利用眼动追踪技术同步分析微注视（microsaccades）与年龄相关认知障碍中的瞳孔大小变化 作者：Seokjun Oh、Tahsin Nairuz、Sung-Jun Park、Jong-Ha Lee

《Journal of Eye Movement Research》：Simultaneous Analysis of Microsaccades and Pupil Size Variations in Age-Related Cognitive Impairment Using Eye-Tracking Technology Seokjun Oh, Tahsin Nairuz, Sung-Jun Park and Jong-Ha Lee

　　摘要 与年龄相关的认知障碍是神经退行性疾病连续体中的一个关键阶段，包括阿尔茨海默病（AD），这突显了需要客观和非侵入性的生理指标来早期检测神经变化。本研究使用眼动追踪技术，研究了微扫视眼动和瞳孔大小变化作为与年龄相关认知障碍相关的眼生物标志物的同时分析。共招募了70名参与者，并将他们分为三个年龄组：20多岁、60多岁和70多岁的人。70多岁的参与者进一步根据MMSE-K评分被分为认知正常（≥24分）和认知受损（≤23分）两个子组。定量分析显示，在两个轴上微扫视频率均显著增加，同一年龄组中认知得分较低的人微扫视频率显著更高（p < 0.01）。瞳孔大小变化（包括收缩和扩张速率）随年龄增长而减少，而反应速度在所有年龄组中相对保持不变。这些发现表明年龄相关的认知衰退与非自愿的眼部反应之间存在明确关联。所提出的双生物标志物方法提供了一种非侵入性和定量的框架，可以补充传统的认知筛查工具。未来需要涉及更大样本量和临床诊断的AD人群的研究，以确定这些眼生物标志物的诊断效用。

1. 引言
阿尔茨海默病（AD）是最常见的重大神经退行性痴呆类型，约占所有痴呆病例的60-80% [1]。临床上，AD的特点是认知功能逐渐且不可逆的衰退，这是由神经元丢失和脑组织病理改变所引起的 [2]。虽然情景记忆障碍是其标志性特征，但该疾病还经常伴随多种认知障碍，包括执行功能、语言、实践能力、抽象推理、问题解决和视觉空间感知能力下降，最终影响基本日常活动的完成 [3,4,5,6,7]。AD症状的出现通常是微妙的，开始时是轻微的记忆障碍，逐渐发展为更广泛的认知缺陷。此外，后期会出现显著的功能依赖性和身体衰退。尽管疾病进展的速度因个体而异，但正式诊断后的平均预期寿命估计在3到9年之间 [8,9]。在AD中，早期诊断和干预对于减缓疾病进展、提高生活质量以及可能延长生存期至关重要 [10]。然而，早期检测仍然是一个重大挑战，因为初始症状出现得缓慢，在高达50-70%的病例中常被误认为是正常衰老，导致诊断延迟 [4,5,10]。为了解决这一诊断差距，需要高效、可靠且易于获取的早期检测系统，以便在出现显著认知衰退之前识别风险个体。早期识别对于最大化未来疾病修饰疗法的效果也至关重要。

目前，如简易精神状态检查（MMSE）和蒙特利尔认知评估（MoCA）等神经心理评估被广泛用作评估阿尔茨海默病患者认知功能的标准化工具 [11]。虽然这些方法在临床实践中作为主要诊断框架，但它们的局限性也很明显。具体来说，这些方法需要专业训练的医务人员，并且耗时较长。研究表明，正确的实施和解读需要临床神经心理学的培训，而且根据患者的状况和认知水平，实施时间可能从10分钟到15分钟或更长时间 [11,12]。此外，对于结果不确定或模糊的情况，这两种工具可能还需要额外的解释、评分和跟进时间 [13]。此外，它们的结果可能受到外部因素的影响，如患者的焦虑或情绪状态，从而可能影响结果的客观性。此外，这些测试往往存在教育偏见，这可能会影响教育背景与普通人群不同的个体的结果可靠性 [14,15]。

