综述：从单一模态到多模态的人工智能在阿尔茨海默病中的应用：对数据库、模态、诊断性能及临床转化挑战的系统性回顾

《Sensors》：From Single-Modal to Multi-Modal Artificial Intelligence in Alzheimer’s Disease: A Systematic Review of Databases, Modalities, Diagnostic Performance, and Clinical Translation Challenges

　　

摘要

阿尔茨海默病（AD）是全球痴呆症的主要原因，也是导致死亡的重要因素之一，因此早期检测至关重要。由于病理变化可能在症状出现前15至20年就开始了，人工智能（AI）成为识别和表征AD的有效工具。特别是那些整合了认知、生物和传感器数据的多模态方法引起了越来越多的关注。本系统评价比较了单模态和多模态AI在AD检测中的策略，涵盖了机器学习和深度学习方法、特征表示、验证策略以及分类任务。通过对主要数据库的搜索，我们发现了2016年至2026年初期间发表的568项研究；其中278项研究符合PRISMA指南的纳入标准。多模态方法通常比单模态方法表现更好，尤其是在预测密切相关的疾病阶段之间的进展等具有挑战性的任务中，尽管在相同条件下的直接比较仍然很少。关键问题是，只有大约4%的研究在真正独立的外部队列上评估了他们的模型，这引发了对模型泛化能力的严重担忧。总体而言，当前的AI系统仍然高度依赖于现有的数据集和异构的评估协议，这些因素限制了模型的泛化能力和临床应用性。未来的研究应优先考虑具有代表性的多模态数据集、严格的外部验证以及临床可解释的AI系统。