ChatGPT 助力挖掘职业复杂性评分，精准预测认知与大脑衰老

为解决职业头衔定量分析难题，研究人员用 ChatGPT 提取职业复杂性（OC）评分，发现其预测认知和大脑衰老效果佳。

　　许多针对老年人群的队列研究收集了参与者的职业头衔数据，但由于难以对这些职业头衔进行定量分析，尽管它们与神经认知相关，却很少在认知衰老背景下进行分析。虽然可以使用职业分类系统对这些工作的职业复杂性（OC）进行评分，但这种方法有些耗费人力且容易出现人为误差。为此，研究人员展示了一种新颖且简单的方法，即利用 ChatGPT 从职业头衔中提取 OC 评分。随后，研究人员展示了这些评分在预测认知和大脑结构结果方面的效用，尤其是与其他社会经济地位（SES）指标相比时。居住在社区的老年人（N = 238，年龄_mean = 70 岁）完成了认知评估并接受了磁共振成像（MRI）扫描。研究人员使用 OC 评分和 / 或 SES 预测指标（如教育程度、住房类型和收入水平），并控制人口统计学协变量，通过拟合回归模型来预测 14 种不同的认知结果、顶点皮质厚度（CT）和皮质下灰质体积。OC 评分在预测 CT 增加的聚类以及大多数认知结果（包括轻度认知障碍的诊断）方面优于 SES 指标。此外，即使在控制了 SES 因素后，OC 评分仍能显著预测 CT 增加的聚类和各种认知结果。荟萃分析解码表明，这些 CT 增加的聚类出现在通常与感觉运动和记忆处理相关的区域。这些结果突出了由 ChatGPT 得出的 OC 评分在预测认知和大脑衰老结果方面的重要且独特的贡献。这些评分易于获取，有助于更精准地预测认知和大脑衰老结果。