与传统神经心理评估相比，眼动追踪技术提供了一种非侵入性、客观且高效的选择 [16]。它消除了对主动行为反应（如言语或运动输入）的需求，从而减少了对患者的认知和身体要求 [17]。现代眼动追踪系统具有高时间分辨率（高达1000 Hz），可以快速收集大量时间序列数据，从而能够深入分析视觉和认知处理 [18]。最近，眼动追踪技术的普及及其仪器要求的简单性促进了其在临床研究中的整合，尤其是在涉及认知障碍人群的研究中 [19,20,21,22,23]。尽管眼动追踪已被广泛用于研究认知心理学中的高级认知过程 [24,25]，但在痴呆症研究中的应用仍然相对有限。然而，Crutcher等人 [26] 和Richmond等人 [27] 的研究是值得注意的例外，他们利用视觉配对比较任务表明，眼动参数（如注视次数和持续时间）可以可靠地区分轻度认知障碍（MCI）患者和认知健康的对照组，反映了潜在的短期记忆缺陷。同样，Fernández等人 [28] 通过分析阅读高预测性和低预测性句子时的眼动差异，研究了早发性阿尔茨海默病患者的意义记忆、工作记忆和检索记忆障碍。这些发现展示了眼动追踪指标作为阿尔茨海默病及相关疾病早期认知功能障碍指标的未开发潜力。

最近在非侵入性诊断方法方面的进展增加了与年龄相关认知障碍相关的眼生物标志物的识别，使用视觉指标，如瞳孔大小测量、通过瞳孔观察脑蛋白、视网膜血管密度分析以及眼动分析。特别是，微扫视模式的定量评估受到了研究机构和公司的越来越多的关注，作为一种有前景的、低成本且负担较小的传统认知评估替代方案。微扫视是试图注视时发生的最大最快的眼动，是微妙的、非自愿的运动，反映了潜在的神经认知过程 [29]，并且在包括阿尔茨海默病、帕金森病和ADHD在内的多种神经系统中显示出改变的模式 [30]。尽管在AD中关键微扫视参数（如振幅、速度、持续时间和微扫视间隔）保持不变，但MCI和早期阿尔茨海默病患者与健康个体相比，总显示更高频率的斜向微扫视 [31]。同时，瞳孔大小变化反映了不同的但互补的神经生理途径。瞳孔收缩和扩张由自主神经系统调节，其中副交感（胆碱能）系统刺激收缩，而交感（肾上腺素能）系统诱导扩张。与年龄相关的胆碱能和去甲肾上腺素能系统的退化在认知老化和阿尔茨海默病相关病理中已有充分记录，这与瞳孔反应性降低和瞳孔动态改变有关 [32,33,34]。重要的是，瞳孔大小变化捕捉了整体的自主和神经调节功能，并已证明随着年龄的增长而逐渐下降，即使在认知健康的群体中也是如此，使其成为与年龄相关的神经变化的相关生理指标。

从神经生理学的角度来看，微扫视和瞳孔大小变化捕捉了大脑功能的互补维度。微扫视主要反映认知-眼动控制和注意力调节，而瞳孔动态反映了自主和神经调节的完整性。因此，在单一眼动追踪框架内整合这两个眼生物标志物，可以同时评估神经功能的认知和自主组成部分，比单独使用任何一种指标都能提供更全面的年龄相关认知障碍特征。这种双生物标志物方法在认知老化和阿尔茨海默病相关过程的研究中特别有价值，因为在早期神经生理变化可能是微妙的、多因素的，并分布在不同的神经系统中。尽管之前的研究已经独立探讨了微扫视或瞳孔大小动态作为认知衰退的潜在指标，但据我们所知，尚无研究在统一的实验框架中结合这两种指标。为了填补这一空白，本研究定量测量并分析了不同年龄组的微扫视模式和瞳孔大小变化，旨在表征与年龄相关的瞳孔动态变化及其与认知状态之间的关联。通过这种双生物标志物分析，本研究解决了传统认知评估（如MMSE和MoCA）的关键局限性，提供了一种快速、客观和定量的方法，减少了对言语或任务响应的依赖，并支持对年龄相关认知障碍的评估，这对未来的阿尔茨海默病研究具有潜在价值。

