人工智能在诊断认知障碍方面展现潜力
作者
Olivia Guy-Evans, MSc
简明心理学协会副主编，心理学与教育学硕士
研究团队发现，人工智能技术，特别是机器学习算法，正在神经心理学领域展现突破性进展。这项发表在《神经心理学杂志》（2025）的研究综述显示，通过分析眼动轨迹、语音模式及神经心理学测试数据，AI系统能够以前所未有的精度识别轻度认知障碍、阿尔茨海默病、帕金森病和原发性进行性失语症等神经退行性疾病的早期迹象。
研究人员指出，机器学习系统能以超越传统方法的精度分析海量测试结果和生物标记物。
神经退行性疾病的诊断长期面临挑战：症状存在交叉重叠，病程发展因人而异，且常与正常衰老现象混淆。传统神经心理学评估依赖标准化测试和临床判断，但可能遗漏早期信号或细微差异。
研究团队分析了多种AI模型的应用案例：
- 支持向量机
- 随机森林
- 神经网络
这些算法在以下领域展现卓越性能：
- 眼动追踪：阅读任务中的眼动数据可识别轻度认知障碍患者（准确率>70%）
- 语音分析：区分帕金森病不同阶段（个别案例准确率超90%）
研究通讯作者Saul McLeod博士强调："通过整合语音、注视轨迹等行为信号与临床数据，算法能为医生提供解读复杂病例的新工具。" 这种技术尤其适用于远程筛查场景，因为收集语音等生物标记只需智能手机等基础设备。
突破性诊疗模式
- 早期干预：AI可能在症状显现前数年发现生物标记
- 精准分型：区分相似病症的细微差异
- 动态监测：追踪疾病进展轨迹
临床转化挑战
- 数据质量：需庞大且具代表性的训练集
- 算法泛化：避免特定人群过拟合
- 决策融合：如何将AI结果整合进临床工作流
- 伦理规范：数据隐私与知情同意机制
评审专家认为，尽管AI不会取代专业医师，但可成为诊断过程的重要合作伙伴。通过揭示神经退行性疾病的复杂性，这些技术有望提升诊疗效率与可及性。
Scandola M. et al. (2025). 《人工智能如何重塑神经心理学：聚焦神经退行性疾病的认知评估》. Journal of Neuropsychology.
【全文结束】
