标题：利用可穿戴传感器预测认知障碍老年人的认知评估分数
背景与目标：本研究聚焦于利用人工智能技术，通过可穿戴设备提供的生理数据评估轻度认知障碍或轻度痴呆老年人的认知功能。传统认知筛查工具具有侵入性、耗时长且仅能捕捉短暂活动片段，而可穿戴传感器通过持续监测生理信号提供了更具吸引力的替代方案。本研究旨在探究生理数据能否准确预测标准化认知测试的得分。
研究设计与方法：我们记录了23名老年人在完成三项美国国立卫生研究院工具箱认知电池测试（评估工作记忆、处理速度和注意力）时的生理信号。Empatica EmbracePlus可穿戴设备测量了血容量脉搏、皮肤电导、体温和运动数据。采用基于小波和分段的方法提取统计特征，随后应用监督学习算法，并通过交叉验证、保留测试和自助法验证预测结果。
结果：模型表现优异，斯皮尔曼相关系数达0.73-0.82，平均绝对误差为0.14-0.16，显著优于朴素平均预测器。传感器作用各异：心率相关信号结合运动和体温最能预测工作记忆；运动数据与皮肤电导组合对处理速度预测效果最佳；而心率配合皮肤电导则最适用于注意力评估。
讨论与启示：研究表明，可穿戴传感器结合人工智能工具（如监督学习和特征工程）能够无创追踪老年人特定认知功能，实现持续监测。本研究展示了在小样本数据条件下如何有效应用人工智能，该方法可支持远程评估并促进临床干预，为认知健康监测开辟了新途径。
【全文结束】
