利用智能手表和手机进行远程认知评估：Nature Medicine最新研究

AI资讯
1

Nature Medicine最新研究：通过智能手表和手机进行远程认知评估，有望早期检测轻度认知障碍，灵敏度高达80.2%。

原文标题：Nature Medicine | 基于智能手表和智能手机的大脑健康远程评估和轻度认知障碍检测

原文作者：数据派THU

冷月清谈：

哈佛医学院的研究在《自然·医学》上发表了一项研究，展示了使用iPhone和Apple Watch进行远程认知健康评估以精准识别轻度认知障碍（MCI）的潜力。该研究招募了23004名美国成年人，通过智能设备收集多模态数据，包括自我报告的健康信息、设备使用情况和交互式认知评估。研究发现，基于智能设备的数据可以有效区分MCI患者和健康人群，MCI检测的灵敏度达到80.2%，特异性为78.7%。这项研究的意义在于它实现了去中心化检测，将日常设备使用数据作为生物标志物，并为远程健康管理开辟了新的方向。但也存在设备依赖性、数据隐私和环境干扰等局限性。未来的发展方向是结合人工智能、医疗大数据和云计算，建立更智能化的认知健康监测体系。

怜星夜思：

1、这项研究目前仅限于iPhone和Apple Watch用户，如果将评估系统扩展到安卓设备，可能面临哪些技术或者数据上的挑战？
2、研究中提到，智能设备的数据可能成为未来的“数字生物标志物”，那么除了文中提到的打字速度、屏幕点击频率、步行模式等，你认为还有哪些智能设备数据可能作为认知健康的潜在标志物？
3、文章提到了数据隐私问题，那么在利用智能设备进行认知健康监测时，如何在保护用户隐私和充分利用数据之间找到平衡点？你有什么好的建议吗？

原文内容

来源：医工学人

          本文约1500字，建议阅读7分钟

          基于智能手表和智能手机实现轻度认知障碍的高准确度分类，在认知健康早期检测及监测方面展现较大潜力。


阿尔茨海默病和相关的认知障碍 是全球老龄化社会面临的重大健康挑战，全球已有超5500万人受影响，预计到2050年，这一数字将翻三倍！然而，许多认知障碍的早期症状往往被忽视，等到患者真正出现明显记忆力下降时，干预的窗口可能已经缩小。

传统的认知评估往往依赖医院的神经心理学测试，但这种方式昂贵、耗时，且覆盖人群有限。那么，有没有一种更便捷、更大规模的认知检测方法呢？

3月4日，哈佛医学院的研究者们在《自然·医学》发表最新研究，利用iPhone和Apple Watch进行远程认知健康评估，精准识别轻度认知障碍（MCI）。该研究解决了当前认知健康研究中的偏倚来源，包括有限的代表性（例如，种族/民族、地理）和认知测量工具的准确性。初步的MCI分类模型表现良好，具有较高的灵敏度（80.2%）和特异性（78.7%），并且结合主观（问卷）与客观（数字测试）认知数据时，分类效果更佳。这些结果支持远程数字认知评估的可行性，并表明其在早期检测和监测认知健康方面的潜力。

figure 1
figure 1685×753 39 KB

图1 研究注册流程。从下载 Study App 到完成基线入组的步骤从左到右逐步显示在两行中，包括图表底部按阶段划分的筛选和入组总数。受试者需要已经拥有一部用于研究的 iPhone，并在参与者完成基线注册（包括 30 分钟认知评估电池）后预置 Apple Watch。

研究团队开展了一项名为 “Intuition” 的远程观察性研究，招募了 23,004名美国成年人，并通过Apple Watch和iPhone收集了长达24个月的多模态数据。这些数据包括：自我报告的健康信息（如家族病史、生活习惯等）；日常设备使用情况（如打字速度、屏幕点击频率、步行模式等）；交互式认知评估（一系列基于手机App的记忆、反应测试）。

研究的核心目标是：构建MCI分类模型，分析哪些行为数据能有效预测轻度认知障碍；探索认知健康轨迹，观察哪些因素会影响认知功能的变化；验证远程评估的可靠性，确保这种方法能与传统认知测试相匹配。

图2 设备使用和认知评估的 12 个月研究依从性。

研究人员通过机器学习模型分析数据后发现，基于智能设备的数据可以有效区分MCI患者和健康人群，且模型表现优异：MCI检测的灵敏度达到80.2%（即能正确识别出80.2%的MCI患者），特异性为78.7%（即健康人被误判为MCI的概率较低），结合主观+客观数据，分类效果最佳。

