深圳湾实验室神经疾病研究所郭腾飞课题组近期在Alzheimer & Dementia发表了题为“Detecting Alzheimer’s disease using digital virtual reality cognitive tests”的研究论文[1]。该研究基于中国粤港澳地区老年人群队列：大湾区老年脑健康计划（GHABS）与深圳多模态老龄化研究（STAR）系统评估了人工智能辅助虚拟现实数字认知诊断工具（AI-VR）在阿尔茨海默病（Alzheimer’s disease, AD）早期识别中的诊断性能。研究通过与传统临床认知评估进行生物标志物及AD病理特征的组间比较，深入探索了数字化认知标志物与多种体液及影像生物标志物之间的关联，并将其与血浆标志物在区分不同AD病理阶段方面的性能进行了对比。该研究全面揭示了AI-VR认知标志物在大规模社区早期AD筛查中的应用潜力及其与生物标志物、AD关键病理变化之间的系统性联系。

阿尔茨海默病（Alzheimer’s disease, AD）的传统临床诊断目前仍主要依赖于认知心理评估问卷，病理诊断则通常需通过脑脊液检测或正电子发射断层扫描（PET）实现。然而，这些方法耗时较长、对环境与设备要求高、费用昂贵，难以在普通社区老年人群中普及。近年来，血浆生物标志物（如p-Tau217、Aβ42/40等）为早期AD检测带来了新希望，其与大脑病理表现具有高度相关性，但因血液样本的有创性及高检测成本，临床推广仍面临限制。与此同时，人工智能（Artificial intelligence, AI）在医疗诊断领域的应用迅速发展，各种数字化认知评估工具不断涌现[2]。然而，现有研究大多聚焦于工具本身的诊断效能，较少深入探讨数字化评估结果与AD生物标志物之间的关联，尤其是其在判别AD病理阶段方面的能力。

近年来，融合虚拟现实（Virtual reality, VR）与人工智能的沉浸式数字化诊断工具展现出潜力。本研究采用一款基于人工智能辅助虚拟现实数字的可穿戴设备进行认知评估与诊断，通过捕捉受试者眼动轨迹、结合速度阈值算法及人口学信息（如年龄、性别、教育程度）拟合MoCA评分，并利用支持向量机模型生成认知各子领域得分及整体认知诊断[3]。为系统评估该AI-VR工具在AD早期筛查中的价值，本研究从多角度进行分析：比较传统临床诊断分组与AI-VR诊断分组在生物标志物与病理水平上的差异；分析认知子领域得分与AD生物标志物的相关性；并进一步探讨血浆生物标志物（包括p-Tau217、Aβ42/40、GFAP、NfL）与AI-VR认知评分在区分不同AD病理阶段中的效能。结果显示，AI-VR整体认知评分与多种AD相关生物标志物具有显著相关性。在GHABS队列中，较高的VR整体评分与较低的AD病理负担相关，具体表现为：与较低的血浆p-Tau217、GFAP、NfL水平，较低的Aβ PET 阳性率，较低的tau PET SUVR（标准摄取值比）以及较高的皮层平均扩散率（cMD）呈负相关；同时，与较高的血浆Aβ42/40比值、较大的海马体积（rHCV）以及较大的皮层厚度（CTh）呈正相关。在STAR队列中也观察到AI-VR评分与血浆p-Tau217、GFAP及海马体积的一致性关联（图1）。

图1. 人工智能辅助虚拟现实数字整体认知评分与阿尔茨海默病相关生物标志物的关联

VR记忆功能子域（VR-MEM）评分与以听觉词语学习测试（AVLT N5）、逻辑记忆延迟回忆（LMDT）和复合记忆评分为代表的传统纸质神经心理测验结果均呈显著正相关，验证了其评估记忆功能的良好效度。同时，更高的VR执行功能子域（VR-EF）评分与更短的数字符号转换测试（STT-B）完成时间显著相关，表明其对执行功能同样具备有效的评估能力（图2）。

