數(shù)字化技術在阿爾茨海默病中的應用進展

摘要：阿爾茨海默?。ˋD）是一類以認知功能下降、精神行為異常、日常生活能力下降為臨床表現(xiàn)的神經(jīng)系統(tǒng)退行性疾病。該疾病病因多樣，發(fā)病隱匿，傳統(tǒng)神經(jīng)心理學量表評估費時、影像學檢測敏感度低、藥物研發(fā)進展緩慢。隨著認知神經(jīng)科學和數(shù)字技術的迅速發(fā)展，AI、虛擬現(xiàn)實等數(shù)字化技術越來越受到關注。該文綜述近年來數(shù)字化技術在AD的預測、篩查、輔助診斷和治療領域的臨床研究，以及數(shù)字化技術在AD步態(tài)、精細運動、語音等多領域的進展與突破，為臨床診療和進一步探索提供方向。

關鍵詞：阿爾茨海默??；AI；虛擬現(xiàn)實；數(shù)字化技術

中圖分類號：R749.16 文獻標志碼：A DOI：10.11958/20240039

The application progress of digital technology in Alzheimer's disease

RAN Longfei1， NIE Zhiqiang1， GUO Junhui1， 2△

1 Rehabilitation Medicine Center of Peking University Medical Offshore Oil Hospital， Tianjin 300452， China;

2 School of Engineering， Peking University

△Corresponding Author E-mail： gjh8207@126.com

Abstract： Alzheimer's disease （AD） is a neurodegenerative disease characterized by clinical manifestations of cognitive decline， abnormal mental behavior and decreased ability to engage in daily activities. The etiology of this disease is diverse and the onset is insidious. Traditional neuropsychological assessments are time-consuming， imaging detection sensitivity is low， and drug development progress is slow. With the rapid development of cognitive neuroscience and digital technology， digital technologies such as artificial intelligence and virtual reality are receiving increasing attention. This article aims to review the clinical research on digital technology in the prediction， screening， auxiliary diagnosis and treatment of AD in recent years， as well as the progress and breakthroughs in multiple fields such as AD gait， fine motor and speech， providing a directions for clinical diagnosis and further exploration.

Key words：Alzheimer's disease; artificial intelligence; virtual reality; digital technology

阿爾茨海默?。ˋD）是以進行性認知功能障礙及行為異常為主要特征的神經(jīng)系統(tǒng)疾病，表現(xiàn)為記憶和視空間能力障礙、人格和行為改變等，嚴重降低患者生活質(zhì)量［1］。隨著我國人口老齡化加劇，AD數(shù)量呈上升趨勢，目前我國AD患者約983萬［2］，預計至2050年60歲以上AD患者將達2 765萬人［3］。AD防治是世界性難題，早期篩查、診斷和干預是防治的關鍵。本文通過對數(shù)字化認知測評工具、計算機輔助篩查、虛擬現(xiàn)實技術（VR）、人工智能（AI）等技術在AD診療領域的應用進行回顧，為促進數(shù)字化技術在AD診療領域的發(fā)展提供參考。

1 計算機量化式AD認知測評工具

2020版中國AD診療指南指出，AD診療過程中應綜合評估患者認知和至少4個特定領域（記憶、語言、視空間和執(zhí)行）的功能［4］。受試者通過數(shù)字化技術采集資料，建立電子檔案，自助完成輔助篩查，用時短暫，可極大提高診療效率。研究顯示，處于AD臨床前期人群往往伴有主觀認知下降表現(xiàn)，腦內(nèi)可檢測到A沉積和（或）Tau病理，如腦脊液分析顯示的β-淀粉樣蛋白（Aβ）和（或）Tau水平異常［5］。北京老年腦健康促進計劃-主觀認知評估量表（BABRI-SCE）在評估AD多維認知主訴方面有突出的優(yōu)勢，可為預測病情發(fā)展和調(diào)整干預計劃提供依據(jù)［6］。計算機化量表式認知測評電子化系統(tǒng)［7］和計算機化任務式認知測評［8］均為標準神經(jīng)心理測評在計算機框架下的數(shù)字化應用，部分工具已被證實與原測試方式之間有良好的一致性［9］。

