虚拟现实Stroop任务在轻度认知障碍早期筛查中的应用：基于行为标记物的跨学科研究

本研究针对传统认知评估工具生态效度不足的问题，开发了虚拟现实Stroop测试（VRST），通过模拟真实场景中的衣物分类任务捕捉轻度认知障碍（MCI）患者的执行功能障碍特征。韩国顺天乡大学团队发现3D轨迹长度（AUC=0.981）和犹豫潜伏期等数字生物标志物较传统MoCA-K量表（AUC=0.962）具有更高鉴别力，为社区MCI筛查提供了新型沉浸式评估方案。

　　

在老龄化社会背景下，早期识别轻度认知障碍（MCI）已成为阿尔茨海默病防控的关键环节。然而传统筛查工具如蒙特利尔认知评估量表（MoCA）存在灵敏度低（仅40.5%）、生态效度差等局限，难以捕捉日常生活中的细微认知变化。更棘手的是，现有虚拟现实评估多聚焦综合场景，缺乏对特定认知域（如抑制控制）的靶向检测，且常忽视运动功能基线差异对结果的干扰。

韩国顺天乡大学医学院作业治疗学系的Jin-Hyuck Park团队在《Journal of NeuroEngineering and Rehabilitation》发表创新研究，将经典Stroop范式与虚拟现实技术融合，开发出具有生态效度的VRST评估系统。该系统通过模拟衣物分类场景，要求受试者抑制颜色干扰并按语义分类物品，同步采集三维运动轨迹（90Hz采样率）等行为数据。研究纳入413名老年人（189名MCI患者），发现VRST衍生的3D轨迹长度（27.86±1.54 cm vs 22.40±1.33 cm）和犹豫潜伏期（7.29±0.70 s vs 5.33±0.70 s）较传统Stroop测试更有效区分MCI（p<0.001），且与MoCA-K（r=-0.683）、Corsi积木测试（r=-0.381）显著相关。

关键技术方法包括：1）基于Unity引擎开发VRST任务，采用HTC Vive控制器记录行为数据；2）通过Box and Block测试排除基础运动功能差异；3）采用受试者工作特征曲线（ROC）分析鉴别效能；4）应用Spearman相关验证结构效度。

主要结果

1. 人口统计学特征：MCI组在MoCA-K（20.48±1.55 vs 24.56±1.51）、传统Stroop测试（84.73±5.64 s vs 71.67±6.03 s）表现显著更差（p<0.001），但基础运动功能无组间差异。

2. 鉴别效能：3D轨迹长度的曲线下面积（AUC）达0.981（95%CI 0.966-0.995），灵敏度96.8%；犹豫潜伏期特异性达100%。

   

3. 相关性分析：VRST参数与执行功能（Stroop测试r=0.627）、工作记忆（Corsi测试r=-0.381）显著相关，支持其结构效度。

该研究创新性地将反向Stroop范式（reverse Stroop paradigm）嵌入虚拟日常生活场景，首次证实运动轨迹参数可作为MCI筛查的敏感指标。通过标准化运动基线（Grooved Pegboard测试p=0.765）和简化操作设置（坐姿/单控制器），解决了既往VR评估易受运动能力干扰的难题。值得注意的是，3D轨迹长度反映的DLPFC（背外侧前额叶皮层）功能损伤，为理解MCI运动-认知整合障碍提供了新视角。

这项成果的临床意义在于：① 开发出兼具生态效度和认知靶向性的VR评估工具；② 确立可量化的数字生物标志物（如轨迹长度>24.52 cm提示MCI风险）；③ 为社区筛查提供耗时短（2分钟/次）、成本低的解决方案。未来研究可结合fMRI进一步验证神经机制，并探索不同MCI亚型的特征性运动模式。