《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：Technology-Enhanced Dual-Task Testing for Alzheimer’s Disease and Related Dementias: A Review of Trends, Tools, and Emerging Directions
编辑推荐：
本文针对阿尔茨海默病及相关痴呆症（ADRD）早期诊断难题，系统回顾了2010-2025年间基于双任务（DT）范式的评估方法研究。通过整合工程学与临床神经科学视角，综述揭示了利用可穿戴传感器、脑成像（fMRI/fNIRS）及人工智能等技术增强DT测试的最新进展，为开发公平、可扩展的早期神经退行性疾病检测工具提供了重要方向。
随着全球人口老龄化加速，阿尔茨海默病及相关痴呆症（ADRD）正成为日益严峻的公共卫生挑战。据预测，到2030年全球患者人数将突破8200万，给家庭和社会带来沉重负担。当前临床诊断多集中于疾病中晚期，错失了最佳干预窗口。令人振奋的是，研究表明早期诊断可延长患者预期寿命50%以上，并显著降低人均约15万美元的医疗支出。这一严峻现实催生了对敏感、无创早期检测方法的迫切需求。
在这一背景下，双任务（Dual-Task, DT）测试技术应运而生。该技术通过评估个体在执行运动任务（如行走、平衡维持）时叠加认知负荷的表现，能够有效捕捉细微的神经功能衰退。这种将运动与认知功能结合评估的范式，为揭开ADRD早期病理变化提供了独特窗口。发表于《IEEE Transactions on Neural Systems and Rehabilitation Engineering》的这篇综述，首次系统整合了工程学与临床神经科学双重视角，对2010年至2025年10月期间DT测试技术在ADRD领域的研究轨迹进行了全面梳理。
研究人员通过系统文献分析，深入探讨了多种DT范式（如步态分析、平衡测试、上肢功能评估）与前沿传感技术的融合应用。研究团队特别关注了不同技术路径的演进规律：从早期基于电子步道和红外相实验室设备，到如今广泛采用的可穿戴传感器、深度摄像头等便携式解决方案；从单一模态数据采集，发展到融合功能磁共振成像（functional Magnetic Resonance Imaging, fMRI）、功能性近红外光谱（functional Near-Infrared Spectroscopy, fNIRS）等多维度生理信号。在分析方法层面，综述详细对比了传统统计方法与深度学习等人工智能技术的优劣，并前瞻性地探讨了眼动追踪、基于人工智能的视频姿态估计等新兴工具的应用潜力。
关键技术方法涵盖三大维度：在DT范式设计方面，系统梳理了步态、平衡、上肢功能等经典任务组合；在传感技术方面，重点分析了可穿戴传感器、电子步道、红外/深度相机、视频采集系统及fMRI/fNIRS等脑成像工具的数据采集特性；在数据分析方面，对比了从传统统计到深度学习的不同建模策略，特别关注了样本队列构建与算法验证流程。
研究结果揭示多个重要发现：
- •
技术演进趋势：DT评估系统正从实验室环境向日常场景扩展，传感技术呈现微型化、多模态化发展特征
- •
算法性能突破：基于深度学习的方法在特征提取和分类准确率方面显著优于传统模型，特别是在细微异常模式识别方面
- •
多模态数据融合：结合运动参数与脑功能影像（如fMRI/fNIRS）的混合模型展现出更高临床价值
- •
临床适用性评估：研究明确了不同技术路径在标准化、可及性方面的差异，为临床转化提供决策依据
研究结论强调，理想DT系统应兼具临床可行性、规模扩展性和群体普适性。现代传感与人工智能技术的深度融合，正推动ADRD早期检测向更敏感、更便捷的方向发展。该综述不仅为工程师、数据科学家和临床医生提供了技术开发路线图，更重要的是确立了技术赋能型DT测试作为神经退行性疾病早期预警关键工具的战略地位。未来研究需重点关注标准化协议建立、多中心验证以及不同人群适用性等挑战，最终实现从技术突破到临床获益的转化。