2 計算機建立預測AD篩查模型

開發(fā)簡捷高效、適合大規(guī)模人群的數(shù)字化認知篩查工具是AD防控的關鍵舉措。應用計算機算法建立AD預測模型是AD大規(guī)模篩查和隨訪的新途徑。James等［10］通過測試15 307例受試者數(shù)據(jù)并建立AD預測模型，結果發(fā)現(xiàn)僅需收集簡易精神狀態(tài)檢查量表（MMSE）評分、完成連線測驗時間以及臨床癡呆評定量表評分就可預測部分患者未來2年內(nèi)AD發(fā)生風險，準確率達91%，誤診率降低到84%。2022年全國首個AD數(shù)字化篩查小程序“ADC失智癥篩查”正式上線，標志著AD篩查從線下人工協(xié)助變?yōu)榫€上數(shù)字化自助完成，將數(shù)字化技術與經(jīng)典認知篩查量表充分結合，可使AD篩查更為便捷、高效［11］。

有研究應用MemTrax記憶認知評估系統(tǒng)進行認知數(shù)字化篩查并構建非線性模型，成功擬合了認知的非線性變化趨勢，若測評結果處于人群參考值下限的3%～10%可被視為認知障礙高危人群，若測評結果低于人群參考值下限3%提示可能存在認知障礙，其研究成果為AD風險人群的主動腦健康管理提供了新方案［12］。

3 VR和AI

3.1 VR VR已被初步證實具備與傳統(tǒng)手段等效的臨床價值［13］。有研究開發(fā)了沉浸式VR認知評估工具，在交互式虛擬現(xiàn)實廚房場景中評估AD患者的言語記憶、處理速度、注意力、工作記憶和規(guī)劃技能，其對于評估AD患者在現(xiàn)實生活中情緒和精神障礙的認知功能價值較高，有效性、敏感性令人滿意［14］。Zygouris等［15］使用虛擬超市測試（VST）對輕度認知障礙（MCI）患者和有主觀記憶障礙（SMC）的老年人進行檢測，與蒙特利爾認知評估量表（MoCA）和MMSE比較，VST有81.91%的正確區(qū)分率（CCR），而MoCA平均CCR為72.04%，MMSE為64.89%，證明VST是篩查有SMC的老年人群是否存在MCI的強大工具，較傳統(tǒng)篩查工具更有效。

VR有望改善MCI老年人群的認知功能。Maeng等［16］用基于虛擬現(xiàn)實的認知訓練（VRCT）對MCI患者和健康老年人的認知功能改善情況的比較研究顯示，MCI組言語記憶、視覺空間和建構能力、注意力和執(zhí)行功能得到改善。VR還可改善AD患者負性情緒狀態(tài)。Brimelow等［17］使用具有虛擬現(xiàn)實功能的Galaxy S7與Gear虛擬現(xiàn)實耳機為療養(yǎng)院伴或不伴AD者進行課程培訓以評估情緒改善狀況，結果顯示伴有AD者無不良反應，冷漠情緒得到明顯改善。然而，VR對就診醫(yī)療機構水平和條件有較高的要求，同時應綜合考慮AD患者及護理者自身資歷、臨床實際情況等。

3.2 AI 當前AI應用于AD早期診斷與預測研究較多［18］。研究顯示，AI可穿戴設備可監(jiān)測患者體溫、心率和血氧飽和度，提供日?；顒悠陂g的實時情況，特異度達95%，靈敏度達93%，為AD患者日常生活支持提供了一種可行性方案［19］。基于AI研發(fā)出的Xception等深度學習程序能夠辨別輕度癡呆患者和健康者的面部信息，這為后續(xù)研究開辟了道路［20］。Aβ的42個殘基（Aβ42）的聚集是AD發(fā)生的關鍵。有研究利用AI和化學動力學高度準確地量化Aβ42，以期尋找新的藥物來抑制Aβ42的聚集，為通過AI開發(fā)靶向藥物、延緩疾病進展或預防AD的發(fā)生提供了可能［21］。

