眼动检测系统检测患者阿尔兹海默症的效果分析

摘要：目的：眼动检测系统检测患者阿尔兹海默症的效果。方法：选择2023年1月至2024年1月期间于我院进行检查治疗的88名疑似患有阿尔兹海默症患者参与本次实验，根据检测方法的不同分为对照组与实验组两组，实验中对对照组患者采用蒙特利尔认知评估量表进行病情检测，对实验组患者采用眼动检测系统检测的方式进行病情检测，实验结束后以医学诊断结果为金标准评价眼动检测系统检测与蒙特利尔认知评估量表检测的准确率、漏诊率、特异度以及敏感度，并对比两组患者的病情检测准确率、患者满意度。结果：以医学诊断结果为金标准，眼动检测系统的准确率为96.59%，敏感度为90.91%，特异度为75.00%，漏诊率为1.25%，误诊率为25.00%；蒙特利尔认知评估量表的准确率为94.32%，敏感度为90.91%，特异度为3.75%，漏诊率为2.50%，误诊率为37.50%；实验组患者的病情检测准确率明显高于对照组患者，p＜0.05，数据对比差异显著具有统计学意义；实验组患者对病情检测的满意度明显高于对照组患者，p＜0.05，数据对比差异显著具有统计学意义。结论：眼动检测系统是一种以眼球运动为基础的检测手段，相较于传统的认知评估量表而言，具有更高的灵敏度和准确性，可为临床医学诊断提供可靠、精准的病情参考数据，因此，眼动检测系统可用于阿尔兹海默症的病情检测，并能够提高阿尔兹海默症患者病情检测的准确性，对临床治疗有积极意义。

关键词：眼动检测系统；阿尔兹海默症；蒙特利尔认知评估量表

阿尔兹海默症是一种神经系统退行性疾病，早期无明显临床症状，但随着病情的发展，会逐渐出现记忆力下降、认知功能障碍等一系列症状，严重时可造成失语、失用、失认、视空间能力障碍等[1]。目前临床上主要通过神经及身体系统检查、实验室检查、脑电图检查等方式对该病进行诊断，但该诊断方法成本较高且但该方法耗时较长[2]。此外除了对患者进行神经及身体系统检查外，还可以通过蒙特利尔认知评估量表以及眼动检测系统等方式来对患者的认知能力进行评估。蒙特利尔认知评估量表是一种针对神经退行性疾病的认知能力测试[3]，主要由25个条目组成，分为5个等级，主要包括了听、说、读、写、计算以及记忆力等方面的测试内容，通过对测试结果的分析可以较为准确地反映患者的认知能力水平，但由于其对病情变化不敏感且受主观因素影响较大等原因，导致该评估量表应用于临床时存在一定的局限性，且无法在早期发现患者存在的认知缺陷，导致无法及时做出相应的治疗决策。因此为了提高其早期筛查的准确率、简便临床上对阿尔茨海默病的检查方法[4]，采用计算机技术进行辅助诊断成为研究热点。眼动检测系统就是一种利用计算机技术来获取患者瞳孔变化及眼球运动状态的新型检测仪器，该仪器是由计算机、显示器、眼动检测主机、电源箱、打印机、专用软件组成，可以对患者的注意力、眼跳速度、注视时间以及瞳孔直径等信息进行采集和分析，从而实现对患者认知能力的评估。基于此为了探究眼动检测系统检测患者阿尔兹海默症的效果，本文选择2023年1月至2024年1月期间于我院进行检查治疗的88名疑似患有阿尔兹海默症患者参与本次实验，具体实验内容如下：

1.资料与方法

1.1一般资料

选择2023年1月至2024年1月期间于我院进行检查治疗的88名疑似患有阿尔兹海默症患者参与本次实验，其中男性患者有45名，女性患者有43名，患者年龄在50-80岁之间，平均年龄为（66.34±3.49）岁，两组患者的性别、年龄等一般资料差异无统计学意义（P>0.05），具有可比性。

1.2纳入与排除标准

纳入标准：①患者年龄均≥50岁；②经头颅 CT、 MRI检查，未发现有颅内出血、脑积水等；③患者均能配合该研究，且在研究前签署知情同意书；④患者在实验前，均未接受过其他类型的检查。