2. 材料和方法
2.1. 研究对象
越来越多的神经认知研究一致表明，随着年龄的增长，认知衰退的风险逐渐增加，特别是在从50多岁进入60多岁的时候。值得注意的是，75岁及以上的个体比65至74岁之间的个体认知障碍的风险增加了1.75倍 [35]。基于这一证据，本研究将参与者分为三个不同的年龄组：20多岁、60多岁和70多岁的人——年轻组作为年龄相关比较的参考，后两个年龄组代表对年龄相关认知衰退的更高敏感性。研究共包括70名参与者：20多岁的有30人，60多岁的有10人，70多岁的有30人。年龄以平均值±标准差（岁）报告，20多岁组的平均年龄为24±2岁，60多岁组的平均年龄为63±5岁，70多岁组的平均年龄为74±4岁。性别分布如下：20多岁组有15名男性和15名女性；60多岁组有4名男性和6名女性；70多岁组有12名男性和18名女性。参与者通过公开广告在社区中招募，选择标准不基于自我报告的认知问题或家族认知障碍史；只有在入组后使用韩国版的简易精神状态检查（MMSE-K）评估了客观的认知状态。在70多岁的组中，参与者进一步根据MMSE-K评分进行分类：得分≥24分的被归类为“认知正常”（n = 14），得分≤23分的被归类为“疑似痴呆”（n = 16）。在这些子组中，认知正常组包括6名男性和8名女性，而低分组包括6名男性和10名女性。这种分类与韩国社区居住的老年人群体之前进行的研究一致并得到了验证 [36]。具体来说，Lee等人的研究表明，MMSE-K评分≥24表示正常认知，18-23表示轻度认知障碍，≤17表示重度认知障碍 [37]。然而，这种分类仅反映了认知筛查的结果，并不构成正式的临床诊断。

所有参与者都接受了自我报告的筛查，以排除可能影响眼动追踪或瞳孔测量的主要眼科、神经和心理疾病，以及可能显著影响瞳孔功能的药物使用；没有报告此类情况或药物。需要光学矫正的参与者被允许在测试期间佩戴他们通常的矫正眼镜。该研究获得了凯明大学机构审查委员会（IRB编号40525-202211-HR-061-03）的批准，并在所有参与者参与前获得了书面知情同意。

