用人工智能驱动的眼球追踪器模型用于阿尔茨海默病诊断:系统性审查和元分析

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 阿尔茨海默病 (AD) 诊断对于及时干预和护理至关重要.
• 人工智能驱动的眼睛跟踪 (AI驱动的ET) 是一种用于AD检测的新兴技术.

研究的目的:

• 系统地审查和元分析人工智能驱动的ET模型用于阿尔茨海默病检测的诊断准确性.

主要方法:

• 进行了系统审查和元分析,搜索了多个数据库和灰色文献,直到2025年3月.
• 数据使用Meta-Disc 1.4和R软件进行分析,研究记录在PROSPERO (CRD420251020284) 中.
• 十篇论文为叙事综合做出了贡献,八篇论文被纳入了元分析.

主要成果:

• 人工智能驱动的ET工具显示了0.75的聚合灵敏度和0.75的特异性 (AUC=0.81).
• 深度学习模型通常表现优于监督机器学习 (SML),支持矢量机器特别强大.
• 超回归确定了人口规模,患者准备,测量系统,人工智能技术和SML算法作为异质性的来源.

结论:

• 人工智能驱动的ET工具在病例控制研究中显示出中等到良好的诊断准确性,用于区分AD患者与健康对照.
• 目前的证据不足以在更广泛的人群中进行广泛的查.
• 需要进一步的研究来验证这些发现在不同的临床环境中,并提高模型的稳定性.