Xiangyu Zhao sa Sveučilišta Shandong u Jinanu u Kini i njegovi suradnici razvili su i potvrdili model strojnog učenja za prepoznavanje pojedinaca s teškim kognitivnim padom tijekom prijelaza u postmenopauzu. Analiza je obuhvatila podatke 1264 medicinske sestre.

Istraživači su otkrili da je Bortuin algoritam (algoritam za odabir značajki) identificirao 13 značajnih povezanih čimbenika. Stroj za potporne vektore pokazao je najbolju ukupnu izvedbu od sedam modela i postigao površinu ispod radne karakteristične krivulje prijemnika od 0,846, točnost od 0,789, osjetljivost od 0,753, specifičnost od 0,802 i rezultat F1 od 0,658. Simptomi menopauze i stadij menopauze dvije su varijable koje su najjače povezane sa kognitivnim padom.

Ova studija naglašava kako se uz pomoć strojnog učenja mogu identificirate žene s teškim kognitivnim padom tijekom prijelaza u menopauzu i mogućih povezanih čimbenika. Rano prepoznavanje visokorizičnih osoba može omogućiti ciljane intervencije za zaštitu kognitivnog zdravlja. Buduće studije koje uključuju objektivne mjere kognicije i longitudinalno praćenje ključne su za bolje razumijevanje ovih povezanosti.