2.2. 系统设置和眼动追踪
在本研究中，设计了一个实验设置，使用眼动追踪技术同时测量微扫视眼动和瞳孔大小变化。该系统由两台相互连接的计算机和一台眼动追踪相机组成。第一台计算机称为主机计算机，专门负责数据收集。第二台计算机称为显示计算机，负责通过实验构建软件创建和执行实验文件，作为向参与者呈现刺激的媒介。显示计算机主要用于向参与者呈现刺激。两台计算机通过以太网链接连接，允许主机计算机在整个实验过程中与显示计算机共享关键信息，如瞳孔相关事件、注视位置和相机图像。图1展示了实验设置的示意图，概述了系统的配置和操作设计。图1. 使用Eyelink 1000 Plus进行眼动追踪和数据收集的实验设置。每位参与者与相机的距离固定为60厘米（Eyelink 1000 Plus，SR Research Ltd.，渥太华，ON，加拿大），并仔细稳定以防止身体运动引起的瞳孔位移，从而确保眼动追踪数据的完整性。所有实验都在完全黑暗且无噪音的房间中进行，所有灯光关闭以避免任何可能改变瞳孔大小或眼动行为的外部视觉干扰。在每次实验开始时，都会在显示计算机屏幕上进行标准的9点校准。根据需要重复校准，直到验证确认所有九个点之间的对齐误差保持在1.0°以下，从而确保了精确的眼动追踪准确性。在校准和验证成功后，参与者进行了被动注视任务，他们被指示保持对屏幕上显示的一个静止的中心注视点（直径5毫米）的稳定注视。视觉刺激呈现在一个24英寸的LCD显示器（Dell P2419H，Dell公司，美国德克萨斯州朗德罗克）上，该显示器的原始分辨率为1920 × 1080像素，刷新率为60Hz，并在标准LCD模式下运行，颜色设置经过工厂校准。亮屏幕由均匀的白色刺激组成（RGB: 255, 255, 255），测量亮度为120 cd/m2，而暗屏幕由均匀的黑色刺激组成（RGB: 0, 0, 0），测量亮度为0.5 cd/m2。亮度是在显示器的中心使用经过校准的光度计测量的。在实验过程中没有引入任何认知要求高的任务或其他刺激，以隔离非自愿的眼球反应，如微扫视和瞳孔大小变化，避免认知干扰。为了评估瞳孔的收缩和扩张，参与者被呈现一个重复五次的视觉刺激，每次包括8秒的亮屏幕和8秒的暗屏幕，同时持续注视中心点。这样每个参与者就获得了总共80秒的瞳孔测量数据。在这个基于单次注视的实验范式中，同时记录了微扫视和瞳孔大小的变化，并从瞳孔测量协议期间获得的相同眼动追踪记录中离线提取了微扫视事件。在稳定注视期间分析微扫视运动，同时尽量减少自愿的眼球运动，并且为了减少亮度变化对眼动行为的可能影响，排除了亮色-暗色或暗色-亮色屏幕转换后的数据段。眼动追踪相机配置为以500Hz的采样率记录双眼眼球运动，每个参与者进行了三次单独的试验。尽管系统支持高达1000Hz的采样率，但选择了500Hz，因为它为可靠地检测微扫视和瞳孔动态提供了足够的时间分辨率，同时确保了数据采集的稳定性，并减少了信号丢失的可能性，特别是在老年参与者中。这些试验使得能够准确地捕捉到瞳孔大小的变化和微扫视运动。只有发生在注视点2°半径内的运动被归类为微扫视，而超过这个阈值的偏差被视为外来噪声，随后被从数据分析中排除。

2.3 瞳孔大小单位转换
当通过Eyelink 1000 Plus收集瞳孔大小数据时，测量值最初是以任意单位记录的，需要进行转换成毫米以便分析。由于相机与参与者瞳孔之间的距离和角度的变化会导致误差，左右瞳孔的实际大小可能会看起来不同。因此，需要为每只眼睛计算一个不同的缩放因子。为了确定缩放因子，需要在Eyelink主机计算机中添加一个特定的代码将其切换到人工眼睛测量模式。一旦激活了此模式，就会放置一个已知直径的人工眼睛进行测量。在这个实验中，使用了6毫米的人工眼睛。测量过程完成后，将以任意单位记录的瞳孔大小转换成毫米，使用以下公式计算缩放因子：
缩放因子 = 6 mm / √(p u p i l)
通过这个计算，左眼的缩放因子被确定为0.1188，而右眼的缩放因子为0.1126。获得这些值后，取消激活了将系统切换到人工眼睛测量模式的代码，以退出该模式。随后测量了参与者的实际瞳孔大小，并应用以下公式将测量到的瞳孔数据转换成毫米：
瞳孔大小（毫米）= 缩放因子 × √(p u p i l)
为了量化瞳孔大小变化的动态，我们根据瞳孔大小对交替光照刺激的反应计算了收缩率和扩张率。收缩率代表从基线瞳孔大小减少到暴露于亮屏幕后的最小大小的百分比。扩张率反映了从最小大小增加到暴露于暗屏幕后的最大大小的百分比。这些是使用以下公式计算的：
收缩率（%）= [(基线大小 - 最小大小) / 基线大小] × 100
扩张率（%）= [(最大大小 - 最小大小) / 最小大小] × 100

