背景和目标:本文重点使用AI使用可穿戴设备提供的生理数据评估轻度认知障碍或轻度痴呆症的老年人的认知功能。 认知筛选工具具有破坏性,耗时,并且仅捕获活动的简短快照。 可穿戴传感器通过持续监测生理信号提供了一种有吸引力的替代方案。 这项研究调查了生理数据是否可以准确预测既定认知测试中的分数。 研究设计和方法:我们记录了23名老年人的生理信号,完成了三次NIH工具箱认知电池测试,评估工作记忆,处理速度和注意力。 Empatica EmbracePlus是一款可穿戴设备,测量了血量脉冲,皮肤电导率,温度和运动。 使用基于小波和分割的方法提取了统计特征。 然后,我们通过交叉验证,坚持测试和引导应用监督学习和验证预测。 结果:我们的模型显示了强劲的表现, Spearman 的 ρ ρ ρ 是0.73-0.82,平均绝对错误为0.14-0.16,大大超过了一个幼稚的平均预测器。 传感器的作用各不相同:心脏相关信号与运动和温度相结合,最佳预测工作记忆,与皮肤电导率搭配的运动对处理速度最翔实,心脏与皮肤电导率配合效果最好。 讨论和影响:这些发现表明,与监督学习和特征工程等人工智能工具配对的可穿戴传感器可以无创地跟踪老年人的特定认知功能,从而实现持续监测。 我们的研究表明,当数据样本很小时,如何利用人工智能。 这种方法可能支持远程评估并促进临床干预。