编辑推荐：
为解决远程神经功能检测需求，研究人员开展对 Neurological Functional Tests Suite（NeuFun - TS）中 “Postural Sway” 和 “Pronator Drift” 测试的研究。结果显示，姿势摆动测试的 Net RMS EC - FT 指标可靠且与多种因素相关，二者结合可更好预测神经残疾。这为远程神经功能评估提供了依据。
在新冠疫情的大背景下，远程医疗的需求日益凸显，尤其是神经科领域。传统的神经学检查在繁忙的临床环境中难以全面开展，且具有一定的主观性。功能测试的数字化虽带来了新的机遇，但仍需要更精准、全面的评估手段。为了填补这些空白，美国国立卫生研究院（NIH）的研究人员 Michael Calcagni、Peter Kosa 和 Bibi Bielekova 开展了一项关于智能手机神经功能测试的研究，研究成果发表在《BMC Neurology》上。
这项研究聚焦于 NeuFun - TS 智能手机应用程序中的 “Postural Sway（姿势摆动）” 和 “Pronator Drift（旋前肌漂移）” 测试。研究人员通过对健康志愿者（n=13）以及患有多种神经系统疾病（如多发性硬化症（MS）、其他炎症性神经系统疾病（OIND）、非炎症性神经系统疾病（NIND）等）的患者（n=137）进行测试，分析了从测试中获取的加速度计数据，并将其转化为数字生物标志物，以评估这些测试在量化神经功能障碍方面的可行性和有效性。
研究人员采用了多种技术方法。首先，收集了参与者的临床和影像学数据，包括进行全面的神经学和身体检查、实验室检测（血液和脑脊液）以及脑部磁共振成像（MRI） 。同时，利用 NeuFun - TS 应用程序进行测试，该应用基于 Android 系统开发，使用 Google Pixel 智能手机的内置三轴加速度计以 50Hz 的采样频率收集约 9.5s 的数据，经处理后计算出相关的数字生物标志物。此外，通过计算组内相关系数（ICC）评估数字生物标志物的重测信度，并使用线性回归模型和五折交叉验证等方法构建和验证预测模型。
研究结果主要体现在以下几个方面：
- 数字生物标志物的重测信度：姿势摆动测试中，60 个生物标志物里有 9 个呈现出中等可靠性，其中闭眼双脚并拢姿势（EC - FT）下的 M - L RMS 和 Net Jerk 等生物标志物的 ICC 大于 0.5；旋前肌漂移测试中，5 个数字生物标志物的 ICC 大于 0.5，且 RMS 在优势手的重复性更强。敏感性分析表明，部分在诊所测试中可靠的生物标志物在家庭环境中也保持一定可靠性。
- 生物标志物与年龄的相关性：姿势摆动测试中的 Net RMS EC - FT 与年龄相关性最强，在健康志愿者（HV）、非炎症性神经系统疾病（NIND）等多个队列中均有显著关联，可解释 HV 和 NIND 队列中部分方差，还能区分 MS 患者与 HV、NIND 对照组，表明其能衡量与年龄相关的姿势摆动增加以及 MS 相关的姿势摆动变化。
- 生物标志物与临床和影像学结果的相关性：姿势摆动数字生物标志物与临床结局和半定量影像学结果的相关性较强，与不同全球残疾量表的相关性存在差异，与临床结局的相关性强于影像学结果，且 EC - FT 生物标志物与本体感觉子面板的相关性更强。相比之下，旋前肌漂移生物标志物的相关性较弱，主要与小脑子面板相关。
- 数字生物标志物模型的开发与验证：在预测特定测试结果时，姿势摆动测试中最佳单一预测指标的模型性能优于基于所有姿势摆动生物标志物构建的模型；旋前肌漂移测试中，基于所有生物标志物构建的模型在预测小脑功能障碍方面优于最佳单一预测指标。而结合姿势摆动和旋前肌漂移生物标志物的模型在预测全球残疾量表时表现最佳。
研究结论和讨论部分指出，NeuFun - TS 姿势摆动测试中的 Net RMS EC - FT 生物标志物具有中等强度的重测信度，与年龄有意义相关，对残疾评分有预测能力，且比部分包含不太可靠生物标志物的模型表现更优，突出了数字生物标志物可靠性在功能测试分析中的重要性。旋前肌漂移测试的生物标志物虽与临床结局相关性较弱，但与姿势摆动生物标志物结合后能为预测全球神经残疾提供额外价值，强调了功能测试覆盖不同神经子系统的重要性。此外，研究还指出了未来的研究方向，如优化测试时间和内容，继续验证 NeuFun - TS 的其他测试，为远程神经功能评估的发展奠定基础。这项研究为远程神经功能评估提供了新的思路和方法，推动了神经学领域数字化评估的发展 。
