早期发现阿尔茨海默病及相关痴呆症（ADRD）对于减缓疾病进展和改善预后至关重要。研究人员正在探索创新方法，在症状变得严重之前识别轻度认知障碍（MCI），这是痴呆症的潜在前兆。近期，人工智能和运动功能评估的进步提供了颇具前景的新途径。
一种简单、便携的认知衰退检测系统
传统上，诊断轻度认知障碍（MCI）一直面临挑战，尤其是在神经心理学家资源匮乏的农村地区。为了解决这一障碍，密苏里大学（University of Missouri）的研究团队开发了一种低成本、便携式系统，旨在测量可能表明早期认知衰退的细微运动功能差异。
该系统集成了深度摄像头、力板和接口板，以捕捉精确的运动数据。研究中，包括患有MCI的老年人在内，参与者完成了三项活动：站立不动、行走以及从坐姿转换为站姿。为了增加复杂性，参与者在执行这些任务时还需以七为间隔倒数计数。
记录的数据通过机器学习（一种人工智能形式）进行分析，成功识别出83%的MCI参与者。在测试的各种AI模型中，决策树表现最佳，灵敏度达到0.83，特异性达到1.00。
“大脑中涉及认知障碍的区域与控制运动功能的区域重叠，因此当其中一个受损时，另一个也会受到影响，”参与研究的副教授特伦特·格斯（Trent Guess）表示。“我们的设备可以检测到平衡和步态中的非常细微的变化，而这些变化通常会被忽略。”
对早期诊断需求的增长
阿尔茨海默病影响着数百万人，美国疾病控制与预防中心（Centers for Disease Control and Prevention）估计，到2060年，美国的病例可能会增加一倍以上。尽管其患病率很高，但仅有8%的MCI患者接受正式诊断。这一差距延迟了早期干预，降低了治疗和风险降低策略的有效性。
“阿尔茨海默病在美国是一个重大问题，”研究中的副教授杰米·霍尔（Jamie Hall）表示。“我们知道，如果能够及早识别患者，就可以更早地干预，从而阻止或减缓疾病进展。”
当前的诊断工具，如PET扫描和脑脊液检测，成本高昂且需要专业设施，这使得它们不适合大规模筛查。对可访问、覆盖全人群的检测方法的需求促使研究人员转向基于人工智能的运动功能评估。
人工智能与多模态评估：认知筛查的未来
除了物理运动评估，人工智能还被应用于家庭认知和语音分析工具。TAS测试是一个20分钟在线平台，是这一创新的典型例子。它利用人工智能通过标准键盘和网络摄像头评估手部运动、语音和认知表现。
研究表明，阿尔茨海默病的最早阶段可以通过运动技能和语音模式的细微变化检测出来。即使在低光照或杂乱背景等非理想条件下，人工智能也能以极高的准确性分析这些细节。TAS测试中使用的算法已通过可穿戴传感器和动作追踪技术验证，证明了其可靠性。
结合多种数据来源——运动功能、认知评估和语音模式——提高了准确性，并帮助研究人员开发更有效的预测模型。多模态人工智能筛查为传统测试提供了一种可扩展且经济高效的替代方案，允许广泛开展早期检测。
扩大人工智能筛查的影响
密苏里大学团队的目标是将他们的便携式运动功能系统推广至公共健康场所，例如老年中心、物理治疗诊所和辅助生活设施。该设备还可以帮助诊断除痴呆症以外的其他状况，包括跌倒风险、虚弱、脑震荡和帕金森病等神经退行性疾病。
“针对MCI患者的新药正在问世，但需要诊断才能获得药物资格，”霍尔表示。“我们的系统可以检测一个人是否走得更慢、步伐更小或存在平衡问题。这些都是可能被忽视的认知压力的微妙迹象。”
未来的研究将进一步完善系统的功能，将其应用扩展到更广泛的医学和康复领域。
“这项技术在许多方面都有益处，从运动康复到膝关节和髋关节置换，”格斯表示。“运动是我们身份的核心，我们的目标是创造提高人们生活质量的工具。”
这项研究的影响超越了实验室。许多研究参与者与阿尔茨海默病有个人联系，无论是作为患者还是护理人员。他们的参与凸显了开发可访问、早期检测工具的紧迫性。
“我们研究中的许多志愿者都有亲人患有阿尔茨海默病，并希望推动这项研究向前发展，”霍尔表示。“这突显了这项工作的重要性。”
随着人工智能驱动的评估不断发展，它们有可能改变痴呆症筛查，使早期诊断更加普及，并改善数百万人的生活。
(全文结束)
