通过对2000-2019年关于使用人工智能、语音和语言处理来预测老年痴呆症认知下降的研究进行系统回顾，总结出近51项相关研究的详细信息、研究过程及其局限，并提出解决策略。虽然这51项研究结果令人惊喜，但仍存在许多问题，如缺乏标准化、结果有限的可比性以及研究目标与临床应用之间的脱节，需要进一步深入研究来解决这些问题。

Oct, 2020

随着医疗技术、预防保健和老年健康的日益重视，全球平均寿命不断增长。因此，开发能够检测和追踪老年人群中与认知功能有关的老化相关疾病的技术至关重要。特别是，自动检测和评估阿尔茨海默病（AD）的研究具有重要性，因为该疾病的流行度以及现有方法的成本。在该研究中，我们使用自然语言处理和机器学习等技术，比较和对比了10种线性回归模型在ADReSS挑战数据集上对Mini-Mental状态检查得分进行预测的性能。通过使用两种方法选择的54种最佳特征的子集（1）递归淘汰和（2）相关性得分，我们超越了用于相同任务的最先进的基线。在评分和评估每个模型的每个所选特征子集的统计显着性时，我们发现，对于给定的任务，手工制作的语言特征比声学和学习特征更具有显着性。

Sep, 2022

利用手写的运动学特性来支持神经退行性疾病的诊断是一个真正的挑战：非侵入性检测技术与机器学习方法的结合为该研究领域带来了巨大的进展。本文探讨了词语语义和音韵对患有阿尔茨海默病的人的手写的影响，通过实验结果证明通过特征选择可以为每种词类型提取出不同的高度特征，非规则的词需要更多特征但实现了出色的分类性能，非规则词达到了近90%的准确率。

Jul, 2023

本文旨在探讨阿尔茨海默病对词汇不同方面的影响，以及证明这些词汇特征在机器学习分类器中的应用可以实现最先进的性能，通过ADDreSS挑战数据集和语言样本实验结果验证阿尔茨海默病对词汇处理的显著影响。

Jul, 2023

通过利用在脚垫传感器获取的平衡度量，该研究提出了一种基于机器学习的自动化流程，可以帮助识别Lewy小体相关轻度认知功能障碍（MCI-LB），并且结果模型在区分MCI-LB与其他组别方面的准确率达到78.0%，相比基于人口统计学和临床神经心理学指标的参考模型准确率提高了6.8%，这可能为早期识别MCI-LB提供了一种新方法，以便更好地为患者提供照护。

Sep, 2023

使用带有传感器的墨水笔对书写进行生态评估，以年龄组分类的创新方法展示了卓越的分类器性能，可以在非受控环境（如远程居家监测）中早期检测衰老的异常迹象，从而解决衰弱检测的关键问题，为老年人改善护理做出贡献。

Sep, 2023

设计了一个紧凑高效的网络架构，利用动态手写信号的独特特征，为帕金森病的诊断提供客观鉴定；通过深度学习方法（LSTM和CNN）实现对时间变化特征的提取，并在实验证明其有效性和效率。

Nov, 2023

这篇论文研究了使用动态增强的静态手写图像来诊断帕金森病，通过同时利用手写的静态和动态属性，提出了一种嵌入动态信息的静态表示方法，通过在同一数据集上与现有方法进行了公平比较，证明了动态增强的静态手写图像能够胜过独立使用静态和动态手写的结果，从而实现了非侵入性、低成本的计算机辅助诊断系统来支持临床医生的诊断和监测神经退行性疾病，特别是帕金森病的评估。

May, 2024

通过Sigma-lognormal模型提取的手写特征，应用于机器学习，旨在开发一个支持系统来帮助医生诊断和研究阿尔茨海默病，并评估提取特征的有效性以及它们之间的关系。

May, 2024

本研究解决了大型语言模型在识别神经疾病特征方面缺乏可解释性的问题。提出了一种名为SLIME的方法，能够识别与阿尔茨海默病相关的词汇成分并解释其重要性。研究发现，该方法提高了模型在神经退行性疾病研究中的准确性，增强了对大型语言模型在临床应用中的信心。

Sep, 2024