Predicción de Deterioro Cognitivo Leve mediante Inteligencia Artificial con la Prueba de Adición Oculo-Cognitiva...

Área de la Ciencia:

• Oftalmología; Neurología; Inteligencia Artificial; Ciencias Cognitivas

Sus antecedentes:

• El diagnóstico de deterioro cognitivo leve (MCL) es un desafío debido a exámenes breves poco sensibles y pruebas detalladas que consumen mucho tiempo.; La Prueba de Adición Oculo-Cognitiva (OCAT) ofrece un método rápido y objetivo que utiliza el seguimiento ocular durante tareas mentales.; Las herramientas de cribado actuales carecen de la velocidad y accesibilidad necesarias para una detección temprana generalizada.

Objetivo del estudio:

• Desarrollar y validar modelos predictivos derivados de IA para la detección temprana de MCL utilizando características de OCAT.; Evaluar la eficacia de los datos de OCAT basados en el movimiento ocular y el tiempo en la identificación de personas en riesgo de MCL.; Establecer OCAT como una herramienta de cribado cognitivo práctica y escalable.

Principales métodos:

• 250 pacientes completaron la OCAT con seguimiento ocular integrado.; Se extrajeron características temporales y de movimiento ocular de los datos de la mirada.; Se entrenaron modelos de Regresión Logística (LR) y K-vecinos más cercanos (KNN) utilizando selección de características (Random Forest, árboles de decisión) para predecir los resultados de la Escala de Evaluación de Demencia (DRS).

Principales resultados:

• Los modelos LR que utilizan características combinadas de tiempo y movimiento ocular lograron un alto rendimiento (precisión=0,97, recall=0,91, AUPRC=0,95).; Los modelos que utilizan solo características de tiempo u oculares también mostraron un buen rendimiento (precisión=0,93).; Los modelos de características combinadas superaron consistentemente a los modelos de conjuntos de características únicas en la predicción de los resultados de la DRS.

Conclusiones:

• Los modelos de aprendizaje automático entrenados con datos de OCAT pueden predecir de forma fiable la función cognitiva (DRS PASS/FAIL).; OCAT muestra un potencial significativo como herramienta práctica y escalable para la identificación temprana de MCL.; El sistema OCAT es adecuado para diversos entornos clínicos, incluidos entornos remotos y con recursos limitados.