一个便携和高效的痴呆症查工具,使用眼睛跟踪机器学习和虚拟现实

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 医疗技术 医疗技术 医学技术

背景情况:

• 痴呆症,特别是阿尔茨海默病,构成了全球卫生挑战.
• 目前用于临床前痴呆症和轻度认知障碍 (MCI) 的诊断方法通常是侵入性的,昂贵的或不适合大规模查.
• 眼睛跟踪技术提供了一种非侵入性的方法来检测微妙的认知变化.

研究的目的:

• 引入和评估VR眼睛追踪认知评估 (VECA) 工具,以进行非侵入性,高效和大规模的痴呆症查.
• 评估VECA使用眼睛跟踪数据,机器学习和虚拟现实来预测认知障碍的能力.
• 将VECA的表现与传统的认知评估进行比较.

主要方法:

• 开发和部署VR眼睛跟踪认知评估 (VECA) 工具,整合眼睛跟踪,机器学习和虚拟现实.
• 收集了深宝安慢性医院201名参与者的眼睛跟踪数据.
• 利用支持向量的回归模型来预测蒙特利尔认知评估 (MoCA) 评分,并对认知障碍进行分类.

主要成果:

• 支持矢量回归模型与MoCA分数实现了高相关性 (0.9),表现优于基线模型.
• 建立了用于识别认知障碍的最佳切线分数,灵敏度为88.5%,特异性为83%.
• 在不同教育背景的参与者中证明了VECA的有效性.

结论:

• 维卡显示出作为早期痴呆症查的便携式和高效工具的巨大潜力.
• 眼睛跟踪,机器学习和VR的整合为认知健康评估提供了一个有前途的方法.
• 维卡为大规模认知障碍检测提供了一个可行的,非侵入性的替代方案.