多模态数字神经标志物平台 MCI 识别 AUC 达 0.90
13.8 分钟完成自测!多模态数字神经标志物平台 MCI 识别 AUC 达 0.90
该多模态数字认知评估平台可在 15 分钟内准确识别轻度认知障碍(MCI),具有良好的重测信度和聚合效度,适用于基层医疗场景。该平台整合了运动、语音与增强现实任务,为 MCI 的早期筛查提供了有效工具。
1分钟前 吾乃喵大人 MedSci原创 发表于上海
这款时长不足 15 分钟、可自助完成的多模态数字认知评估平台,可准确识别经临床确诊的 MCI,且具备良好的重测信度、聚合效度与跨人群稳定性。
深度解析医学证据,DeepEvidence为你支撑决策 轻度认知障碍(MCI)是神经退行性疾病的早期临床阶段,具有高度病因异质性。流行病学数据显示,65 岁以上人群 MCI 患病率达 15%~22%,但美国医保体系数据提示,高达 90% 的 MCI 病例未得到临床确诊。当前 MCI 诊断依赖经专业培训人员实施的长程神经心理测评,操作门槛高、耗时久,难以在基层医疗场景规模化落地,导致大量患者错失早期干预窗口。随着阿尔茨海默病(AD)疾病修饰疗法的获批,临床对 MCI 早期、精准识别的需求愈发迫切。 数字认知评估(DCA)作为传统测评的可规模化替代方案快速发展,涵盖语音分析、可穿戴传感器、虚拟现实任务等多种技术路径,但现有研究多基于单中心队列或单一模态,且普遍缺乏独立验证、信效度评价等多维度临床证据。Altoida 神经标志物平台是一款整合运动、语音与增强现实(AR)任务的多模态数字工具,可由受试者自行在平板设备上完成,旨在为临床提供客观、高效的 MCI 辅助筛查与认知功能表征手段。本研究系统评估了该平台的诊断效能、重测信度与聚合效度。 本研究为多中心横断面研究,于 2022 年 5 月至
小提示:本篇资讯需要登录阅读,点击跳转登录
版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
来源:梅斯医学·临床资讯 · news.medsci.cn
