编辑推荐：
随着全球老龄化加剧，传统医疗面临压力，且 AI 系统缺乏针对老年人感官和认知特点的设计。研究人员利用 AI 语音设备 ABRA 对 24 名老年人开展神经心理测试，发现设备能有效识别年龄相关记忆变化，为缓解医疗负担、早期筛查 neurodegenerative 疾病提供新工具。
在全球老龄化浪潮席卷的当下，“银发浪潮” 对医疗系统的冲击日益显著。据世界卫生组织数据，到 2030 年全球每 6 人中就有 1 人 aged 60 岁及以上，北美地区比例更高。然而，现有的 AI 技术大多面向年轻群体设计，忽视了老年人视觉、听觉、触觉等感官能力下降及认知功能变化的特点，甚至存在 “年龄偏见”—— 语音识别系统因训练数据多来自年轻人，对老年人较慢的语速、较弱的音高和较差的语音清晰度识别率较低。这导致 AI 在老年健康领域的应用严重滞后，既无法满足老年人居家健康监测需求，也难以缓解医疗资源紧张的压力。如何让 AI 技术真正 “适老化”，成为破解老龄化社会医疗困境的关键命题。
为填补这一空白，加拿大莱斯布里奇大学（University of Lethbridge）的研究团队开展了一项开创性研究，相关成果发表在《Acta Psychologica》。他们聚焦于 AI 语音设备在老年神经心理评估中的应用，试图验证其能否替代传统人工施测，实现认知功能的自动化检测，为早期识别阿尔茨海默病、帕金森病等神经退行性疾病（neurodegenerative diseases）的前驱阶段提供技术支撑。
研究团队选用了 Reverb Robotics 公司开发的 AI 语音设备 ABRA（Audio Board for Robotics and Automation），该设备搭载定制音频硬件和先进人工神经网络，支持语音识别、自然语言理解和双向语音交互。研究纳入 24 名 63-78 岁的健康老年人（平均年龄 70.6 岁，12 男 12 女），均无听力、语言障碍及神经系统疾病诊断，教育程度涵盖高中至研究生。通过 ABRA 对受试者实施三项经典神经心理记忆测试：
- 逻辑记忆测试（Logical Memory Test）：基于韦氏记忆量表（WAIS-III-CDN），包括即时回忆和 20-30 分钟延迟回忆两个部分，评估言语情景记忆的编码、存储和提取能力。
- 诗歌回忆任务（Poem Recall Task）：要求受试者逐句复述三首诗歌，记录漏词（omission errors）、换词（substitution errors）、增词（addition errors）等逐字回忆错误，考察短期记忆的精确性。
- 倒背与顺序数字广度测试（Backward and Sequencing Digit Span Test）：依据韦氏智力量表（WAIS-IV-CDN），前者要求反向复述数字序列，后者需按升序排列数字，用于评估工作记忆的信息操作和排序能力。
研究结果
3.1 认知任务表现
- 逻辑记忆测试：即时回忆的细节得分（unit score，22.9±2.0）显著高于延迟回忆（18.5±1.5，t(23)=6.1, p<0.001），而主题得分（thematic score）在即时（10.9±0.5）与延迟（10.1±0.6）间无显著差异，提示老年人对故事细节的记忆随时间衰减明显，但主题框架保留较好。
- 诗歌回忆任务：漏词错误（34±3.9）显著多于换词（8.9±0.9）和增词错误（2.3±0.5，F(2,46)=58.38, p<0.001），反映出老年人对言语细节的精确记忆能力较弱，可能与诗歌中富含感知和情感类细节有关。
- 数字广度测试：倒背数字的总正确数（7.4±0.28）高于顺序数字（6.4±0.31，t(23)=3.03, p<0.01），但顺序数字的最长跨度（4.5±0.18）更长（t(23)=-3.02, p<0.01），暗示顺序数字任务因依赖自然数序列知识而更易完成。
3.2 年龄相关性分析
年龄与逻辑记忆延迟回忆的细节得分（r=-0.47, p<0.01）、主题得分（r=-0.53, p<0.001）、顺序数字总正确数（r=-0.63, p<0.001）及最长跨度（r=-0.57, p<0.001）均呈显著负相关，即年龄越大，记忆表现越差。而倒背数字任务、各类诗歌回忆错误与年龄无显著关联。
3.3 与人工施测的可比性
与既往人工施测数据对比显示，ABRA 测得的逻辑记忆得分与人类考官结果无显著差异，验证了其作为自动化评估工具的可靠性。
研究结论与意义
本研究首次证实，AI 语音设备 ABRA 能够有效完成老年人群的神经心理测试，其评估结果与传统人工施测高度一致，且对年龄相关记忆衰退敏感。这一技术突破具有多重价值：
- 医疗效率提升：通过自动化施测，可大幅减轻医护人员工作量，缓解老龄化带来的人力短缺问题。
- 服务可及性改善：远程评估功能使偏远地区老年人无需依赖有限的养老设施，即可接受定期认知筛查，有助于早期发现神经退行性疾病的前驱症状。
- 研究范式创新：为大规模纵向研究提供了标准化工具，可动态追踪老年认知变化，推动衰老机制及干预策略的研究。
尽管研究存在样本均为高加索人群、手动评分可能引入偏倚等局限，但 ABRA 展现出的 “适老化” 潜力已为 AI 在老年健康领域的应用开辟了新方向。未来若整合自动评分算法、扩大样本多样性，这一技术有望成为老龄化社会中神经心理评估的核心工具，为 “健康老龄化” 目标的实现提供关键技术支撑。
