“将运动特征与停顿、时间性指标及任务本身的语言维度结合，我们得以形成更完整的认知信号图谱，这不仅能补充传统评分，还能深入理解患者在评估中‘说了什么’与‘如何说’的关联性。”
当前针对轻度认知障碍（MCI）和阿尔茨海默病（AD）的诊断指南依赖于已确认的认知衰退证据。尽管传统神经心理学测试能提供全面评估，但其耗时特性可能阻碍早期检测与诊断，从而延误患者及时获得新型治疗方案的机会。近期一项探索性研究显示，远程数字认知评估工具（rDAC；Linus Health）结合传统指标、过程性指标与声学指标，可有效区分认知正常、MCI与痴呆患者。
该研究在2025年7月27日至30日于加拿大安大略省多伦多举办的阿尔茨海默病国际协会年会（AAIC）上发表，由Tanya Talkar博士主导。研究通过iPad向被试群体（认知正常组24人，MCI组42人，痴呆组15人）部署rDAC测试，受试者经3小时认知评估电池及临床访谈确诊分组。研究发现，rDAC在识别早期认知障碍（CI）方面表现显著潜力，传统神经心理学结果指标、过程性指标与声学特征的整合可检测真实场景中细微的表现差异。
在会议期间，Talkar博士向NeurologyLive进一步阐释了如何将语音运动功能、时间性与语言处理等声学指标融入神经心理学评估，以捕捉细微认知变化。她强调，这些数字化过程指标需具备可解释性、经验证有效性及临床可及性，以辅助而非加重现有诊疗流程。她同时指出技术挑战，包括自动语音识别工具的适配性，以及确保门诊与远程评估在多样化患者群体中的结果一致性。
REFERENCES
- Talkar T, Schulman DJ, Libon DJ, et al. Identification of Mild Cognitive Impairment with Traditional, Process, and Acoustic Metrics Derived from the Digital Assessment of Cognition. Presented at: 2025 Alzheimer’s Association International Conference; July 27-31; Toronto, Canada.
【全文结束】
