人工智能、语音与语言处理方法在阿尔茨海默病监测中的应用：系统综述

语言是阿尔茨海默病中极具价值的临床信息来源，因为它随神经退行性变同时衰退。因此，语音和语言数据已在其诊断相关研究中被广泛探讨。本文总结了当前关于使用人工智能、语音与语言处理来预测阿尔茨海默病背景下认知衰退的研究发现，详述了当前研究流程，突出了其局限性并提出了应对策略。我们对2000年至2019年间的原创研究进行了系统综述，该综述已在PROSPERO注册（编号CRD42018116606）。跨学科检索覆盖了工程学（ACM和IEEE）、心理学（PsycINFO）、医学（PubMed和Embase）以及Web of Science六个数据库。相关论文的参考文献被筛选至2019年12月。从3,654条检索结果中，根据纳入标准筛选出51篇文章。四张表格总结了它们的发现：研究细节（目的、人群、干预、比较、方法和结果）、数据细节（规模、类型、模态、标注、平衡性、可用性和研究语言）、方法学（预处理、特征生成、机器学习、评估与结果）以及临床适用性（研究意义、临床潜力、偏倚风险与优势/局限）。尽管近乎所有51项研究均报告了有前景的结果，但极少有在临床研究或实践中被实施。我们得出结论，该领域的主要局限性在于标准化程度低、结果可比性有限，以及研究目的与临床应用之间存在一定程度的脱节。试图弥合这些差距应有助于未来研究向临床实践的转化。