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。
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。
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！