图2. 人工智能辅助虚拟现实数字具体认知域评分与标准化认知工具的相关性

为了探究VR认知评分与大脑特定区域病理变化之间的关联，研究采用了基于体素及感兴趣区域的分析方法。结果显示，较低的VR整体评分与多个关键脑区中更高的tau PET SUVR值显著相关，这些脑区包括内侧颞叶、颞叶各皮层亚区、顶叶、楔前叶以及后扣带回。此外，较低的VR整体评分还与多个脑区（如岛叶、距状裂周围皮层、扣带回及颞叶区域）的皮层平均扩散率（cMD）升高（提示微结构损伤）显著相关，同时也与部分脑区的皮层厚度（CTh）减少和灰质体积（GMV）萎缩有关，尽管后两者涉及的显著脑区相对较少。进一步分析发现，VR执行功能子域评分与整体评分在反映上述病理变化方面表现相当，而其他认知子域的关联则相对较弱（图3）。

图3. 人工智能辅助虚拟现实数字认知评分与 tau PET SUVR、皮层平均扩散率、皮层厚度及灰质体积的相关性 

通过比较AI-VR所定义的认知未受损（VR-CU）组与认知受损（VR-CI）组在生物标志物和蒙特利尔认知评估（MoCA）评分上的差异，系统评估了该分类器的诊断性能。在GHABS队列中，与VR-CU组相比，VR-CI组表现出全面的阿尔茨海默病病理特征：血浆Aβ42/40比值更低，p-Tau217、GFAP和NfL水平更高；神经影像方面，该组在Aβ PET阳性率、tau PET SUVR以及皮层平均扩散率均显著更高，同时伴有较少的皮层厚度和海马体积；认知评估上，VR-CI组的MoCA评分也显著低于VR-CU组。上述差异模式与基于传统临床诊断（CU vs. CI）的分组结果高度一致，尽管传统分组的效应值略大。这些发现在STAR队列中也得到了基本复现。

VR整体认知评分在区分不同临床与生物标志物分组方面表现优异。在GHABS队列中，该评分能有效鉴别认知正常、轻度认知障碍、与痴呆个体，其受试者工作特征曲线下面积（AUC）介于0.796至0.969之间（图4）。尤其重要的是，VR整体评分能以高精度区分不同阶段的血浆生物标志物阴阳性（AUC: 0.91）（图4），并能够准确识别出认知正常个体中血浆p-Tau217阳性和Aβ42/40阳性的个体。此外，VR记忆功能、执行功能和计算功能（VR-Cal）等子域评分也展现出良好的分类能力。上述结果在独立验证队列（STAR队列）中得到成功复现。

图 4. 人工智能辅助虚拟现实数字认知整体评分对不同临床诊断及血浆病理分期的分类效能受试者工作特征曲线分析

最后，研究进一步比较了VR整体认知评分与多种血浆生物标志物在识别脑内Aβ PET及tau PET阳性病理方面的诊断效能（图5）。结果显示，尽管血浆p-Tau217表现最佳（AUCs: 0.763-0.994），但VR整体认知评分（AUCs: 0.753-1.000）与其表现相近甚至略优，且明显优于血浆Aβ42/40、GFAP及NfL等生物标志物。