4 數(shù)字化技術在AD的具體應用

4.1 步態(tài) 步態(tài)分析為AD認知衰退的一種重要證據(jù)，可在臨床上快速識別和輔助診斷AD［22］。有研究對55例aMCI、10例AD及33例健康者進行步態(tài)機器學習模型的研究發(fā)現(xiàn)，識別健康者和AD準確率為90.56%，識別aMCI和AD準確率為87.69%［23］。另有研究顯示，步態(tài)分析對于AD的早期識別和鑒別診斷同樣具有良好的臨床價值，AD患者額葉和頂葉的室周白質(zhì)高信號（WMH）與緩慢的步行速度、步行周期及角度變化有關，而MCI患者僅表現(xiàn)出腦葉下白質(zhì)病變與較短的步幅、增加的步行角度間有相關性［24］。另一項通過平均隨訪約8年的大樣本前瞻性隊列研究發(fā)現(xiàn)，步行速度下降與癡呆發(fā)生風險高度相關，與步行正常者比較，完全癡呆、AD及血管性癡呆的風險比分別為0.857、0.874和0.788，認為步行速度所反映的肌肉健康狀況是評估癡呆風險的必要條件［25］。

4.2 精細運動 手寫涉及精細運動、動覺成分和多個認知領域，通常受到AD的損害者在文本書寫中表現(xiàn)出較高的空中/地面時間比、較長的文本持續(xù)時間、較長的開始/反應時間以及更低的流暢性［26］。AD筆跡特征分析在輔助AD篩查或診斷方面具有廣闊的應用前景。一項研究分析了AD患者和正常老年人的筆跡運動特征差異發(fā)現(xiàn)，筆跡特征在圖形和文本任務中AD陽性預測值分別為92.21%和97.81%，準確度分別為96.30%和96.55%，特異度分別為93.41%和98.37%［27］。張劍紅［28］設計了精確抓握感知運動功能測試分析系統(tǒng)，結果顯示，AD組運動速度、抓握精確度較正常者顯著降低，AD組預加載期時間延長、握力-負載力的協(xié)調(diào)性下降，精確握力控制中的反饋控制比例增加，表明精確抓握運動學與動力學參數(shù)的變化可部分反映AD早期的神經(jīng)系統(tǒng)退行性病變程度。另一種新的AD自動評估方案通過對受試者輸入的混合圖像的壓力、速度和高度進行分析發(fā)現(xiàn)，其區(qū)分AD和健康者的準確率可達81.5%［29］。

4.3 語音 AD語言功能受損常表現(xiàn)在語法、信息內(nèi)容以及語音特征等方面，語音已被證明對AD和MCI具有診斷有效性［30］。Qiao等［31］認為計算機輔助的語音、沉默片段自動分析是一種有前景的無創(chuàng)性工具，可用于區(qū)分MCI與AD在語言障礙上的相關特征。

自動語音識別技術在AD的早期檢測和疾病嚴重程度評估方面具有廣闊的前景。通過對語音AI模型研究發(fā)現(xiàn)，該模型預測受試者在85歲之前發(fā)展為AD的準確率高達70％，AD受試者從建模錄制語音樣本到確診為早期AD的平均時間是7.59年，該模型可提前7年預測AD發(fā)生風險［32］。數(shù)字化自動語音識別技術對于收集患者的語音資料較為容易，但設備質(zhì)量、錄音環(huán)境、受試者自身等因素也會影響語音內(nèi)容的準確性。

4.4 眼動 AD患者眼球運動異常與大腦功能區(qū)的病理性結構改變有關，可反映認知功能的衰退。Aβ在大腦的病理性沉積是AD特征性的病理改變之一。有研究證實，在AD患者和實驗模型小鼠的視網(wǎng)膜中均可檢測到Aβ，AD特征性眼動變化與其病理改變相符合，眼動可輔助AD早期診斷和臨床鑒別診斷［33］。另有研究顯示，受試者不需要完成復雜答題和操作，只通過眼動的反應，就可以鑒別早期AD類型并評估其嚴重程度［34］。另有研究應用眼動追蹤技術發(fā)現(xiàn)，受試者反向眼跳延遲時間越長，錯誤率越高，患AD的可能性越大，認為基于眼動追蹤技術構建的診斷模型對于AD的預測具有良好的效果［35］。眼動儀的誕生為家庭AD自我篩查提供了一種可行的途徑。對基于便攜式眼動儀和深度學習框架的融合研究發(fā)現(xiàn)，該眼動儀區(qū)分正常人群和AD患者的準確率可達97%［36］。

