研究概要
韩国研究团队开发出新型移动认知评估工具DACI（Digital Assessment of Cognitive Impairment），通过机器学习优化测试设计，在保持筛查准确性的同时将评估时间缩短71.6%。该研究发表于《科学报告》（Scientific Reports），验证了紧凑版DACI在297名老年受试者中达到0.871曲线下面积（AUC），比传统数字评估工具更适用于家庭场景。
核心突破
研究团队首先通过304名受试者（健康组272人，认知障碍组32人）开发出完整版DACI，包含执行功能、联想记忆、计算能力和工作记忆四项测试。基于CatBoost算法的预测模型取得0.813 AUC值，但平均用时达321秒（5分21秒）。
通过特征选择技术，研究团队确定两项核心测试：数字斯特鲁普测试（评估执行功能）和配对符号记忆测试（评估联想记忆）。验证显示紧凑版DACI在297名受试者中将平均测试时间缩短至91秒，同时将诊断性能提升至0.871 AUC值。
技术创新
该研究采用约束优化算法，通过以下步骤实现效率提升：
- 特征重要性分析：利用SHAP值评估84项特征对诊断的贡献度
- 统计显著性筛选：设定p值<0.01阈值保留41项显著特征
- 组合优化：通过穷举搜索找到最优特征组合
- 非劣效性验证：确保缩短后的测试在统计学上不劣于完整版
临床价值
研究显示，紧凑版DACI实现多项突破：
- 测试效率：比完整版缩短71.6%时间（91秒 vs 321秒）
- 诊断精度：AUC值提升6.7%（0.871 vs 0.813）
- 用户体验：系统可用性评分（SUS）达57.53，虽低于68分合格线但优于同类工具
- 适用场景：无需额外设备，仅需移动终端即可完成远程评估
研究局限
主要局限包括：
- 样本量：认知障碍组仅70人，需更大规模验证
- 实施环境：当前为半监督设置，需验证家庭场景可行性
- 可用性改进：SUS评分显示需优化用户界面设计
- 金标准对照：需结合更多神经心理学评估
未来方向
研究团队计划：
- 开发自适应测试模式
- 整合智能手机传感器数据
- 进行大规模多中心验证
- 探索与脑脊液生物标志物的关联性
该研究得到韩国科技部等多项资助，相关技术已进入商业化阶段。研究者强调，这种"数字生物标志物"方法可显著提升阿尔茨海默症早期筛查的可及性，特别是在医疗资源匮乏地区。
【全文结束】