排除标准：①精神异常者；②实验前服用过影响实验结果的相关药物者；③合并有严重心、肝、肾等重要脏器疾病者；④实验前合并有精神疾病；⑤合并有恶性肿瘤、肝、肾功能不全等严重内脏疾病者

 1.3方法

实验前对88名患者通过神经及身体系统检查、实验室检查、脑电图检查等方式诊断其是否患有阿尔兹海默症，并以医学诊断结果为金标准进行后续实验。具体方法为：对88名患者进行血常规、尿常规、心电图、脑电图等常规检查，并通过神经及身体系统检查来确认患者的病情。而后使用蒙特利尔认知评估量表作为对照组检测方式对88名患者进行病情检测，主要考察患者注意力集不集中、执行功能、语言记忆、抽象思维和定向力等八个方面。具体检测方法是通过电脑软件来对88名患者的认知能力进行测评，而具体测评方法是：①用“123……”或者汉语的“甲乙丙……”来表示顺序[5]。请患者按照从数字到汉字并逐渐升高的顺序画一条连线；②请患者在白纸处画一个钟表，填上所有的数字并指示出11点10分；③医护人员以每秒钟1个词的速度读出５个词，并向患者说明：“这是一个记忆力测验。在下面的时间里我会给您读几个词，您要注意听，一定要记住。当我读完后，把您记住的词告诉我。回答时想到哪个就说哪个，不必按照我读的顺序”[6]。之后在实验中使用上海迪康医学生物技术有限公司生产的注册证编号为沪械注准20192060324、规格型号为DEM-2000B的眼动检测系统作为实验组检测方式对88名患者进行病情检测，具体检测方法如下：①确保眼动仪处于正常工作状态，保证设备已经连接好并正常供电[7]；②让患者坐在一个轻松舒适的位置上，调整好座椅和屏幕位置，以确保他能够舒适地观看屏幕；③指导患者按照屏上显示的指示进行眼球运动，以使系统能够建立起与患者眼球运动的对应关系[8]；④校准完成后，可以开始进行实验或测试。在此过程中，眼动仪会实时记录追踪参与者的眼球运动，包括注视点、视线轨迹等。

1.4观察指标及评价标准

1.4.1蒙特利尔认知评估量表MoCA包括了注意与集中、执行功能、记忆、语言、视结构技能、抽象思维、计算和定向力等8个认知领域的11个检查项目。总分30分，实验中根据患者的得分将其结果分为四个等级，即≥26分正常、20-25分为轻度认知障碍（MCI）、14-19分为中度认知障碍（MCII）和＜14分重度认知障碍（MCIII）。

1.4.2眼动检测系统评价标准：根据患者的眼球注视点、瞳孔大小变化与视线轨迹判断患者的认知程度以及反应力，其中注视点轨迹分为三种，分别为圆形、椭圆以及三角形，其所对应的认知程度分别为：0-2分正常、3-4分轻度认知障碍、4-5分重度认知障碍。除此之外，患者的眼动指标还包括注视时间、注视次数以及注视点频率。注视点频率用于评价患者对图像的注意力集中程度。

1.5统计学标准

采用 SPSS18.0统计学软件对数据进行分析，计量资料以均数±标准差（x̄±s）表示，组间比较采用t检验；计数资料以率表示，组间比较采用χ2检验。相关分析采用 Pearson相关性分析，P<0.05为差异有统计学意义。

2.结果

2.1分析眼动检测系统的精准度

以医学诊断结果为金标准，眼动检测系统的准确率为（79+6）/88×100%＝96.59%，敏感度为（79+1）/88×100%＝90.91%，特异度为6/（6+2）×100%＝75.00%，漏诊率为1/（79+1）×100%＝1.25%，误诊率为2/（6+2）×100%＝25.00%，详细实验数据见表1

表1眼动检测系统的精准度

2.2分析蒙特利尔认知评估量表的精准度

以医学诊断结果为金标准，蒙特利尔认知评估量表的准确率为（78+5）/88×100%＝94.32%，敏感度为（78+2）/88×100%＝90.91%，特异度为3/（3+5）×100%＝3.75%，漏诊率为2/（78+2）×100%＝2.50%，误诊率为3/（3+5）×100%＝37.50%，详细实验数据见表2

