美国纽约州立大学坎顿分校（SUNY Canton）的一名研究人员将目光投向了阿尔茨海默病的早期诊断，并将其聚焦于人们的眼睛。该校助理教授Mehdi Ghayoumi博士最近获得了一笔来自美国国家科学基金会（NSF）I-Corps项目的5万美元资助，用于推广一种先进的眼动追踪系统，以检测神经退行性疾病的指标。该系统将分析眼部运动数据，识别可能暗示认知能力下降的细微眼部生物标志物，学校在近期的新闻稿中宣布。
Ghayoumi表示：“我们的项目利用前沿的机器学习技术进行早期检测。该系统捕捉并分析眼部运动数据中的复杂时间模式，提供了一种精确、非侵入性和高性价比的诊断方法，这可能会彻底改变阿尔茨海默病的诊断和治疗方式。”
据Ghayoumi介绍，研究表明，阿尔茨海默病会影响人们的视线移动和聚焦能力，因为控制眼球运动和思维技能的大脑区域会受到损害，这些区域包括负责注意力、协调能力和视觉信息理解的部分。
尽管研究发现眼部运动模式可以作为阿尔茨海默病的检测信号，但由于缺乏标准化的测试程序、可靠的数据分析工具或医生能够在真实环境中自信使用的批准系统，医学界尚未广泛采用这些方法，学校解释道。
Ghayoumi表示：“我们的项目正是填补了这一空白，开发了一套精密的眼动追踪系统，用以识别疾病的早期指标。”
眼部运动信息通过基于网页的软件和标准网络摄像头收集，并管理用户的健康数据。随后，系统使用人工智能（AI）和机器学习来提供洞察。
作为该校顶尖的AI专家之一，Ghayoumi解释说，这种分析工具采用了高级方法，帮助系统解读用户行为随时间的变化模式，从而提供更准确的洞察和个性化的心理健康建议。
研究团队还包括网络安全教授Kambiz Ghazinour和SUNY Canton的学生研究助理，他们已经完成了超过200次访谈，对象包括神经学家、心理健康临床医生、研究人员、护理人员、老年护理机构主管以及医疗保健管理人员，以完善他们对如何将这种方法融入当前诊断策略的理解。
Ghayoumi说道：“通过验证这项技术在现实世界中的适用性，我们希望能够为未来的发展奠定更好的基础，并最终改善认知和心理健康状况的早期筛查工具的可及性。”
阿尔茨海默病的检测是Ghayoumi旗下公司AllGalaxy提供的MediMood专有软件的一部分。MediMood专有算法能够分析行为模式和用户输入，并提供实时反馈和个性化健康建议。
在已经开发出该技术的基础上，从NSF I-Corps获得的资金将支持团队完成商业项目客户发现阶段的工作，以评估该工具的潜力。团队现在计划探索并验证其产品在现实世界中的需求和潜在的应用路径。
(全文结束)
