通过人工智能增强的可穿戴睡眠记录用于阿尔茨海默病查
Elisabeth R M Heremans1, Astrid Devulder2,3, Pascal Borzée4
1STADIUS Center for Dynamical Systems, Signal Processing and Data Analytics-Department of Electrical Engineering (ESAT), KU Leuven, Leuven, Belgium.
npj aging
|May 9, 2025
概括
使用人工智能的可穿戴睡眠监测显示出阿尔茨海默病 (AD) 查的前景. 电脑电图 (EEG) 和加速度计 (ACM) 的多式记录准确地检测到AD,优于传统的睡眠指标.
科学领域:
- 神经科学是一个神经科学.
- 医疗技术 医疗技术 医学技术
- 人工智能的人工智能
背景情况:
- 阿尔茨海默病 (AD) 诊断依赖于临床评估和生物标志物.
- 大规模的远程大脑监测正在通过可穿戴设备变得可行.
- 需要使用非侵入性查方法来早期检测AD.
研究的目的:
- 调查多式联网可穿戴睡眠记录用于阿尔茨海默病 (AD) 查的有效性.
- 评估人工智能驱动的对脑电图 (EEG) 和加速度计 (ACM) 数据用于AD检测的分析的性能.
主要方法:
- 在67名健康老年人和35名阿尔茨海默症患者的同时进行多睡眠记录和可穿戴设备记录 (EEG,ACM).
- 人工智能模型 (SeqSleepNet) 用于睡眠分阶段,然后从催眠图和生理信号中提取特征.
- 训练用于AD检测的多层感知器,具有弹性网用于特征选择.
主要成果:
- 可穿戴的AD检测模型实现了0.90准确度 (0.76对于前进性AD).
- 单通道EEG和ACM生理特征足以检测AD.
- 在AD的辨别力方面,生理特征超过了催眠图特征.
结论:
- 通过人工智能增强的可穿戴睡眠监测显示了老年人非侵入性AD查的潜力.
- EEG和ACM生理信号是阿尔茨海默病的有希望的歧视性标记.
- 这种方法可以促进早期发现和干预AD.