4.5 睡眠 研究顯示，50%以上的AD患者存在碎片化睡眠和晝夜節(jié)律改變，碎片化睡眠可導致AD發(fā)病風險提高1.5倍［37］。新近研究表明，睡眠障礙與認知、學習及記憶功能下降有關，可增加AD發(fā)生風險并促進AD進展［38］。腕動計［39］、智能手機睡眠分析［40］、可穿戴式睡眠監(jiān)測［41］等可穿戴式睡眠監(jiān)測傳感器設備可以通過運動監(jiān)測數(shù)據(jù)來推斷睡眠狀態(tài)，顯示出高水平的睡眠分期準確性，利用這些技術追蹤睡眠數(shù)據(jù)能夠幫助捕捉預示AD變化的微小長期睡眠偏差。然而，這種睡眠評估設備的有效性有待確認，尚不足以與多導睡眠監(jiān)測儀一樣作為臨床輔助評估工具。

5 總結與展望

數(shù)字化技術已被廣泛應用于多種神經(jīng)系統(tǒng)疾病相關認知障礙的篩查和防治。本文總結了數(shù)字化認知測評工具、AD預測模型、VR、AI等技術的前沿資料，并且探究數(shù)字化技術應用于AD步態(tài)、精細運動、語音等多領域進展與突破，由此可知AD的診斷不再完全依賴臨床癥狀。數(shù)字化技術為AD篩查、輔助診斷提供了基于循證醫(yī)學證據(jù)的補充，并提供了基于智能算法的輔助干預，可多維度地對極具復雜性的大數(shù)據(jù)進行綜合處理，通過構建計算機分類預測模型，快速篩查疾病、提高診療效率，推動健康老齡化的實現(xiàn)。然而，其作為一種新技術，無論是使用方法還是臨床價值均需提高和完善，技術準確性和可操作性也面臨著諸多挑戰(zhàn)?，F(xiàn)階段還沒有一種方法可以準確預警或早期診斷AD，通常需要多種技術聯(lián)合。隨著新的AD風險基因、性染色體基因表達等的發(fā)現(xiàn)，未來AD早期診斷新技術有望獲得進一步發(fā)展。

參考文獻

［1］"""" 邵蕊，李岱，韓召利，等. 基于老年綜合評估的個體化康復訓練對阿爾茨海默病患者認知功能、風險防范的影響［J］. 天津醫(yī)藥，2021，49（8）：847-851. SHAO R，LI D，HAN Z L，et al. Effects of individualized rehabilitation training based on comprehensive geriatric assessment on cognitive function and risk prevention of patients with Alzheimer's disease［J］. Tianjin Med J，2021，49（8）：847-851. doi：10.11958/20210643.

［2］"""" JIA L，QUAN M，F(xiàn)U Y，et al. Dementia in China： epidemiology，clinical management，and research advances［J］. Lancet Neurol，2020，19（1）：81-92. doi：10.1016/S1474-4422（19）30290-X.

［3］""" 中國疾病預防控制中心慢性非傳染性疾病控制中心，國家衛(wèi)生健康委統(tǒng)計信息中心. 中國死因監(jiān)測數(shù)據(jù)集2021［M］. 北京：中國科學技術出版社，2022. Chronic Non communicable Disease Control Center of China Center for Disease Control and Prevention，Compiled by the Statistical Information Center of the National Health Commission. China Cause of Death Monitoring Dataset 2021［M］. Beijing：China Science and Technology Press，2022.

［4］"""" 田金洲，解恒革，王魯寧，等. 中國阿爾茨海默病癡呆診療指南（2020年版）［J］. 中華老年醫(yī)學雜志，2021，40（3）：269-283. TIAN J Z，XIE H G，WANG L N，et al. Chinese guideline for the diagnosis and treatment of Alzheimer's disease dementia（2020）［J］. Chinese Journal of Geriatrics，2021，40（3）：269-283. doi：10.3760/cma.j.issn.0254-9026.2021.03.001.

