深度Stroop:整合眼睛跟踪和语音处理,以表征患有神经退行性疾病的人,同时执行神经心理测试

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:

• 神经退行性疾病 (NDs) 呈现复杂,重叠的症状,使精确的诊断和监测变得复杂.
• 传统的神经心理测试严重依赖患者的输出,这可能会限制诊断洞察力.
• 多模式分析提供了对认知功能和疾病进展的更丰富的理解.

研究的目的:

• 通过结合眼动和语音数据的多式分析来改进神经心理测试的评估范式.
• 开发自动化指标来描述认知评估期间的患者行为和互动.
• 区分各种神经退行性疾病,包括阿尔茨海默病 (AD) 和帕金森病 (PD),并评估疾病的严重程度.

主要方法:

• 利用Stroop测试将健康对照组与被诊断患有AD,轻度认知障碍,PD和二次帕金森症的患者进行比较.
• 进行多模式分析,将眼动和语音数据与传统测试输出集成.
• 开发了自动化方法来提取眼睛运动行为,语音模式及其相互作用的指标,最大限度地减少了人类的投入.

主要成果:

• 确定了诸如增加的水平冲刺距离等对所有NDs敏感的指标.
• 在AD中观察到延迟任务启动和明显的响应错误和闪模式,区分AD和PD.
• 在疾病群体的度量分布和与临床尺度的相关性 (MoCA,MDS-UPDRS-III) 中表现出显著的差异.

结论:

• 多模式分析提供了独特的患者"标志资料",可以比传统措施更有效地量化和可视化功能障碍.
• 拟议的方法为神经退行性疾病提供了增强的标志特征和与疾病严重程度的相关性.
• 这种方法有可能在各种神经心理测试中彻底改变NDS的诊断精度,最终推进患者护理.