基于加速度计的步态分析作为老年人轻度认知障碍的预测工具
Junwei Shen1, Yoshiko Nagata2, Toshiya Shimamoto3,4
1Laboratory for Data Sciences, Research and Education Institute for Semiconductors and Informatics, Kumamoto University, 2-39-1, Kurokami, Chuo-ku, Kumamoto 860-8555, Japan.
Sensors (Basel, Switzerland)
|December 11, 2025
概括
加速度计步态分析显示,对于检测老年人认知能力下降有希望. 这种非侵入性方法使用步行模式来识别认知障碍的早期迹象,有助于及时诊断.
科学领域:
- 老年学是一门学科.
- 神经学 神经学
- 生物医学工程 生物医学工程
背景情况:
- 认知障碍,包括痴呆症,在老年人群中构成了重大健康挑战.
- 早期发现认知衰退对于有效的管理和干预至关重要.
- 目前的诊断方法可能是侵入性的或需要专门的临床设置.
研究的目的:
- 调查基于加速度计的步态分析对老年人认知障碍的非侵入性预测的有效性.
- 为了评估机器学习模型的性能,使用步态衍生特征进行认知状态分类.
- 探索步态动态作为早期认知衰退的生物标志物的潜力.
主要方法:
- 收集了75名老年人 (认知正常和痴呆症) 的步态数据,在自动步行时使用腰部穿戴的加速度计.
- 将艾伦方差 (AVAR) 应用于步态数据以提取频率稳定性特征.
- 利用后勤回归和光梯度增强机 (LightGBM) 模型与AVAR特征和年龄来分类认知状态 (基于迷你精神状态检查得分).
主要成果:
- 轻GBM模型在认知状态分类中实现了0.92的曲线下的高面积 (AUC),超过了后勤回归 (AUC = 0.85).
- 步行分析表明,轻度认知障碍 (MCI) 患者的步行模式与痴呆症患者更接近,即使与认知正常参与者组合在一起.
- 来自AVAR的步态特征显示出在区分不同认知状态方面具有显著的潜力.
结论:
- 使用AVAR特征的基于加速度计的步态分析是预测老年人认知障碍的有希望的非侵入性工具.
- 这种方法可能有助于更早地检测认知能力下降,包括MCI.
- 通过加速度计捕获的步态动态可以在老年学和神经学中作为一种有价值的数字生物标志物.