［5］"""" 萬琪，謝曄，王蓉，等. Gal-3參與阿爾茨海默病的機制研究進展［J］. 天津醫(yī)藥，2022，50（10）：1115-1120. WAN Q，XIE Y，WANG R，et al. Research progress on the role of Gal-3 in Alzheimer's disease［J］. Tianjin Med J，2022，50（10）：1115-1120. doi：10.11958/20220639.

［6］"""" YANG Y，LV C，LI H，et al. Community?based model for dementia risk screening：the Beijing aging brain rejuvenation initiative（BABRI）brain health system［J］. J Am Med Dir Assoc，2021，22（7）：1500?1506.e3. doi：10.1016/j.jamda.2020.12.024.

［7］"""" 蔣平靜，譚小林，于婷婷，等. 基于電子化的癡呆與認知障礙早期識別篩查和診斷流程的探討［J］. 阿爾茨海默病及相關病，2021，4（2）：116-120. JIANG P J，TAN X L，YU T T，et al. Exploration of the early identification， screening，and diagnostic process for dementia and cognitive impairment based on electronicization［J］. Alzheimer's Disease and Related Diseases，2021，4（2）：116-120. doi：10.3969/j.issn.2096-5516.2021.02.005.

［8］"""" CAMPOS-MAGDALENO M，LEIVA D，PEREIRO A X，et al. Changes in visual memory in mild cognitive impairment：a longitudinal study with CANTAB［J］. Psychol Med，2021，51（14）：2465-2475. doi：10.1017/S0033291720001142.

［9］"""" SOLOMON T M， BARBONE J M， FEASTER H T，et al. Comparing the standard and electronic versions of the Alzheimer′s disease assessment scale-cognitive subscale：a validation study［J］. J Prev Alzheimers Dis，2019，6（4）：237-241. doi：10.14283/jpad.2019.27.

［10］""" JAMES C，RANSON J M，EVERSON R，et al. Performance of machine learning algorithms for predicting progression to dementia in memory clinic patients［J］. JAMA Netw Open，2021，4（12）：e2136553. doi：10.1001/jamanetworkopen.2021.36553.

［11］""" KLEIMAN M J，BARENHOLTZ E，GALVIN J E，et al. Screening for early-stage Alzheimer's disease using optimized feature sets and machine learning［J］. J Alzheimers Dis，2021，81（1）：355-366. doi：10.3233/JAD-201377.

［12］""" 張雙虎. 上海交通大學醫(yī)學院附屬仁濟醫(yī)院阿爾茨海默病有了數(shù)字認知篩查新方法［N］. 中國科學報，2023-09-13（004）. ZHANG S H. Shanghai Jiao Tong University School of Medicine Affiliated Renji Hospital has developed a new digital cognitive screening method for Alzheimer's disease［N］. China Science Daily，2023-09-13（004）. doi：10.28514/n.cnki.nkxsb.2023.002181.

［13］""" FERNáNDEZ MONTENEGRO J M，VILLARINI B，ANGELOPOULOU A，et al. A survey of Alzheimer's disease early diagnosis methods for cognitive assessment［J］. Sensors（Basel），2020，20（24）：7292. doi：10.3390/s20247292.

［14］""" MISKOWIAK K W，JESPERSEN A E，KESSING L V，et al. Cognition assessment in virtual reality：validity and feasibility of a novel virtual reality test for real-life cognitive functions in mood disorders and psychosis spectrum disorders［J］. J Psychiatr Res，2021，145：182-189. doi：10.1016/j.jpsychires.2021.12.002.

［15］""" ZYGOURIS S，ILIADOU P，LAZAROU E，et al. Detection of mild cognitive impairment in an At-risk group of older adults：can a novel self-administered serious game-based screening test improve diagnostic accuracy？［J］. J Alzheimers Dis，2020，78（1）：405-412. doi：10.3233/JAD-200880.

［16］""" MAENG S，HONG J P，KIM W H，et al. Effects of virtual reality-based cognitive training in the elderly with and without mild cognitive impairment［J］. Psychiatry Investigation，2021，18（7）：619-627. doi：10.30773/pi.2020.0446.

