基于机器学习策略探究精细运动缺陷对老年轻度认知功能障碍患者的预测价值
赵烨婧
赵岩妍
张洁
崔晗
沈姞
袁莹
施红
李晶
100730 北京医院老年医学科 国家老年医学中心 中国医学科学院老年医学研究院
摘要：目的 利用新型可穿戴式惯性运动捕捉设备探究老年阿尔茨海默病源性轻度认知功能障碍(mild cognitive impairment,MCI)患者精细运动缺陷特征,并构建MCI预测模型.方法 选择2022年11月至2023年4月社区招募老年受试者260例,根据诊断分为MCI组134例,对照组126例.利用新型可穿戴式微机电系统(microelectro-mechanical system,MEMS)惯性传感器动作捕捉技术自主研发计算机电子化精细运动评估系统,实现对双手精细运动的量化评估.基于LASSO的学习算法识别预测因子并进行logistic回归构建诺莫图.采用ROC曲线分析,并计算曲线下面积(area under curve,AUC),应用决策曲线分析(decision curve analysis,DCA)、临床影响曲线分析(clinical impact curve analysis,CIC)和Bootstrap法评估并验证模型的临床效用和稳定性.结果 MCI组蒙特利尔认知评估量表评分[(22.18±2.84)分vs(27.60±1.10)分,P＜0.01]及各维度评分较对照组明显降低,差异有统计学意义(P＜0.01).MCI组5项数字化测评任务中的双手精细运动表现参数较对照组明显变差,差异有统计学意义(P＜0.05,P＜0.01).诺莫图模型预测老年 MCI 患者风险的 AUC 为 0.762(95％CI:0.705～0.819).DCA、CIC和Bootstrap法均显示,诺莫图模型具有良好且相对稳定的区分度、校准度以及临床适用性.结论 MEMS惯性传感器动作捕捉技术实现对精细运动功能的数字化评估,老年人精细运动功能缺陷与MCI风险显著相关.基于精细运动参数构建的诺莫图对阿尔茨海默病源性MCI发生风险具有良好的预测效能.
关键词：老年人阿尔茨海默病认知功能障碍预测Logistic模型
资助基金：北京医院临床研究启航专项项目(BJ-2024-196)中国医学科学院医学健康前沿交叉研究专项项目(2023-I2M-QJ-020)中国医学科学院中央级公益性科研院所基本科研业务费中国健康长寿创新大赛项目(2021-JKCS-024)
论文发表日期：2025-06-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 705-711 )
英文信息