使用 Altoida 的多模态数字生物标记检测 MCI 和淀粉样蛋白数字神经特征 (DNS)。

数字生物标记是通过数字设备测量的个人健康状况的指标。 它们在神经学研究中越来越受到关注，因为它们能够提供准确、可访问和连续的认知表现测量，从而实现早期诊断。 对于有患痴呆症风险的个人来说，早期和鉴别诊断是简化患者管理、使患者和医疗保健系统受益的关键。

虽然传统的神经心理学评估仍然是评估认知和功能下降的黄金标准，但这些评估时间较长（90-120 分钟），需要经过培训的专家，并且存在偏见和实践影响。 在这种情况下，能够对评估日常生活活动的多维特征进行连续和客观评估的数字生物标记物可能有潜力在认知能力下降之前捕获认知和功能能力的微妙变化。

Altoida 数字生物标记平台能够客观评估个人的认知和功能障碍。 Altoida 平​​台由两部分组成：1) 面向参与者的评估（基于平板电脑）和 2) 面向站点的分析和报告门户网站。 该评估基于一系列运动和增强现实 (AR) 任务来评估认知和功能技能，这些任务反映了大脑在日常生活活动中的参与情况（图 1）。 这些活动包括点击和追踪形状，以及在面临分散注意力的任务时放置和查找虚拟对象。 完成评估平均需要 10 分钟（平均认知正常）到 18 分钟（平均 MCI）。 该仪表板提供实时分析并将研究数据集成到临床工作流程中。 该平台目前仅供研究使用。 它尚未获得 FDA 上市前许可或批准。

该平台评估多模式特征，包括微运动、速度、反应时间和导航轨迹，这些特征用于训练特定的机器学习模型，称为数字神经特征（DNS）。 利用机器学习，Altoida 评估提取的数字生物标志物可用于测量患者的认知表现并以生态方式识别不同的临床结果，例如 MCI 和具有淀粉样蛋白病理可能性的 MCI。 该评估还生成 DSM-V 定义的特定大脑认知领域的分数，例如学习和记忆、执行功能、复杂注意力以及从使用规范模型（年龄和性别调整后的年龄和性别）评分的特定数字特征得出的感知运动协调）。 这些源自用规范模型评分的特定数字特征。

在之前的研究中，Altoida 的数字生物标志物被发现有助于检测早期认知能力下降以及预测痴呆症的进展。 近年来，Altoida 评估已在多项全球研究中得到使用，证实了其易用性、非侵入性、识别认知障碍的潜力以及与神经心理学评估的相关性。 早期临床识别阿尔茨海默病 (AD) 至关重要。 目前还没有监管机构批准的基于软件的工具来辅助诊断 MCI 和淀粉样蛋白阳性的个体，这些人群更有可能发展为完全 AD 痴呆。 早期和鉴别诊断可以为参与疾病缓解疗法的临床试验创造机会，并帮助药物开发商加快招募合适的患者接受合适的治疗。