［17］""" BRIMELOW R E，DAWE B，DISSANAYKA N. Preliminary research：virtual reality in residential aged care to reduce apathy and improve mood［J］. Cyberpsychol Behav Soc Netw，2020，23（3）：165-170. doi：10.1089/cyber.2019.0286.

［18］""" EL-SAPPAGH S，ALONSO J M，ISLAM S M R，et al. A multilayer multimodal detection and prediction model based on explainable artificial intelligence for Alzheimer's disease［J］. Sci Rep，2021，11（1）：2660. doi：10.1038/s41598-021-82098-3.

［19］""" AL-NAAMI B，ABU OWIDA H，ABU MALLOUH M，et al. A new prototype of smart wearable monitoring system solution for Alzheimer's patients［J］. Med Devices（Auckl），2021，14：423-433. doi：10.2147/MDER.S339855.

［20］""" UMEDA-KAMEYAMA Y，KAMEYAMA M，TANAKA T，et al. Screening of Alzheimer's disease by facial complexion using artificial intelligence［J］. Aging（Albany NY），2021，13（2）：1765-1772. doi：10.18632/aging.202545.

［21］""" HABCHI J，CHIA S，LIMBOCKER R，et al. Systematic development of small molecules to inhibit specific microscopic steps of Aβ42 aggregation in Alzheimer's disease［J］. Proc Natl Acad Sci USA，2017，114（2）：E200-E208. doi：10.1073/pnas.1615613114.

［22］""" 中國老年保健協(xié)會阿爾茨海默病分會. 阿爾茨海默病與帕金森病步態(tài)分析的中國專家共識［J］. 中華老年心腦血管病雜志，2021，23（11）：1141-1145. Alzheimer's Disease Committee of Chinese Aging Well Association. Consensus of Chinese experts on gait analysis of Alzheimer's disease and Parkinson's disease［J］. Chinese Journal of Geriatric Cardiovascular Diseases，2021，23（11）：1141-1145. doi：10.3969/j.issn.1009-0126.2021.11.006.

［23］""" 陶帥，韓星，孔麗文，等. 基于步態(tài)的機器學習模型識別遺忘型輕度認知障礙和阿爾茨海默?。跩］. 中國全科醫(yī)學，2022，25（31）：3857-3865. TAO S，HAN X，KONG L W，et al. Gait based machine learning model for identifying amnestic mild cognitive impairment and Alzheimer's disease［J］. Chinese Journal of General Medicine，2022，25（31）：3857-3865.

［24］""" OGAMA N，ENDO H，SATAKE S，et al. Impact of regional white matter hyperintensities on specific gait function in Alzheimer's disease and mild cognitive impairment［J］. J Cachexia Sarcopenia Muscle，2021，12（6）：2045-2055. doi：10.1002/jcsm.12807.

［25］""" KUO K，ZHANG Y R，CHEN S D，et al. Associations of grip strength，walking pace，and the risk of incident dementia：a prospective cohort study of 340212 participants［J］. Alzheimers Dement，2023，19（4）：1415-1427. doi：10.1002/alz.12793.

［26］""" FERNANDES C P，MONTALVO G，CALIGIURI M，et al. Handwriting changes in Alzheimer's disease：a systematic review［J］. J Alzheimers Dis，2023，96（1）：1-11. doi：10.3233/JAD-230438.

［27］""" QI H，ZHANG R，WEI Z，et al. A study of auxiliary screening for Alzheimer's disease based on handwriting characteristics［J］. Front Aging Neurosci，2023，15：1117250. doi：10.3389/fnagi.2023.1117250.

［28］""" 張劍紅. 面向阿爾茨海默病早期檢測的精確抓握感知運動融合研究［D］. 山東大學，2023. ZHANG J H. Research on accurate grasp perception and motion fusion for early detection of Alzheimer's disease［D］. Shandong University，2023. doi：10.27272/d.cnki.gshdu.2022.002729.

［29］""" KACHOURI M，HOUMANI N，GARCIA-SALICETTI S，et al. A new scheme for the automatic assessment of Alzheimer's disease on a fine motor task with transfer learning［J］. Annu Int Conf IEEE Eng Med Biol Soc，2021，2021：3823-3829. doi：10.1109/EMBC46164.2021.9630539.

