通过集成的眼睛跟踪和数字时钟绘图测试,用于轻度认知障碍的智能选器
Jinyu Chen1, Chenxi Hao1, Xiaonan Zhang1
1Department of Neurology, the First Hospital of Shanxi Medical University, Taiyuan, China.
Journal of Alzheimer's disease : JAD
|June 30, 2025
概括
这项研究开发了一种用于轻度认知障碍 (MCI) 的智能查模型,使用眼睛跟踪和数字时钟测试. 综合方法实现了高精度,为早期MCI检测提供了有前途的工具.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 轻度认知障碍 (MCI) 是痴呆症的一个重要风险因素.
- 早期查和诊断MCI对于改善患者的预后和结果至关重要.
- 目前的查方法可能缺乏广泛社区使用所需的简单性或准确性.
研究的目的:
- 开发一个MCI的智能查模型.
- 整合眼睛跟踪 (ET) 和数字时钟绘图测试 (dCDT) 进行MCI检测.
- 提供一个简单,准确和可访问的MCI查工具.
主要方法:
- 收集了来自618名认知正常参与者和179名MCI患者的人口统计数据,ET指标和dCDT指标.
- 使用后勤回归和五个机器学习算法 (随机森林,多层感知子,SVM,XGBoost,CNN) 来构建36个选模型.
- 使用AUROC评估模型性能,精度,灵敏度和特异性.
主要成果:
- 多模式特征 (人口统计,dCDT,ET) 的表现优于单模式方法.
- 使用所有显著特征的随机森林模型实现了最高的性能.
- 最好的模型显示,接收器操作特征曲线 (AUROC) 下的优越面积为0.947.
结论:
- 综合MCI查模型结合了人口统计,ET和dCDT,显示出优异的分类性能.
- 这种多式联通方式为社区环境中MCI提供了潜在的智能查工具.
- 计划进行进一步的多中心外部验证,以提高模型的通用性.
