Application of VR eye movement cognitive assessment in the early screening of cognitive impairment
Notice bibliographique
Résumé
Abstract Background: Dementia is a rapid growing global health challenge, and early screening in the preclinical stage is necessary. Mild cognitive impairment (MCI) is considered a transitional stage preceding dementia, and current diagnostic markers for AD are limited by cost and invasiveness. Neuropsychological tests (such as MMSE, MoCA) are valid but neither simple nor efficient enough to serve as large-scale dementia screening tools. Eye-tracking data can be encoded as cognitive activity and states, which provides quantitative and multi-dimensional attributes of cognitive function. Its application to cognitive assessment has shown promise in identifying patients with MCI or dementia. Immersive environments of virtual reality technology guarantee the integrity of eye-tracking data and the portability of VR headset enables efficient large-scale early screening of cognitive impairment in communities. Objective: Develop a 5-minute dementia screening tool — VR Eye Movement Cognitive Assessment to help physicians detect cognitive impairment as an alternative approach of traditional paper-based instruments. Methods: 201 subjects from Shenzhen Baoan Chronic Hospital were administered MoCA and VR eye movement cognitive assessments. Raw gaze data was captured by eye tracker of the VR headset and filtered as eye movements which would be encoded as features. Machine learning models were established as the predictor of MoCA score and the classifier of cognitive impairment of three education-based groups within which optimal cut-off score was given. Results: Support vector regression was proposed as the VR-AI model and achieved high correlation of 0.9 with MoCA score, greater than baseline model of 0.58. Optimal cut-off scores (less than 6 years of education: 14/15; 6 to 9 years of education: 18/19; more than 9 years of education: 23/24) can well distinguish normal and cognitively impaired subjects — with overall sensitivity of 88.5% and specificity of 83%. Conclusion: VR eye movement cognitive assessment is a portable, efficient, and quantitative dementia screening tool, which can be used for early screening of mild cognitive impairment and dementia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».