［30］""" AHMED S，HAIGH A M，DE JAGER C A，et al. Connected speech as a marker of disease progression in autopsy-proven Alzheimer's disease［J］. Brain，2013，136（Pt 12）：3727-3737. doi：10.1093/brain/awt269.

［31］""" QIAO Y，XIE X Y，LIN G Z，et al. Computer-assisted speech analysis in mild cognitive impairment and Alzheimer's disease：a pilot study from Shanghai，China［J］. J Alzheimers Dis，2020，75（1）：211-221. doi：10.3233/JAD-191056.

［32］""" EYIGOZ E，MATHUR S，SANTAMARIA M，et al. Linguistic markers predict onset of Alzheimer's disease［J］. EClinical Medicine，2020，28：100583. doi：10.1016/j.eclinm.2020.100583.

［33］""" 郭愛華，潘小平. 阿爾茨海默病的眼動跟蹤研究［J］. 廣東醫(yī)學，2021，42（9）：1132-1135. GUO A H，PAN X P. Eye tracking research on Alzheimer's disease［J］. Guangdong Medical Journal，2021，42（9）：1132-1135. doi：10.13820/j.cnki.gdyx.20210042.

［34］""" WILCOCKSON T D W，MARDANBEGI D，XIA B，et al. Abnormalities of saccadic eye movements in dementia due to Alzheimer's disease and mild cognitive impairment［J］. Aging（Albany NY），2019，11（15）：5389-5398. doi：10.18632/aging.102118.

［35］""" 王立松，宋佳琦，呂洋. 基于眼動跟蹤技術診斷阿爾茨海默病的Logistics回歸模型的初步建立［J］. 陸軍軍醫(yī)大學學報，2023，45（2）：102-110. WANG L S，SONG J Q，LYU Y. Preliminary establishment of a logistic regression model for diagnosing Alzheimer's disease based on eye tracking technology［J］. Journal of Army Medical University，2023，45（2）：102-110. doi：10.16016/j.2097-0927.202206109.

［36］""" 周鵬. 阿爾茨海默病評價儀［D］. 中國醫(yī)科大學，2022. ZHOU P. Alzheimer's disease evaluation instrument［D］. China Medical University，2022. doi：10.27652/d.cnki.gzyku.2021.001042.

［37］""" MATSUMOTO S，TSUNEMATSU T. Association between sleep，Alzheimer's，and Parkinson's disease［J］. Biology（Basel），2021，10（11）：1127. doi：10.3390/biology10111127.

［38］""" LIU Y S，WANG Y M，ZHA D J. Brain functional and structural changes in Alzheimer's disease with sleep disorders：a systematic review［J］. Front Psychiatry，2021，12：772068. doi：10.3389/fpsyt.2021.772068.

［39］""" ROBERTS D M，SCHADE M M，MATHEW G M，et al. Detecting sleep using heart rate and motion data from multisensor consumer-grade wearables，relative to wrist actigraphy and polysomnography［J］. Sleep，2020，43（7）：zsaa045. doi：10.1093/sleep/zsaa045.

［40］""" HATHORN T，BYUN Y J，ROSEN R，et al. Clinical utility of smartphone applications for sleep physicians［J］. Sleep Breath，2023，27（6）：2371-2377. doi：10.1007/s11325-023-02851-y.

［41］""" GUMUSSU T C，DA POIAN G，CORTESI S，et al. Real-time detection of sleep arousals with a head-mounted accelerometer［J］. Annu Int Conf IEEE Eng Med Biol Soc，2023，2023：1-4. doi：10.1109/EMBC40787.2023.10340686.

（2024-01-08收稿 2024-04-16修回）

（本文編輯 陸榮展）

基金項目：吳階平醫(yī)學基金會臨床科研專項資助基金課題（320.6750.2023—15—12）

作者單位：1北大醫(yī)療海洋石油醫(yī)院康復醫(yī)學中心（郵編300452）；2北京大學工學院

作者簡介：冉龍飛（1990），男，主管康復治療師，主要從事神經(jīng)系統(tǒng)領域康復治療研究。E-mail：564171630@qq.com

△通信作者 E-mail：gjh8207@126.com