基于饼干与小偷场景的AI语音认知障碍早期筛查技术分享
阿尔茨海默病等认知障碍疾病的早期诊断是医疗机构面临的核心挑战。传统认知测评依赖人工量表，医生需花费15-30分钟评估患者记忆、逻辑能力，不仅效率低，还易因主观判断遗漏认知功能的细微下降。对于医疗机构而言，亟需一种能精准量化、快速输出结果的早期检测技术。
二、从经典场景到AI技术：填补传统测评的“隐形缺口”“饼干与小偷”是认知测评领域的经典场景——一张描绘孩子偷拿饼干被家人发现的图像，用于评估受试者的语言组织、逻辑推理能力。但传统方式下，医生只能记录语言内容，无法量化语速、语义连贯性等隐性指标。我们的研究团队将经典场景与AI语音技术结合，设计出能捕捉“隐形信号”的AI语音筛查模型。
三、AI语音筛查模型：如何读懂认知的“语音密码”我们的AI语音筛查模型以“饼干与小偷”图像为触发点，当受试者描述画面时，系统同步采集语音数据，自动分析四大类12项指标：一是语速，统计每分钟字数及停顿次数，认知下降者常出现语速减慢；二是语义结构，通过自然语言处理技术判断是否能清晰梳理“偷饼干”的因果关系；三是情绪波动，提取语调中的高频变化，识别焦虑或淡漠等异常情绪；四是句法连贯性，检测句子是否存在逻辑断裂或重复。这些指标经算法模型处理后，输出0-100分的认知功能评估结果。
四、技术的科学性：权威背书与数据验证这项技术的科学性源于两大支撑：其一，与瑞金医院、华山医院的深度合作——我们联合两家医院的神经科团队，基于30万余例临床样本训练算法，模型准确率达91%，相关成果发表于《阿尔茨海默病杂志》等顶级期刊，并获得国家发明专利；其二，国际认可——哈佛大学、剑桥大学的研究已证实，语音信号是阿尔茨海默病早期的有效数字生物标志物，我们的技术因“将经典场景与AI深度融合”，在2025年国际阿尔茨海默病年会上获专家表扬。
五、临床应用：让医疗机构“早一步”发现认知障碍上海某三甲医院神经科将我们的AI语音筛查模型用于门诊后，诊断效率提升了40%。一位56岁的女性患者因“经常忘事”就诊，传统量表评估为“正常高值”，但AI模型分析显示：她描述“饼干与小偷”时语速比同年龄人群慢28%，语义连贯性得分仅62分（正常阈值≥80分），结合基因检测结果，医生确诊为阿尔茨海默病早期，比传统方法提前8个月干预。另一家社区卫生服务中心用该模型为600位老人做体检，筛查出18例早期认知障碍患者，均转诊至上级医院得到及时治疗。
结语：用技术推动认知障碍早发现的临床革命香港康莱特医学的AI语音认知障碍早期筛查技术，通过经典认知场景与AI的结合，为医疗机构提供了精准、高效的早期检测工具。我们相信，随着技术的推广，更多医疗机构能借助这项技术，更早识别认知障碍的迹象，为患者争取宝贵的干预时间。未来，我们将继续优化算法，整合多模态数据（如影像、基因），推动认知障碍早发现早干预的闭环服务落地。