表2蒙特利尔认知评估量表的精准度

2.3对比两组患者的检测准确度

实验组患者的病情检测准确率明显高于对照组患者，p＜0.05，数据对比差异显著具有统计学意义，详细实验数据见表3

表3 两组患者的检测准确度比较[%]

2.4对比两组患者的满意度

实验组患者对病情检测的满意度明显高于对照组患者，p＜0.05，数据对比差异显著具有统计学意义，详细实验数据见表4

表4 两组患者满意度比较[n，（%）]

3. 讨论

研究发现，在阿尔兹海默症患者中存在一定比例的不认知性与理解性认知障碍，说明在其认知功能中存在一定程度的缺陷，因此由专业人员运用眼动系统对阿尔兹海默症患者的反应时间、注视时间、瞳孔直径以及视线停留时间等进行检测可以对阿尔兹海默症患者的认知功能进行评价[9]，并将其作为判定阿尔兹海默症的依据。同时相较于传统的认知功能检测方法，通过对眼动系统的检测结果进行分析还能对患者的精神状态与情绪状况进行分析[10]，从而为患者提供更加准确、有效的治疗方案[11]。在本次实验中以医学诊断结果为金标准，眼动检测系统的准确率为96.59%，敏感度为90.91%，特异度为75.00%，漏诊率为1.25%，误诊率为25.00%；实验组患者的病情检测准确率明显高于对照组患者，p＜0.05，数据对比差异显著具有统计学意义；实验组患者对病情检测的满意度明显高于对照组患者，p＜0.05，数据对比差异显著具有统计学意义。这说明眼动检测系统的准确性与敏感性都能够满足临床诊断的要求，同时能够有效提高疾病检测的效率，能够更好地辅助医生对患者进行病情的判断[12]。

综上所述，眼动检测系统是一种以眼球运动为基础的检测手段，相较于传统的认知评估量表而言，具有更高的灵敏度和准确性，可为临床医学诊断提供可靠、精准的病情参考数据，因此，眼动检测系统可用于阿尔兹海默症的病情检测，并能够提高阿尔兹海默症患者病情检测的准确性，对临床治疗有积极意义。

参考文献：

[1]葛威,刘汝璇,郑菲,等.阿尔茨海默症诊断与病理区域检测的反事实推理模型[J].中国图象图形学报,2024,29(04):1100-1116.

[2]翟佳佳,曾洪,沈熠韬,等.基于眼动追踪和触觉反馈的人-多机器人班组交互系统[J].兵器装备工程学报,2024,45(04):229-237.

[3]张孜,黄善情,杨烨,等.外泌体的分离检测技术及在诊断阿尔兹海默病中的应用[J].沈阳药科大学学报,2024,41(03):380-387.

[4]刘纬,赵继平,邓敦杰.基于眼动跟踪的视频视觉感兴趣区域提取仿真[J].计算机仿真,2024,41(03):168-172.

[5]王新志,曾洪,张华宇,等.基于眼动信号的感兴趣检测方法研究[J].传感器与微系统,2024,43(03):14-17.

[6]杨晓楠,王帅,牛红伟,等.眼动交互关键技术研究现状与展望[J/OL].计算机集成制造系统,1-22[2024-05-14].

[7]马恒芬,张长颉.基于眼动追踪技术的认知语言学研究进展[J].中国生物医学工程学报,2023,42(06):750-756.

[8]陈旭初,张卫强,马勇.基于原始波形的端到端阿尔茨海默症检测方法[J].电子学报,2023,51(12):3582-3590.

[9]胡杨,周怡民,申美伦,等.早期阿尔兹海默患者嗅觉功能障碍及其检测[J/OL].空军军医大学学报,1-9[2024-05-14].

[10]魏枫,郭沈睿,程维维,等.多靶点分子显像活体检测转基因阿尔兹海默病鼠脑神经病理变化[J].中国临床医学影像杂志,2023,34(06):381-389.

[11]张默文.基于结构磁共振成像和神经网络的阿尔兹海默症诊断方法研究[D].山东师范大学,2023.

[12]杨璐.基于深度学习算法的阿尔兹海默症智能诊断研究[D].长春工业大学,2023.