OCAT（眼球認知加算テスト）を用いた軽度認知障害のAI駆動型予測

科学分野:

• 眼科学
• 神経学
• 人工知能
• 認知科学

背景:

• 軽度認知障害（MCI）の診断は、感度の低い簡単な検査や時間のかかる詳細な検査のために困難です。
• OCAT（眼球認知加算テスト）は、精神的課題中の視線追跡を利用した、迅速で客観的な方法を提供します。
• 現在のスクリーニングツールは、広範な早期検出に必要な速度とアクセス可能性を欠いています。

研究 の 目的:

• OCAT特徴量を用いた早期MCI検出のためのAI由来予測モデルを開発・検証すること。
• MCIのリスクがある個人を特定するために、眼球運動と時間ベースのOCATデータの有効性を評価すること。
• OCATを実用的でスケーラブルな認知スクリーニングツールとして確立すること。

主な方法:

• 250人の患者が、統合された視線追跡機能を備えたOCATを完了しました。
• 視線データから時間関連および眼球運動の特徴量を抽出しました。
• ロジスティック回帰（LR）およびK近傍法（KNN）モデルを、Dementia Rating Scale（DRS）の結果を予測するために、特徴量選択（ランダムフォレスト、決定木）を使用してトレーニングしました。

主要な成果:

• 時間と眼球運動の特徴量を組み合わせたLRモデルは、高い性能（精度=0.97、リコール=0.91、AUPRC=0.95）を達成しました。
• 眼球運動のみ、または時間のみの特徴量を用いたモデルも良好な性能（精度=0.93）を示しました。
• 組み合わせ特徴量モデルは、DRSの結果予測において、単一特徴量セットモデルを一貫して上回りました。

結論:

• OCATデータでトレーニングされた機械学習モデルは、認知機能（DRS PASS/FAIL）を確実に予測できます。
• OCATは、早期MCI識別のための実用的でスケーラブルなツールとして大きな可能性を示しています。
• OCATシステムは、遠隔およびリソースが限られた環境を含む、多様な臨床設定に適しています。