早期检测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前景广阔的全新途径。
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）颇具挑战性，特别是在神经心理学专家稀缺的农村地区。针对这一障碍，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微妙运动功能差异。
该系统集成了深度摄像机、压力板和接口板，以捕捉精确的运动数据。包括患有MCI在内的老年人参与了一项研究，他们完成了三项活动：站立不动、行走以及从坐姿转换为站姿。为了增加复杂性，参与者在完成这些任务的同时还需要每隔七个数字倒数计数。
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，达到了0.83的灵敏度和1.00的特异性。
“大脑中涉及认知障碍的区域与控制运动功能的区域重叠，因此当一个功能受损时，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原本可能被忽视的细微平衡和步态变化。”
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估计，到2060年，美国的病例可能会翻倍以上。尽管其普遍存在，但仅有8%的MCI患者获得正式诊断。这种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，就可以更早干预，从而阻止或减缓疾病进展。”
目前的诊断工具，例如PET扫描和脑脊液测试，成本高昂且需要专门设施，这使得它们不适合大规模筛查。对可访问、覆盖广泛人群的检测方法的需求推动了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
除了物理运动评估外，人工智能还被应用于基于家庭的认知和语音分析工具。TAS测试就是一个创新案例，这是一个20分钟的在线平台，由澳大利亚开发，利用AI评估手部运动、语音和认知表现，仅需标准键盘和网络摄像头。
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微妙变化检测出来。即使在光线不足或背景杂乱等非理想条件下，人工智能也能以显著的准确性分析这些微小细节。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——如运动功能、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提供了一种可扩展且经济高效的替代方案，用于传统测试，从而实现广泛的早期检测。
扩展人工智能筛查的影响
密苏里大学团队的目标是将其便携式运动功能系统推广至公共卫生环境，例如老年中心、物理治疗诊所和辅助生活设施。他们的设备还可以帮助诊断除痴呆症以外的其他疾病，包括跌倒风险、虚弱、脑震荡和帕金森病等神经退行性疾病。
“有新的药物正在研发用于治疗MCI患者，但要使用这些药物需要先确诊，”霍尔表示。“我们的系统可以检测一个人是否走得更慢、步伐更小或表现出平衡问题。这些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，扩展其在更广泛医疗和康复领域的应用。
“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，”格斯说道。“运动是我们身份的基本组成部分，我们的目标是创造能够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着个人联系，无论是作为患者还是护理人员。他们的参与突显了开发可访问、早期检测工具的紧迫性。
“我们研究中的许多志愿者都有阿尔茨海默病的亲人，并希望推动这项研究向前发展，”霍尔说道。“这也说明了这项工作的重要性。”
随着人工智能驱动的评估不断发展，它们有可能彻底改变痴呆筛查，使早期诊断更加普及，从而改善数百万人的生活。
(全文结束)