2.4 统计分析
所有统计分析都是使用IBM SPSS Statistics版本20（IBM公司，美国阿蒙克）进行的。为了检查不同年龄和认知状态组之间的差异，特别对微扫视频率指标进行了单因素方差分析（ANOVA）。当检测到显著效应时，使用Tukey方法进行了事后比较，以控制多重比较引起的I型错误。在进行ANOVA之前，评估了正态性和方差同质性等假设，以确保测试的有效性。数据以平均值 ± 标准差（SD）表示，统计显著性设定为** p < 0.01。

3 结果
3.1 微扫视分析
在这项研究中，可视化了20多岁、60多岁和70多岁参与者的瞳孔在x轴和y轴上的运动数据，以分析微扫视的发生情况。图2使用Eyelink数据查看器生成了一个图形表示，显示了每个年龄组双眼的x轴运动和微扫视发生情况。20多岁的参与者显示出稳定且不频繁的微扫视，而60多岁的参与者显示出微扫视次数的增加，这表明随着年龄的增长，眼动控制发生了早期变化。70多岁的参与者显示出更为频繁和多变的微扫视，表明随着年龄的增长，注视眼球的运动的复杂性和变异性增加了。图2显示了（a）20多岁，（b）60多岁，（c）70多岁的参与者双眼的x轴瞳孔运动，微扫视事件用向下三角形标记。进一步的分析，如图3所示，使用Eyelink数据查看器可视化了双眼的y轴瞳孔运动和微扫视发生情况。在20多岁的组中，y轴上的微扫视要么很少，要么发生频率明显较低，表明瞳孔运动相对稳定且不够动态。相比之下，60多岁和70多岁的参与者在y轴上表现出更频繁的微扫视，运动范围也比年轻参与者更广。这些观察结果表明，随着年龄的增长，瞳孔运动的复杂性增加了，微扫视在x轴和y轴上都会发生。图3显示了（a）20多岁，（b）60多岁，（c）70多岁的参与者双眼的y轴瞳孔运动，微扫视事件用向下三角形标记。分析流程的下一步涉及适应和优化来自Eyelink SR-Research平台的开源RStudio（版本2023.12.1）代码以及Microsaccades工具箱，使得能够可视化地转换和系统地分析不同年龄组的双眼微扫视数据。这种方法有助于区分特定年龄的微扫视模式，并提供了瞳孔运动动态的细致可视化，从而识别与年龄相关的非自愿眼动行为的特征性变化。如图4a所示，20多岁参与者中的微扫视模式主要限制在x轴上的水平轨迹上。这种空间限制表明微扫视特征相对稳定且重复性高，表明在注视期间眼球运动控制高效且变化较小。相比之下，60多岁和70多岁的参与者中的微扫视分布显示出与20多岁组类似的水平运动模式。然而，与年轻的参与者不同，他们的微扫视不仅仅是水平的，还伴有垂直运动。此外，这些老年组的微扫视分散度更大，反映了眼球微运动的变异性增加。这些模式表明眼动调节的精确度可能随着年龄的增长而下降。图4显示了（a）20多岁，（b）60多岁，（c）70多岁参与者微扫视方向的极坐标图。为了进一步研究注视眼动随年龄的变化，进行了比较分析，以量化不同年龄组的微扫视发生频率。如图5所示，x轴上的微扫视频率从20多岁组到60多岁组再到70多岁组显著增加。20多岁的参与者中，水平微扫视发生的频率相对较低；然而，这种模式随着年龄的增长而显著变化：60多岁组的微扫视频率显著增加，70多岁组的微扫视频率进一步显著增加，与20多岁组相比最高。随后，评估了y轴上的微扫视频率。在20多岁组中，微扫视很少观察到。然而，这种模式随着年龄的增长而演变，60多岁组的微扫视频率显著增加，70多岁组的微扫视频率比20多岁组明显更高。图5显示了不同年龄组的微扫视发生次数。（a）水平（x轴）微扫视；（b）垂直（y轴）微扫视。数据代表每个年龄组（20多岁、60多岁和70多岁）的平均发生次数。组间显著差异：* p < 0.05，** p < 0.01。为了集体展示这些趋势，图6提供了一个比较图，绘制了不同年龄组的微扫视频率随年龄的变化。绘制的轨迹显示出明显的线性增长，表明微扫视频率随年龄增加。皮尔逊相关分析显示，时间老化和微扫视发生之间在水平和垂直维度上都有正相关（R = 0.542，p < 0.01，R = 0.614，p < 0.01）。图6显示了年龄与微扫视发生次数之间的相关性。（a）水平（x轴）微扫视；（b）垂直（y轴）微扫视。进行了皮尔逊相关分析。红线代表线性回归拟合。相关系数和p值分别为：（a）R = 0.542，p < 0.01；（b）R = 0.614，p < 0.01。基于观察到的微扫视频率和方向分散的年龄相关变化，本研究进一步探讨了认知状态作为这些非自愿眼动行为调节因素的作用。具体来说，为了评估认知衰退对微扫视的影响，对20多岁的参与者和70多岁的参与者进行了针对性比较。在70多岁的组（N = 30）中，使用标准化的认知评估工具评估了认知表现。总共有14名得分达到24分或以上的参与者被归类为认知正常，而其余16名得分23分或以下的参与者被归类为“疑似痴呆”范围——这表明可能存在神经退行性损伤。如图7所示，20多岁的参与者在x轴和y轴上的微扫视频率最低。然而，在70多岁的组中，出现了一个明显的分歧：尽管年龄相同，但认知得分较低的个体表现出显著更高的微扫视频率。这种差异突显了认知功能在调节微扫视频率和变异性方面的关键作用，独立于年龄。图7显示了三个组（a）x轴（水平）和（b）y轴（垂直）方向的平均微扫视次数：20多岁的参与者，MMSE得分正常的老年参与者（≥24），以及MMSE得分较低的老年参与者（≤23）。组间显著差异：** p < 0.01。

