MétaCan
Menu
Retour à la cohorte
Enregistrement W4414867546 · doi:10.2196/74157

Vision AI-Based Gamified Cognitive Prosthesis for Executive Function: Feasibility and Usability Study

2025· article· en· W4414867546 sur OpenAlexvenueno aff
Co Yih Siow, Yao-Hua Yang, Cheng-Jui Tsai, Wan-Wan Yang, Chaur‐Jong Hu, Jia‐Ying Sung, Jowy Tani

Notice bibliographique

RevueJMIR Serious Games · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUsabilityCognitionTask (project management)Modular designFunction (biology)Cognitive walkthrough

Résumé

récupéré en direct d'OpenAlex

Background: Dementia is a progressive neurodegenerative condition marked by cognitive decline and loss of functional independence. Among cognitive domains, executive dysfunction is a critical early contributor to reduced self-care capacity and increased caregiver burden. While cognitive assistive technologies have focused primarily on memory, few tools address executive function in real-time, daily tasks. To fill this gap, we developed a novel gamified cognitive prosthesis that integrates artificial intelligence (AI) and computer vision to guide users step-by-step through a simulated egg-cooking task. This system provides real-time audiovisual feedback to support planning, sequencing, and error correction. Objective: This study aimed to evaluate whether the AI-based cognitive prosthesis improves task completion time and executive function performance in individuals with mild dementia. Methods: We conducted a pilot study involving 12 patients with mild dementia and 7 age-matched healthy controls. Participants were asked to complete a 6-step gamified egg boiling task under 2 conditions: with and without guidance. The task was evaluated using a custom "Daily Task Completion Test" and a modified executive function performance test (EFPT) adapted to the cooking activity. Demographic and clinical data (age, sex, education, Mini-Mental State Examination, Clinical Dementia Rating, activities of daily living, instrumental activities of daily living, and Dementia Severity Rating Scale) were recorded. The System Usability Scale (SUS) was also collected postintervention. Results: In the mild dementia group, AI assistance significantly reduced median task completion time from 134.75 (IQR 92.50-134.75) to 92.00 (IQR 65.00-92.00; P=.03) seconds, and significantly improved the Executive Function Performance Test (EFPT) scores from 4.25 (IQR 1.75-4.25) to 1.00 (IQR 0.00-1.00; P=.005), reflecting a 31.7% improvement in efficiency and a 76.5% reduction in required assistance. No significant changes were observed in the control group. The mean SUS score was 80.53 (SD 24.97), indicating high usability. The AI system achieved a cumulative recognition precision of 0.93 (SD 0.07) and cumulative recall of 0.94 (SD 0.11). Conclusions: This pilot study provides preliminary evidence that an AI-based cognitive prosthesis can enhance executive function and task performance in individuals with mild dementia. The results support the feasibility of using real-time AI guidance in everyday tasks to promote independence. Given its modular design and promising usability profile, this system may serve as the foundation for future digital therapeutics targeting executive dysfunction. Larger, longitudinal studies are warranted to evaluate sustained cognitive and functional benefits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,376
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207