式因素相互作用，例如饮食和体重，影响认知表现，”可汗说。
他说：“这项研究揭示了机器学习如何为营养神经科学领域带来精确和细微差别。”“通过超越传统方法，机器学习可以帮助定制人口老龄化的策略，具有代谢风险的人或试图通过生活方式改变来增强认知功能的人。”
更多信息：Shreya Verma等人，使用监督的机器学习通过营养和健康标记来预测认知结果，营养杂志（2025）。doi：10.1016/j.tjnut.2025.05.003
引用：机器学习模型可以根据生活方式指标可靠地预测认知表现（2025年，6月16日）检索2025年6月16日摘自https://medicalxpress.com/news/2025-06-machine-relible-基于cognitive-lifestyle.html
该文档具有版权。除了为私人研究或研究目的的任何公平交易外，没有未经书面许可，可以复制部分。内容仅用于信息目的。
关于《机器学习模型可以根据生活方式指标可靠地预测认知表现》的评论
暂无评论