在移动设备上使用人工智能驱动的眼睛跟踪任务构建阿尔茨海默病预测模型
Qinjie Li1, Jiaxin Yan2,3, Jianfeng Ye4
1Department of Gerontology, Shanghai Jiao Tong University Affiliated Sixth People's Hospital, No. 600, Yi Shan Road, Shanghai, 200233, China.
Aging clinical and experimental research
|December 26, 2024
概括
使用移动设备的AI驱动的眼睛跟踪工具可以通过分析眼睛运动有效地识别阿尔茨海默病 (AD). 这项技术提供了一种具有成本效益和可访问的AD诊断和监测方法.
科学领域:
- 眼科医生 眼科 眼科
- 神经科学是一个神经科学.
- 人工智能的人工智能
背景情况:
- 眼动是认知功能和神经退行症,特别是阿尔茨海默病 (AD) 的指标.
- 目前的眼球运动记录方法昂贵,并且无法广泛用于临床使用.
研究的目的:
- 开发一种人工智能驱动的眼睛跟踪工具,用于使用移动设备进行阿尔茨海默病 (AD) 评估.
- 通过创新技术,提高AD诊断的可访问性和可负担性.
主要方法:
- 166名阿尔茨海默症患者和107名正常对照人 (NC) 在纸板上进行了眼动任务.
- 使用LASSO选择了眼动特征,并训练了一种逻辑回归 (LR) 模型用于AD分类.
- 创建了一个名图来预测阿尔茨海默病 (AD).
主要成果:
- 人工智能模型在训练组中获得了0.85的AUC,在确定AD的验证组中获得了0.91的AUC.
- 该模型表现出高灵敏度 (71-82%) 和特异性 (84-91%) 在区分AD患者与正常对照中.
- 积极的预测值在0.87到0.93之间,负的预测值在0.65到0.77.之间.
结论:
- 人工智能驱动的眼睛跟踪技术显示了在AD中可靠识别眼动异常的潜力.
- 开发的模型在阿尔茨海默病检测方面表现出卓越的诊断性能.
- 移动设备集成可确保临床环境或家庭患者的可访问性.
更多相关视频
07:26Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking
Published on: September 26, 2019
7.7K
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
897
