人工智能辅助的眼部走路测量,用于大脑小血管疾病中的认知障碍
Huimin Chen1, Hao Du2, Fang Yi3,4
1Department of Neurology, Beijing Hospital, National Center of Gerontology, Institute of Geriatric Medicine, Chinese Academy of Medical Sciences, Dongcheng, Beijing, China.
Alzheimer's & dementia : the journal of the Alzheimer's Association
|October 16, 2024
概括
眼运动和步行模式,特别是反冲动的准确性和速度,可以帮助识别脑小血管疾病 (CSVD) 中的认知障碍. 人工智能辅助工具为CSVD认知状态提供了有效的选.
科学领域:
- 神经学 神经学
- 认知科学 认知科学
- 生物医学工程 生物医学工程
背景情况:
- 眼运动和步行功能障碍与认知能力有关.
- 在大脑小血管疾病 (CSVD) 中,眼部行走模式和认知之间的关系尚不清楚.
研究的目的:
- 研究CSVD患者眼部走动模式与认知功能之间的关联.
- 确定眼部行走参数是否可以作为CSVD认知障碍的生物标志物.
主要方法:
- 利用人工智能辅助的"EyeKnow"和"ReadyGo"系统在医院和社区队伍中进行眼动测量 (分别为n=194和n=319).
- 采用多变量回归模型来分析眼动参数与认知状态之间的相关性,并根据年龄和教育情况进行调整.
主要成果:
- 较低的反冲动精度,步伐速度和摆动速度与CSVD患者和社区居民的认知障碍有显著的关联.
- 眼部行走特征在识别认知障碍方面表现出适度的准确性 (AUC:0.787-0.810).
- 综合物流模型结合了眼睛走路特征,年龄和教育,显示了对认知状态的中度歧视.
结论:
- 眼部走路特征是查CSVD认知障碍的有希望的指标.
- 人工智能驱动的眼运动和步态评估提供了一种快速可靠的方法来评估临床和社区环境中的认知状态.