3.2 瞳孔大小变化分析
在这项研究中，评估了20多岁、60多岁和70多岁参与者瞳孔大小的变化，以研究年龄对瞳孔动态的影响，分析重点是比较不同年龄组而不是认知状态亚组。使用Eyelink数据查看器，比较了关键指标（包括收缩率、扩张率和整体响应速度）在不同年龄组之间的差异。如图8所示，结果揭示了瞳孔大小变化的幅度明显随年龄下降。值得注意的是，20多岁组的收缩率和扩张率最高。相比之下，70多岁的参与者表现出显著较低的瞳孔响应幅度，表明瞳孔反应随年龄增长而减弱。尽管反应幅度有所下降，但所有年龄组的瞳孔收缩和扩张速度没有观察到显著差异。图8显示了双眼瞳孔扩张和收缩的幅度：(a) 20岁组，(b) 60岁组，(c) 70岁组。表1进一步通过详细说明不同年龄组的收缩和扩张速率来表示与年龄相关的瞳孔反应减弱情况。20多岁的参与者表现出最高的反应性，平均收缩率为-51.5579，扩张率为114.9462，这表明他们具有对视觉刺激做出瞳孔大小变化的强大能力。相比之下，60多岁的参与者表现出明显的下降，收缩率和扩张率分别降至-43.685和80.3637。70岁组的下降最为明显，平均收缩率为-38.3559，扩张率为63.4061。这些指标随年龄的增长而逐渐下降的现象清楚地表明了瞳孔反应能力的减弱。表1显示了与年龄相关的瞳孔反应性。此外，表2展示了瞳孔反应的时间特性——具体来说是收缩和扩张的潜伏期。20多岁、60多岁和70多岁的参与者平均收缩时间均为约1.22秒，而扩张时间在所有组中基本稳定在约7.6秒。即使在70岁组中，测得的收缩和扩张时间（分别为1.13秒和7.49秒）也基本保持不变。这些结果表明，瞳孔反应速度并未受到年龄的显著影响，而且瞳孔的反应速度在时间上是恒定的。这表明，尽管自主反应能力随年龄增长而下降，但负责启动和完成瞳孔反应的神经计时机制仍然得以保留。表2显示了与年龄相关的瞳孔光反应速度。

