认知障碍在神经系统疾病中普遍存在，尤其在卒中幸存者中发生率高、影响深远，显著增加功能依赖、复发风险和死亡率。然而，长期、动态的认知监测在临床实践中仍面临挑战。近年来，远程数字认知评估因其便捷性、可扩展性和低成本优势，正逐步改变神经科学研究与临床管理的模式。尽管如此，传统自助式数字测试在卒中等伴有运动功能障碍的患者中存在显著局限——手部运动迟缓或协调障碍常导致反应时间延长或操作失误，进而干扰认知表现的准确评估，造成“认知-运动混淆”。

现有研究多通过排除运动障碍患者或仅依赖任务准确率等粗略指标进行评估，忽视了反应时间、试次间变异性等丰富的行为数据，限制了评估的敏感性和特异性。数字认知平台的核心优势之一在于其能够采集试验级别的精细行为数据（如每次刺激呈现到反应完成的时间轨迹），为构建高分辨率认知模型提供了可能。为此，亟需一种能够区分运动与认知成分的计算方法，以实现更真实、个体化的认知状态评估。

本研究提出并验证一种新型计算模型——迭代认知任务分解模型（IDoCT），旨在从数字认知测试的原始行为数据中分离出运动延迟与认知处理时间，从而构建不受运动障碍干扰的模型化认知指数，提升卒中患者远程认知评估的准确性与生物学效度。

研究人员纳入171名经影像学确诊的卒中幸存者，覆盖急性期（发病约1周内）、亚急性期（约3个月）及慢性期（>6个月），形成纵向队列。使用帝国理工脑血管疾病综合认知评估（IC3）电池中的18项任务，涵盖记忆、语言、执行功能、注意力、计算能力及手部运动控制等多个认知与运动领域。

IDoCT模型基于每次试验的反应时间与准确率，通过迭代算法估计三个关键参数：任务试验难度（Trial Difficulty）、认知处理时间（Cognitive Processing Time）、反应延迟时间（Response Delay Time）

由此推导出“模型化认知指数”，作为个体认知能力的核心指标。采用贝叶斯主成分分析提取全局认知表现，并通过混合效应回归模型和多变量典型相关分析（CCA）评估该指数的临床效用、与传统指标的比较及其与神经影像学特征的关联。

主要结果

1、运动障碍对传统指标的显著干扰

在高运动负荷任务中，传统准确率指标明显受手部运动功能障碍影响：使用受损手操作时，10项任务表现出显著性能下降（经FDR校正后 p < 0.05），表现为反应迟缓或错误率升高。

2、IDoCT有效剥离运动影响

相比之下，由IDoCT生成的认知指数在控制运动障碍后，18项任务中除专门评估运动控制的任务外，其余均未显示显著差异（p > 0.05），表明其成功消除了运动执行对认知评估的混杂效应。

图：从自我管理的IC3认知代表性任务，这些任务具有相对水平的运动和认知负荷

3、更强的临床相关性与预测效度

模型化认知指数与标准笔纸认知测试（蒙特利尔认知评估，MoCA）的相关性显著优于传统准确率（平均 R² = 0.65 vs. 0.43）；与功能恢复指标（工具性日常生活活动能力，IADL）的相关性也更高（R² = 0.16 vs. 0.09）。

图：在四个代表性任务中，认知得分与人口统计学和临床变量之间的关系

4、生物学有效性验证

多变量CCA分析显示，模型化认知指数与白质病变负荷及脑梗死病灶体积在亚急性与慢性阶段均呈现显著关联，揭示其具有合理的神经生物学基础。

5、适用性扩展

该模型显著提升了远程认知测试在运动障碍患者中的适用性，避免了以往因运动缺陷而排除患者所导致的样本偏倚与评估盲区。

总之，本研究首次将IDoCT模型应用于卒中患者的纵向队列，系统验证了其在剥离运动障碍影响、提升认知评估准确性方面的优越性能。IDoCT通过整合试验难度、反应时间与准确率等多层次信息，灵活适应个体差异与任务复杂性，实现了对认知能力的精细化建模。

该框架不仅适用于卒中患者，也为其他共病运动与认知障碍的神经系统疾病（如帕金森病、创伤性脑损伤、多发性硬化等）提供了包容性强、精度高的远程评估工具。尤其在居家监测、早期干预和康复追踪场景中，IDoCT支持在不依赖临床现场评估的情况下，持续捕捉认知变化趋势，推动神经疾病管理向“精准化、动态化、去中心化”转型。此外，该模型符合美国FDA关于数字终点开发的指导原则，为未来将数字行为标志物纳入临床试验终点提供了方法学支持。

原始出处

Dragos-Cristian Gruia,a,b Valentina Giunchiglia,a,d Andra Braban,a.Mitigating the impact of motor impairment on selfadministered digital tests: a longitudinal cohort study in stroke.eClinicalMedicine 2025;88: 103469 https://doi.org/10. 1016/j.eclinm.2025.103469

本文相关学术信息由梅斯医学提供，基于自主研发的人工智能学术机器人完成翻译后邀请临床医师进行再次校对。如有内容上的不准确请留言给我们。