Alzheimer’s Association International Conference (AAIC) 参会记录-07-27

今天主要与协和医学院的张振馨大夫和波士顿大学的Rhoda Au教授参观了MIT开发电子笔。该笔通过集成摄像头可以实现画图过程的全记录。用户使用该设备进行时钟绘图,之后将设备数据导入电脑,可实现绘图过程的详细追溯,提取详细的特征,如刻度、时针分针位置、绘图延迟等,在此基础上可应用机器学习等方法进行认知评估。该设备已成功商业化,目前由Digital Cognition Technologies(DCT)公司运营。张大夫针对该设备提出了一些针对性问题,并希望MIT开发组可进一步进行其他测试功能的完善。

此外,今天还与张大夫探讨了在波士顿的数据处理方案,以及后续回国后的数据采集工作安排。通过探讨了解了AD的一些医学知识,以及数据处理的一些注意问题。同时,张大夫指出目前他们数据采集中的一些主要困难,如影像处理费时等,希望能够进行此项工作的完善。张大夫还建议应该多熟悉临床诊断过程,否则研究成果易与实例脱离。

Poster环节,参观了UIUC一项脑脊液标识物筛选的工作,该工作通过多变量分析筛选了16项标识物,这些标识物的组合可获得比Aβ更佳的预测准确度。法国的一个研究机构探索了睡眠与认知下降的关系,德国的一个研究机构探索了Body Mass Index(BMI)与AD的关系。

综合分析来看,当前AD研究大概包括如下几个方向:1)探索各类风险因子或生物标识物与AD不同亚型的关系,过程为:采集若干数据(大部分样本数量在100到200之间),然后进行关联分析及p value测试,验证风险因子与疾病的相关度。2)生物标识物关联分析,如进行基因标识物与影像标识物的分析,3)通过标识物筛选,进行AD的诊断预测,4)分子生物学研究,进行AD致病机理探索,5)生物标识物发现,主要包括基因标识物,脑脊液标识物等。进行方法研究的较少,大多采用统计分析或是简答的机器学习方法,如逻辑回归等。

Oral presentation环节,关注了“Innovative Voice Analytics for the Assessment and Monitoring of Cognitive Decline in People with Dementia and Mild Cognitive Impairment”与“Using the Digital Clock Drawing Test and Machine Learning to Improve Accuracy of Cognitive Screening”。前一项工作主要是采用声音信号进行患者的痴呆诊断,该项工作为以后数据收集提供了启发,数据采集过程中患者的声音包含了重要的信息,可以考虑进行特征提取,辅助进行认识评估,后一项工作为MIT数字笔的对应报告,用过数字化时钟绘图实现认知障碍筛选。

anyShare分享到:
This entry was posted in 新闻动态 and tagged . Bookmark the permalink.