基于机器学习的数字评估方法：利用小鼠在路径追踪测试中的运动轨迹判断轻度认知障碍

《Scientific Reports》：Machine learning based digital assessment of mild cognitive impairment using mouse trajectories during the trail making test

　　

摘要

数字神经心理学的一个目标是将计算方法应用于提升传统评估的准确性。连线测试是用于评估执行功能的最常用神经心理学测试之一。受试者需要在不抬笔的情况下按顺序连接一系列符号。在A部分（TMT-A）中，符号用阿拉伯数字标记；在B部分（TMT-B）中，则用数字和大写字母标记，受试者需以交替顺序将它们连接起来（1-A-2-B-……）。我们开发了一种计算机化版本的连线测试（cTMT），该版本保留了原有结构，并能记录高分辨率的鼠标移动轨迹。74名老年人（41名有轻度认知障碍，33名健康对照组）完成了cTMT测试以及一套标准的诊断测试。我们还开发了NeuroTask这一Python库，可用于从鼠标移动时间序列中提取各种特征，包括反应时间、速度与加速度指标、轨迹偏差以及基于状态的各种测量值。我们通过嵌套交叉验证和非参数排列检验，比较了基于人口统计学特征、数字特征以及非数字特征的模型效果。仅基于人口统计学特征的模型仅有较低的区分度（AUC=0.56）。而数字鼠标特征则提升了模型的性能（AUC=0.67），将这两类特征结合后，AUC值上升至0.70，这一数值已接近用于确诊的神经心理学测试组合的性能（AUC=0.76）。在结合数字特征与人口统计学特征的回归分析中，我们对7个目标评分中的4个——MMSE、数字符号测试、TMT-A和TMT-B——得到了具有显著意义的预测结果。这些结果表明，cTMT所提供的精细鼠标移动特征，对于识别轻度认知障碍以及预测多种神经心理学评分都具有实用价值。