生物标志物 生物标志物

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 生物标志物 生物标志物

背景情况:

• 人口老龄化需要早期发现认知障碍 (CI),以减轻痴呆症负担.
• 目前在中国的CI诊断受到时间密集,主观评估的阻碍,特别是在服务不足的地区.
• 数字生物标志物,特别是眼动特征,提供了一个可访问和客观的诊断途径.

研究的目的:

• 开发和验证基于人工智能的眼睛跟踪系统,以进行高效和客观的CI查.
• 建立一个可行的CI管理框架作为政府的优先事项.
• 探索眼动特征作为CI检测数字生物标志物的实用性.

主要方法:

• 来自门诊,住院和社区队列的数据分析 (N=3338总数).
• 选择最佳的眼睛运动特征和机器学习算法,用于眼睛跟踪模型.
• 在门诊,住院和各种社区环境中验证模型,包括与神经成像数据的关联分析.

主要成果:

• 在CI检测的内部验证中,眼睛跟踪模型实现了高诊断准确性 (AUC=0.986,SN=91.3%,SP=96.4%).
• 关键的眼动特征与神经心理学分数和大脑缩有显著的相关性.
• 在社区队伍中进行的外部验证表明了良好的概括性,高风险个体表现出高认知衰退指标.

结论:

• 基于人工智能的眼睛跟踪系统显示出作为CI初步查工具的巨大潜力.
• 这项技术可以提高早期诊断,促进及时治疗,并优化医疗资源分配.
• 眼动分析为CI检测提供了一个可扩展,客观和可访问的方法.