图 5. 人工智能辅助虚拟现实数字认知整体评分对阿尔茨海默病不同脑病理分期的分类效能受试者工作特征曲线分析

本研究结果表明，AI-VR数字认知评估工具在AD早期识别中展现出显著的临床应用价值。其在识别无症状人群的Aβ病理阳性方面，性能媲美甚至优于部分血浆生物标志物（如GFAP、Aβ42/40）；更值得注意的是，在已存在病理改变的个体中，该工具检测认知障碍的效能超越了目前公认的血液核心生物标志物p-Tau217。这标志着AI-VR不仅可作为传统神经心理测验的有效补充，更可能成为独立识别AD病理与认知损害的创新数字生物标志物。传统AD诊断依赖的脑脊液检测和PET影像等方法存在价格昂贵、有创性、低普及性的现实瓶颈，严重限制了AD的早期筛查与疾病监测。相比之下，本研究验证的AI-VR评估工具仅需5分钟即可完成，具备非侵入、低成本、易操作的核心优势。这为构建普惠性AD早期筛查体系提供了突破性解决方案，尤其适用于医疗资源匮乏的基层社区、发展中国家及广大农村地区，有望从根本上改变AD早期发现依赖高端医疗资源的现状，推动主动健康管理模式的落地实施。该技术的推广将产生深远的社会效益：一方面通过早期识别高危人群，为干预窗口前移创造可能；另一方面以可负担的筛查方式提升公众认知健康意识，助力实现AD的“早筛、早诊、早干预”。未来，随着技术迭代与多场景验证，AI-VR数字工具有望成为AD防控体系中的重要一环，为应对全球老龄化带来的认知障碍疾病挑战提供中国智慧与技术路径。

课题组科研助理方丽丽、北京大学深圳医院医学影像科樊响医师为论文共同第一作者，深圳湾实验室郭腾飞特聘研究员和北京大学深圳医院医学影像科成官迅主任为论文共同通讯作者。本项目得到了深圳市优秀科技创新人才培养项目、国家自然科学基金、广东省基础与应用基础研究基金、深圳湾实验室等多项基金的支持。特别感谢参与“大湾区老年脑健康计划（GHABS）”和“深圳多模态老龄化研究（STAR）”的每一位志愿者和志愿者家属。论文第一作者方丽丽现为郭腾飞研究员与香港中文大学莫仲棠教授联合培养博士一年级在读，主要致力于阿尔茨海默病的数字标志物诊断研究与早期生活方式干预探索，近2年来，以（共同）第一/第二作者身份在Alzheimer’s & dementia (2025a, b)，JAMA Neurology (2025)等期刊发表多篇研究论文。

郭腾飞博士，深圳湾实验室神经疾病研究所特聘研究员（课题组网站：http://guotf-lab.szbl.ac.cn/），课题组主要以社区老人和AD患者为研究对象，使用多模态神经影像（PET/CT和MRI）和生物标记物等技术致力于AD发生发展的演变规律及早期诊疗研究，获得了国家自然科学基金、国家重点研发计划、广东省基础与应用基础研究基金、深圳市优秀科技创新人才培养项目等多项基金资助。相关工作发表在JAMA Neurology、Nature Aging、Cell Reports Medicine、Molecular Neurodegeneration、Molecular Psychiatry等杂志，对于理解AD发病机制及早期诊疗具有重要的科学意义和临床价值。欢迎优秀学生和博士后加入团队开展AD诊疗相关研究（邮箱：tengfei.guo@szbl.ac.cn）。

深圳湾实验室郭腾飞团队成员

参考文献

[1] Fang, Lili & Fan, Xiang & Li, Anqi & Cai, Yue & Sun, Pan & Wei, Zhuonan & Chen, Hui & Yu, Keyan & Lan, Guoyu & Gonzalez Ortiz, Fernando & Liu, Lin & Wang, Yiying & He, Zhengbo & Zhou, Xin & Zhang, Laihong & Jiang, Mingxing & Chen, Lele & Lu, Gaigai & Hu, Lin & Guo, Tengfei. (2025). Detecting Alzheimer's disease using digital virtual reality cognitive tests. Alzheimer's & Dementia.21. 10.1002/alz.71039.

[2] Öhman F, Hassenstab J, Berron D, Schöll M, Papp KV. Current advances in digital cognitive assessment for preclinical Alzheimer’s disease. Alzheimers Dement. 2021; 13:e12217. doi: 10.1002/dad2.12217.

[3] Xu Y, Zhang C, Pan B, Yuan Q, Zhang X. A portable and efficient dementia screening tool using eye tracking machine learning and virtual reality. NPJ Digit Med 2024; 7:219. https://doi.org/10.1038/s41746-024-01206-5.

原文信息：

Detecting Alzheimer's disease using digital virtual reality cognitive tests

文章来源|郭腾飞课题组

编辑|鲍 啦

责编|远 山

欢迎投稿、建议|media@szbl.ac.cn