从眼睛的见解:眼睛跟踪和痴呆症的人工智能之间的交叉点的系统审查和元分析

科学领域:

• 神经学 神经学
• 计算机科学 计算机科学
• 生物医学工程 生物医学工程

背景情况:

• 痴呆症显著影响认知功能,经常改变眼运动行为.
• 眼睛跟踪技术提供了一种非侵入性的方法来检测眼睛运动中的微妙变化.
• 人工智能 (AI) 可以分析复杂的数据集,包括眼睛跟踪数据,用于诊断目的.

研究的目的:

• 系统地审查和元分析现有的关于使用眼睛跟踪和人工智能用于痴呆症检测的文献.
• 评估人工智能驱动的眼睛跟踪系统在识别痴呆症方面的性能指标.
• 综合目前关于这种综合方法疗效的证据.

主要方法:

• 在六个主要数据库 (PubMed,Embase,Scopus,Web of Science,Cochrane,IEEE) 进行了全面的搜索,截至2023年7月.
• 包括使用眼睛跟踪和人工智能用于痴呆症检测,报告绩效指标的研究.
• 数据提取集中在痴呆症类型,人工智能模型,眼睛跟踪范式和绩效指标上.

主要成果:

• 九项涉及57至583名参与者的研究被纳入了元分析.
• 阿尔茨海默病是最常被研究的痴呆类型.
• 痴呆症检测的综合精度,灵敏度和特异性分别为88% (95% CI: 83%-92%),85% (95% CI: 75%-93%) 和86% (95% CI: 79%-93%).

结论:

• 眼睛跟踪与人工智能相结合,显示出对痴呆症检测的巨大潜力.
• 目前的研究结果强调需要更大的样本规模和标准化的方法.
• 未来的研究应该扩大,包括更广泛的痴呆类型,以提高诊断能力.