Nature Medicine | 基于智能手表和智能手机的大脑健康远程评估和轻度认知障碍检测-CSDN博客

来源：医工学人
本文约1500字，建议阅读7分钟基于智能手表和智能手机实现轻度认知障碍的高准确度分类，在认知健康早期检测及监测方面展现较大潜力。

阿尔茨海默病和相关的认知障碍是全球老龄化社会面临的重大健康挑战，全球已有超5500万人受影响，预计到2050年，这一数字将翻三倍！然而，许多认知障碍的早期症状往往被忽视，等到患者真正出现明显记忆力下降时，干预的窗口可能已经缩小。

传统的认知评估往往依赖医院的神经心理学测试，但这种方式昂贵、耗时，且覆盖人群有限。那么，有没有一种更便捷、更大规模的认知检测方法呢？

3月4日，哈佛医学院的研究者们在《自然·医学》发表最新研究，利用iPhone和Apple Watch进行远程认知健康评估，精准识别轻度认知障碍（MCI）。该研究解决了当前认知健康研究中的偏倚来源，包括有限的代表性（例如，种族/民族、地理）和认知测量工具的准确性。初步的MCI分类模型表现良好，具有较高的灵敏度（80.2%）和特异性（78.7%），并且结合主观（问卷）与客观（数字测试）认知数据时，分类效果更佳。这些结果支持远程数字认知评估的可行性，并表明其在早期检测和监测认知健康方面的潜力。

图1 研究注册流程。从下载 Study App 到完成基线入组的步骤从左到右逐步显示在两行中，包括图表底部按阶段划分的筛选和入组总数。受试者需要已经拥有一部用于研究的 iPhone，并在参与者完成基线注册（包括 30 分钟认知评估电池）后预置 Apple Watch。

研究团队开展了一项名为 “Intuition” 的远程观察性研究，招募了 23,004名美国成年人，并通过Apple Watch和iPhone收集了长达24个月的多模态数据。这些数据包括：自我报告的健康信息（如家族病史、生活习惯等）；日常设备使用情况（如打字速度、屏幕点击频率、步行模式等）；交互式认知评估（一系列基于手机App的记忆、反应测试）。

研究的核心目标是：构建MCI分类模型，分析哪些行为数据能有效预测轻度认知障碍；探索认知健康轨迹，观察哪些因素会影响认知功能的变化；验证远程评估的可靠性，确保这种方法能与传统认知测试相匹配。

图2 设备使用和认知评估的 12 个月研究依从性。

研究人员通过机器学习模型分析数据后发现，基于智能设备的数据可以有效区分MCI患者和健康人群，且模型表现优异：MCI检测的灵敏度达到80.2%（即能正确识别出80.2%的MCI患者），特异性为78.7%（即健康人被误判为MCI的概率较低），结合主观+客观数据，分类效果最佳。

图3 使用基线认知的初始 MCI 分类模型结果

这意味着，未来我们可能无需去医院进行复杂的测试，仅通过智能手机和手表的数据，就能远程筛查认知健康状况，为早期干预提供依据！

这项研究的突破性意义有以下几点：1. 去中心化检测，让更多人受益：不需要去医院，大规模人群都能接受筛查，尤其适用于老年人、高风险人群。2. 日常数据即生物标志物：智能设备的交互数据，可能成为未来的“数字生物标志物”，帮助监测阿尔茨海默病等认知疾病。3. 远程健康管理的未来方向：结合AI分析与可穿戴设备，我们可能进入“全天候健康监测”时代，提前发现疾病信号！

当然，该研究也存在一定局限性：1. 设备依赖：目前该研究仅限于iPhone和Apple Watch用户，能否扩展到安卓设备？2. 数据隐私：如何在利用个人数据的同时，确保用户隐私和安全？3. 环境干扰：远程测试的外部干扰因素较多，是否会影响数据的可靠性？

综上，这项研究展示了智能设备在脑健康监测中的巨大潜力，但它仅仅是一个开始。未来，如果结合人工智能、医疗大数据、云计算，我们或许可以建立一个更加智能化的认知健康监测体系——让每个人都能随时随地了解自己的脑健康状况。

文章链接：

https://www.nature.com/articles/s41591-024-03475-9

编辑：黄继彦

‍‍‍

关于我们

数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。