Bringing medical advances from the lab to the clinic.
关键词：PD；认知障碍；MemTrax记忆测试；情景记忆；反应时间；Parkinsonism and Related Disorders帕金森病（PD）是一种普遍的神经退行性疾病，以运动功能障碍为主要特征，但患者也经常遭受认知功能的衰退，这种认知障碍可能在运动症状出现之前就已经开始，并随着疾病的进展而加剧，严重影响患者的生活质量和社会参与。鉴于PD患者发展为痴呆的风险较高，早期识别认知衰退对于疾病的管理和治疗至关重要。然而，目前广泛使用的认知评估工具如蒙特利尔认知评估（MoCA）存在一定的局限性，包括耗时较长、受文化和教育水平影响以及需要专业人员进行管理。MemTrax作为一种基于图片的在线连续认知任务范式，以其快速、简便的特点，被开发用于测量情节记忆和处理速度，显示出在早期识别认知障碍方面的潜力【1】。2024年2月1日，Xianbo Zhou 教授等研究学者在期刊 Parkinsonism and Related Disorders 上发表题为 Toward digitally screening and profiling AD: A GAMLSS approach of MemTrax in China 的研究论文【2】。本研究旨在评估MemTrax记忆测试在检测PD患者认知障碍中的临床效用。研究表明，MemTrax记忆测试为PD患者提供了快速、有效和可靠的认知评估指标，有助于早期识别PD-MCI（帕金森病轻度认知障碍）并在疾病进展过程中监测认知功能下降。![]()
（如需原文，请加微信healsana获取，备注20240201PRD）
🔷 受试者概况：
研究纳入了61名健康对照（HC）、102名认知正常的PD患者（PD-N）、74名PD-MCI患者和52名PD痴呆（PD-D）患者。所有参与者均接受了MemTrax记忆测试和蒙特利尔认知评估（MoCA）。
研究发现，与HC组相比，PD-N组患者在MemTrax记忆测试的总正确百分比（MTx-%C）和复合分数（MTx-Cp）上表现较低，尽管两组在MoCA评分上没有显著差异。这表明MemTrax可能比MoCA更敏感，能够检测到PD患者中更微妙的认知变化。MemTrax测试在区分PD-N、PD-MCI和PD-D患者方面具有显著差异。MTx-%C、MTx-Cp和MoCA评分随着认知障碍的严重程度增加而显著降低，而平均反应时间（MTx-RT）在PD-D患者中比PD-MCI患者更长，表明MemTrax能够有效地区分不同认知障碍阶段的PD患者。研究确定了MemTrax测试的最佳临界值，用于检测PD-MCI和PD-D。对于PD-MCI，最佳MTx-%C和MTx-Cp临界值分别为75%和50.0；对于PD-D，最佳MTx-%C、MTx-RT和MTx-Cp临界值分别为69%、1.341秒和40.6。ROC曲线分析，MemTrax测试的MTx-%C和MTx-Cp在诊断PD-MCI时的区域下曲线（AUC）分别为71.6%和64.8%，而在诊断PD-D时，MTx-%C、MTx-RT和MTx-Cp的AUC分别为77.9%、70.6%和80.6%，显示了MemTrax在诊断PD认知障碍方面的准确性。MemTrax测试在检测PD-MCI时的敏感性和特异性分别为70.3%和68.6%（MTx-%C），在检测PD-D时分别为69.2%和72.7%（MTx-%C）。通过调整MTx-%C的临界值至81%，可以提高识别PD认知障碍的敏感性至88.9%。上述结果表明，MemTrax记忆测试是一个快速、有效且可靠的工具，可以用于早期识别PD患者的认知障碍，并在疾病进展过程中监测认知功能的下降。![]()
图1. MemTrax结果的HC、PD-N、PD-MCI和PD-D组对比
![]()
图2. MTx-%C、MTx-RT和MTx-Cp分数预测PD-MCI、PD-D和PD-CI的ROC分析
MemTrax记忆测试作为一种快速、简便的认知筛查工具，能够敏感地检测帕金森病患者的认知功能变化，尤其在早期识别PD-MCI方面显示出优越性，这对于临床医生制定治疗计划和进行疾病管理具有重要价值。科研方面，MemTrax的高效性和便捷性为未来在不同人群中验证其效用、探索与其他认知测试和生物标志物的结合使用提供了新的方向，有助于提高PD认知障碍的诊断准确性，并可能在预测疾病进展和评估治疗效果方面发挥重要作用。此外，这项研究还强调了开发更多类似工具的必要性，以便在全球范围内对PD患者进行更广泛的筛查和监测，从而改善患者的长期预后
原文链接：
【1】J.W. Ashford, J.O. Clifford, S. Anand, M.F. Bergeron, C.B. Ashford, P.J. Bayley, Correctness and response time distributions in the MemTrax continuous recognition task: analysis of strategies and a reverse-exponential model, Front. Aging Neurosci. 14 (2022) 1005298.
【2】https://doi.org/10.1016/j.parkreldis.2024.106016
本文只是分享和解读公开的研究论文及其发现，以作科学文献记录和科研启发用；并不代表作者或本公众号的观点，更不代表本公众号认可研究结果或文章。为了给大家提供一个完整而客观的信息视角，我们有时会分享有冲突或不同的研究结果。请大家理解，随着对疾病的研究不断深入，新的证据有可能修改或推翻之前的结论。作者：Amber Wang，微信号：Healsana。助理：ChatGPT征战AD公众号，以分享阿尔茨海默病领域最新研究为主旨，希望由此推动由实验室向临床应用的转化。欢迎您的投稿与合作；也希望其他医学科学家以推文的形式分享您的研究成果。运营：美国Healsan咨询公司AD项目组，专注于临床科研及临床试验的服务公司，擅长于针对阿尔茨海默病的临床科研设计及临床试验结果的报告撰写。
