使用可穿戴传感器预测认知功能障碍老年人的认知评估得分

背景与目标：本文聚焦于利用人工智能评估伴有轻度认知功能障碍或轻度痴呆老年人的认知功能。认知筛查工具具有 disruptiveness（扰动性）、耗时且仅捕获活动的短暂快照。可穿戴传感器提供了一种吸引人的替代方案，通过持续监控生理信号来实现这一目标。本研究旨在探讨生理数据是否能准确预测已建立认知测试的得分。研究设计与方法：我们记录了来自 23 名老年人完成三个 NIH Toolbox 认知电池测试（评估工作记忆、处理速度和注意力）的生理信号。Empatica EmbracePlus 可穿戴设备测量血容量脉冲、皮肤电导、温度和运动。通过小波基方法和分段方法提取统计特征。随后我们应用监督学习方法，并通过交叉验证、留出测试和自助法进行验证。结果：我们的模型表现良好，Spearman's $\rho$ 为 0.73-0.82，平均绝对误差为 0.14-0.16，显著优于朴素均值预测器。传感器作用各不相同：心率相关信号结合运动和温度最好地预测工作记忆，运动配合皮肤电导对处理速度最具信息性，心率与皮肤电导联合作用最适合注意力。讨论与意义：这些发现表明，可穿戴传感器配合人工智能工具（如监督学习和特征工程）可非侵入式地追踪老年人特定认知功能，从而实现持续监控。本研究表明，在数据样本较小的情况下，如何利用人工智能。这一方法可能支持远程评估并促进临床干预。