音乐诱导的生理标记用于通过机器学习检测阿尔茨海默病
Rodrigo Lima1,2,3, Gonçalo Barradas4, Sergi Bermúdez I Badia1,2,3
1Faculdade de Ciências Exatas e da Engenharia, Universidade da Madeira, Funchal, Portugal.
Frontiers in aging neuroscience
|December 10, 2025
概括
音乐唤起的生理反应显示出作为阿尔茨海默病 (AD) 的非侵入性生物标志物具有前途. 机器学习模型检测到这些反应中的微妙差异,有助于AD检测和严重性评估.
科学领域:
- 神经科学是一个神经科学.
- 生物标志物 生物标志物
- 机器学习 机器学习
背景情况:
- 阿尔茨海默病 (AD) 导致认知和情绪衰退,需要新的非侵入性生物标志物用于早期检测和干预.
- 目前对AD的诊断方法可能是侵入性的或缺乏早期检测的敏感性.
研究的目的:
- 研究音乐引起的生理反应作为潜在的阿尔茨海默病 (AD) 的非侵入性生物标志物.
- 用机器学习 (ML) 评估这些生理反应的转化价值,用于AD检测和严重程度评估.
主要方法:
- 在36名阿尔茨海默症患者听音乐时记录了皮电活动和面部电肌图.
- 在生理信号上训练机器学习模型 (Random Forest,Naïve Bayes) 来分类AD的存在,严重程度和残留情绪反应.
主要成果:
- 随着AD的进展,对音乐的生理反应性下降.
- 机器学习模型在区分阿兹海默症患者与对照者的准确率达到了70.5%,在预测阿兹海默症严重性的准确率达到了65.6%.
- 微妙的音乐唤起的生理差异可以在使用ML的AD患者中检测到.
结论:
- 音乐引起的生理信号反映了AD中神经电路的破坏,可以作为补充生物标志物.
- 将生理学措施与ML相结合,为早期AD检测,监测和制定特定阶段干预措施提供了一种非侵入性方法.
