利用可穿戴传感器预测认知障碍老年人的认知评估分数
本研究通过Empatica EmbracePlus可穿戴设备采集23名轻度认知障碍或轻度痴呆老年人的血容量脉搏、皮肤电导等生理信号,在完成美国国立卫生研究院工具箱认知电池测试时进行连续监测,运用监督学习和特征工程方法构建预测模型,结果显示斯皮尔曼相关系数达0.73-0.82,平均绝对误差仅0.14-0.16,证实生理信号组合能精准预测工作记忆、处理速度和注意力等认知功能,为小样本数据下的AI健康监测提供了新范式,有望实现无创持续认知评估并支持远程临床干预。