4. 讨论
本研究探讨了微扫视和瞳孔大小变化作为与年龄相关的认知障碍的无创生理标志物，研究了衰老和认知功能变化如何影响这些眼部反应。通过分析三个年龄组（20岁、60岁和70岁）的参与者，并结合认知评估，本研究旨在描述衰老和认知衰退对注视眼动和瞳孔动态的综合影响。通过将眼动追踪数据与认知表现测量相结合，这项研究重点关注与年龄相关的神经运动和自主视觉系统的变化，并探讨其与早期神经认知变化（包括阿尔茨海默病）的潜在相关性。
研究发现，微扫视频率随年龄显著增加，特别是在垂直（y轴）方向上的变化尤为明显。20多岁的参与者表现出较低的微扫视频率，且主要集中在水平方向，反映了稳定而高效的眼动控制。相比之下，尤其是70多岁的参与者不仅微扫视频率显著增加，方向分散也更大——垂直微扫视的频率显著上升。这种效应在认知评分较低的老年人中更为明显，这表明年龄相关的注意调节和运动控制系统衰退可能导致微扫视的不稳定性增加。这些观察结果与先前报道的认知障碍患者和与年龄相关的神经退行性疾病中的微扫视模式改变一致[30]，支持微扫视作为与年龄相关的认知衰退生理指标的潜在作用。
同时，瞳孔大小变化分析显示，从20岁组到70岁组，收缩和扩张速率逐渐下降，表明瞳孔反应的动态范围减小。这些与年龄相关的减少与先前证据一致，这些证据表明健康生命周期中瞳孔大小动态的逐渐变化反映了自主神经和神经调节功能的年龄相关变化[38]。先前的研究还研究了健康个体和阿尔茨海默病患者对光刺激的瞳孔收缩和扩张反应，证实了衰老显著影响瞳孔反应性[39]。值得注意的是，瞳孔大小变化的幅度减小可能表明与年龄相关的神经功能下降，并可能代表老年人视觉和自主反应能力减弱。鉴于衰老是认知衰退和神经退行性疾病的主要风险因素，这些发现支持了瞳孔大小变化反映与年龄相关的神经生理变化的解释。
然而，与反应幅度的变化不同，所有年龄组的瞳孔收缩和扩张速度相对保持不变。即使在最年长的参与者中，瞳孔反应时间也与年轻组没有显著差异。尽管反应幅度减弱，反射性计时的保持表明，尽管自主反应的强度随年龄下降（可能是由于副交感神经和交感神经系统的功能减弱），但底层神经计时机制仍然功能完好。除了我们研究中观察到的年龄相关变化外，关于瞳孔光反射（PLR）的先前研究为解释正常衰老和阿尔茨海默病研究中的瞳孔测量结果提供了重要背景。在衰老人群中进行的定量PLR研究记录了收缩和扩张动态的系统性改变，包括收缩幅度的减小和反应时间的减慢，这些变化被解释为随年龄增长的自主和神经调节变化[40]。在阿尔茨海默病患者中，最近使用定量光反射瞳孔测量（qLRP）的研究显示了诊断潜力，不同的收缩和恢复模式有助于区分阿尔茨海默病患者和健康对照组，表明其作为神经退行性疾病的无创数字生物标志物的价值[41]。尽管许多这些研究使用专门的瞳孔测量设备，但分析的核心参数（如幅度、潜伏期和动态反应特征）在概念上和定量上与高分辨率眼动追踪系统可获得的数据相当。这些证据强化了瞳孔测量作为认知衰老过程中自主和神经生理变化敏感指标的相关性。
