临床表现 临床表现

随着预期寿命的延长，与衰老相关的神经认知问题在全球范围内日益普遍。从主观认知下降（SCD）、轻度认知障碍（MCI）到阿尔茨海默病痴呆（ADD），这一认知损害连续谱可通过神经心理学评估和神经影像学检查进行量化。然而，这些方法成本较高，易受预约时间限制，且依赖于专业人员或稀缺资源，因而在许多地区难以普及。自动语音与语言分析（ASLA）为在医疗资源匮乏地区检测神经认知功能损害提供了一种经济且可扩展的解决方案。然而，目前尚无研究利用ASLA来预测西班牙语拉丁裔人群中这一连续谱上的神经心理学指标和脑部测量参数。本研究旨在填补这一空白。

我们招募了150名智利个体，其认知特征多样：17名为健康对照者，55名为主观认知衰退（SCD）个体，57名为轻度认知障碍（MCI）个体，以及21名为阿尔茨海默病痴呆（ADD）个体。所有参与者完成了1分钟的语音流畅性和语义流畅性任务，并接受了认知功能（Addenbrooke认知检查第三版[ACE-III]、蒙特利尔认知评估[MoCA]）、执行功能（INECO额叶筛查[IFS]）测试以及磁共振成像（MRI）扫描。我们利用TELL应用程序提取流畅性回答中的词汇属性和言语时间特征（分别及联合使用），训练机器学习模型，以预测认知测试结果、全脑灰质（GM）和白质总体积、海马灰质体积，以及一个涵盖对ADD敏感脑区的掩模。最佳回归模型根据R²的95%置信区间进行筛选²得分。在控制年龄、性别和教育程度（对于与大脑相关的指标， additionally 控制 MoCA 得分）的条件下，计算了实际值与预测值之间的皮尔逊部分相关系数。针对每项流畅性任务、各项任务的组合及其平均值，均重复进行了分析。

ACE-III（r = .55，p < .001）、MoCA（r = .39，p < .001）和IFS（r = .31，p = .001）得分以及标准化灰质体积（r = .34，p = .006）均显示出显著的偏皮尔逊相关性。所有结果均对应于结合了流畅性任务的词汇属性特征。

一种完全自动化的多变量分析流程，可通过简短的流畅性任务获取反映脑健康的认知与磁共振成像（MRI）指标。与金标准测试不同，该方法无需人工施测者，具有客观性、高效性和经济性。该技术为全球应对痴呆与认知衰退提供了可扩展的资源，有助于促进医疗公平。 关键词：自动化分析流程，多变量分析，脑健康，认知功能，磁共振成像，流畅性任务，痴呆，认知衰退，医疗公平