图3 使用基线认知的初始 MCI 分类模型结果

这意味着，未来我们可能无需去医院进行复杂的测试，仅通过智能手机和手表的数据，就能远程筛查认知健康状况，为早期干预提供依据！

这项研究的突破性意义有以下几点：1. 去中心化检测，让更多人受益：不需要去医院，大规模人群都能接受筛查，尤其适用于老年人、高风险人群。2. 日常数据即生物标志物：智能设备的交互数据，可能成为未来的“数字生物标志物”，帮助监测阿尔茨海默病等认知疾病。3. 远程健康管理的未来方向：结合AI分析与可穿戴设备，我们可能进入“全天候健康监测”时代，提前发现疾病信号！

当然，该研究也存在一定局限性：1. 设备依赖：目前该研究仅限于iPhone和Apple Watch用户，能否扩展到安卓设备？2. 数据隐私：如何在利用个人数据的同时，确保用户隐私和安全？3. 环境干扰：远程测试的外部干扰因素较多，是否会影响数据的可靠性？

综上，这项研究展示了智能设备在脑健康监测中的巨大潜力，但它仅仅是一个开始。未来，如果结合人工智能、医疗大数据、云计算，我们或许可以建立一个更加智能化的认知健康监测体系——让每个人都能随时随地了解自己的脑健康状况。

文章链接：

https://www.nature.com/articles/s41591-024-03475-9

编辑：黄继彦

‍‍‍



关于我们

数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。



图片
图片1080×564 45.8 KB


新浪微博：@数据派THU

微信视频号：数据派THU

今日头条：数据派THU

2

数据共享和合作是趋势，但要建立在用户授权的基础上。可以考虑建立一个可信的数据共享平台，用户授权后，可以将数据分享给研究机构或医疗机构。同时，要建立严格的数据安全管理制度，防止数据被滥用。另外，可以探索联邦学习等技术，在不共享原始数据的情况下，进行模型训练和分析。

3

从技术角度看，最大的挑战可能是传感器数据的一致性校准。苹果的软硬件一体化，保证了传感器数据的可靠性和一致性。安卓设备则需要针对不同厂商的传感器进行校准和标准化处理，才能保证数据的准确性。此外，还要考虑不同安卓设备的用户界面和交互方式的差异，保证认知测试的体验一致性。

4

可以考虑语音数据。比如语速、语调、停顿频率、词汇量等等。认知障碍可能会影响语言表达能力，通过分析语音特征，或许能发现一些早期迹象。现在有些智能音箱也有语音分析功能，可以考虑利用起来。

5

设备碎片化是肯定的。安卓设备品牌、型号众多，传感器类型和数据格式差异大，需要做大量的适配工作。而且，不同安卓设备的性能参差不齐，对认知测试的准确性和一致性也会产生影响。另外，安卓生态的数据权限管理也比iOS复杂，如何统一数据收集标准，保证用户隐私，也是个不小的挑战。

6

心率变异性（HRV）也是一个值得关注的指标。HRV反映了自主神经系统的调节能力，而自主神经系统和认知功能之间存在密切联系。一些研究表明，认知障碍患者的HRV会发生改变。通过智能手表等设备监测HRV，可能有助于评估认知健康状况。

7

我觉得睡眠质量的数据很有潜力。比如睡眠时长、深睡比例、睡眠节律等等，这些都和认知功能密切相关。现在很多智能手环都有睡眠监测功能，如果能结合认知测试，或许能更早发现认知问题。

8

安卓阵营的开放性是把双刃剑。一方面，可以更容易地接入各种健康数据源。另一方面，由于缺乏统一的标准，各个厂商的数据接口和协议不同，需要投入大量精力进行适配和兼容性测试。此外，不同安卓版本的安全性也存在差异，需要关注数据安全风险。

9

我个人觉得，数据脱敏和匿名化是必须的。在分析数据之前，必须去除用户的身份信息，防止数据泄露。另外，可以采用差分隐私等技术，在保证数据可用性的同时，增加数据的隐私保护程度。而且，要明确告知用户数据的使用目的和范围，让用户有知情权和选择权。

10

从法律法规层面也要加强监管。要制定完善的个人信息保护法律法规，明确数据收集、使用和存储的规范。对于违反规定的行为，要加大处罚力度。同时，要加强对智能设备厂商的监管，确保他们采取足够的数据安全措施。作为用户，我们要提高隐私保护意识，仔细阅读用户协议，谨慎授权。