这两种生理标志物——微扫视和瞳孔大小变化的结合——提供了关于神经退行性过程如何影响不自主眼行为的宝贵见解。微扫视眼动由包括上丘、额眼区、顶叶皮层和基底神经节在内的网络控制，这些区域负责视觉固定、注意力转移和眼动抑制[42,43,44]。这些区域的神经退行性变化，特别是前顶叶皮层，可能会干扰眼动功能和抑制控制，可能导致早期阿尔茨海默病中微扫视频率和空间不规则性的增加[31]。因此，瞳孔大小的变化反映了自主神经系统（尤其是副交感神经和交感神经通路）的动态相互作用[45]。瞳孔扩张由蓝斑-去甲肾上腺素（LC-NE）系统调节，这是临床前阿尔茨海默病中最早出现tau病理变化的部位之一。该系统的退化会降低瞳孔扩张能力并损害与觉醒相关的自主反应[46]。瞳孔收缩由Edinger-Westphal核介导，该核接收来自基底前脑的胆碱能输入——这是另一个容易受到早期阿尔茨海默病病理影响的区域[47]。胆碱能系统的衰退导致瞳孔收缩幅度减小，这是阿尔茨海默病患者的一个特征[34]。因此，注意力和自主系统的紊乱可能导致异常的微扫视和瞳孔反应，支持这些生理标志物作为早期认知功能障碍的生物学合理性的观点。
重要的是，本研究的结果表明，微扫视和瞳孔动态可以作为早期认知衰退的敏感、无创生物标志物。这些指标能够检测同一年龄组内认知正常和受损个体之间的细微但可测量的差异，为临床前筛查和纵向监测提供了重要前景。与传统神经心理学评估相比，眼动追踪和瞳孔测量在客观性、成本效率和参与者负担方面具有优势，使其特别适合用于老年人群体或大规模社区筛查。
然而，这项研究也有一些关键的局限性，为未来的研究指明了重要方向。首先，参与者在年龄组间的分布不均——尤其是60岁组样本量较小——可能限制了统计功效，并降低了年龄相关比较的可靠性，强调了未来研究中需要更加均衡的抽样。其次，总体样本量相对较小，特别是在认知受损亚组中，限制了结论的强度，需要谨慎地将发现视为初步结果。第三，特定的认知状态分析仅限于最年长的组别，以减少年龄相关的混淆；因此，未来应在所有年龄组中进行认知筛查，以便进行更全面的亚组比较。此外，尽管年龄分布不连续，但整个样本进行了皮尔逊相关性分析，这可能限制了对年龄相关关系的解释；未来的研究应在更大、年龄分布更均匀的样本中检查年龄限制的相关性。此外，没有系统收集教育背景数据，这可能限制了基于MMSE-K的认知亚组分类的解释精度，尽管主要的生理眼动追踪结果受教育因素的影响较小。未来的研究应纳入教育水平数据以加强认知分类。此外，没有进行统计和认知状态分层的瞳孔测量分析，未来的研究需要包括更大的、临床诊断的队列，以评估瞳孔动态与认知障碍的关系。此外，本研究没有单独建模静息瞳孔直径，尽管认识到基线瞳孔大小的年龄相关减少，未来的研究应包括基线瞳孔标准化，以改善对瞳孔动态的解释。尽管筛查了主要的混淆因素并应用了标准化的测试条件，但仍无法完全排除与未测量生理状态（如轻微疲劳或自主神经波动）相关的残余变异性。因此，未来的研究应包括更大的、纵向的、临床诊断的阿尔茨海默病和相关神经退行性疾病队列，以确定微扫视和瞳孔大小变化的组合是否可以作为超出年龄相关认知障碍的疾病进展的敏感和可靠标志物。

5. 结论
本研究探索了同时分析微扫视和瞳孔大小变化作为与年龄相关的认知变化的非侵入性指标的潜在效用。由于研究采用了横断面设计且未包括临床诊断的阿尔茨海默病患者，因此这些发现是初步和探索性的，提出的方法应被视为潜在的筛查框架而非验证的诊断工具。尽管如此，因为衰老和认知障碍是阿尔茨海默病连续体中的关键风险因素，微扫视和瞳孔动态的综合分析可能提供一个非侵入性、客观和定量的框架，适用于早期阿尔茨海默病研究。通过补充传统的神经心理学评估（如MMSE和MoCA），这些发现为针对神经退行性疾病的未来纵向研究提供了基础证据，因为这些评估受到教育和任务相关因素的影响。