AI and Wearables for Early Detection of Cognitive Impairment and Dementia: Systematic Review
Gorde:
Cejudo, A., et al., AI and Wearables for Early Detection of Cognitive Impairment and Dementia: Systematic Review. Journal of Medical Internet Research, vol. 27, 2025, 22 p.
Erref.
610327
Kokapena:
SIIS Archivo
Hitz-gakoak:
Personas mayores, Nuevas tecnologías, Detección precoz, Deterioro cognitivo, Demencia, Literatura científica, Panorama internacional
Personas mayores, Nuevas tecnologías, Detección precoz, Deterioro cognitivo, Demencia, Literatura científica, Panorama internacional
Laburpena:
Las evaluaciones cognitivas tradicionales se basan en valoraciones clínicas puntuales y pueden pasar por alto cambios tempranos que preceden al deterioro cognitivo y la demencia. Las tecnologías de salud móviles y portátiles permiten la monitorización continua del sueño, la actividad física y los ritmos circadianos, generando biomarcadores digitales que pueden contribuir a la detección y prevención tempranas a gran escala. Sin embargo, la evidencia actual se encuentra fragmentada en cuanto a dispositivos, enfoques analíticos y resultados cognitivos. Este estudio sintetiza y evalúa críticamente la evidencia reciente sobre dispositivos portátiles para la detección y prevención tempranas del deterioro cognitivo y la demencia, centrándose en las categorías de dispositivos, los resultados cognitivos, los enfoques analíticos y la relevancia para la prevención.<br><br>Los análisis estadísticos vincularon la alteración del sueño, la fragmentación del ritmo circadiano y los patrones de actividad irregulares con peores resultados cognitivos, con tamaños del efecto de modestos a moderados. Los enfoques de aprendizaje automático y aprendizaje profundo informaron un rendimiento de clasificación con valores del área bajo la curva entre aproximadamente 0,70 y 0,95. Aproximadamente una cuarta parte de los estudios (13/49, 26,5 %) abordaron la detección temprana o la prevención mediante la estimación longitudinal del riesgo o el modelado predictivo. Las principales limitaciones incluyeron tamaños de muestra pequeños, duraciones de monitorización cortas y una validación externa limitada.<br><br>Los marcadores conductuales derivados de dispositivos portátiles son prometedores para la estratificación temprana del riesgo. Esta revisión impulsa el campo al pasar de las asociaciones descriptivas a un marco de fenotipado digital que evalúa la predicción basada en inteligencia artificial en la ventana preclínica. A diferencia de revisiones anteriores centradas en la demencia establecida, diferencia la evidencia predictiva directa de los hallazgos correlacionales indirectos y evalúa críticamente la madurez metodológica. La monitorización continua y pasiva puede permitir la detección escalable de cambios conductuales sutiles, lo que respalda estrategias de reducción de riesgos más tempranas y personalizadas.
Las evaluaciones cognitivas tradicionales se basan en valoraciones clínicas puntuales y pueden pasar por alto cambios tempranos que preceden al deterioro cognitivo y la demencia. Las tecnologías de salud móviles y portátiles permiten la monitorización continua del sueño, la actividad física y los ritmos circadianos, generando biomarcadores digitales que pueden contribuir a la detección y prevención tempranas a gran escala. Sin embargo, la evidencia actual se encuentra fragmentada en cuanto a dispositivos, enfoques analíticos y resultados cognitivos. Este estudio sintetiza y evalúa críticamente la evidencia reciente sobre dispositivos portátiles para la detección y prevención tempranas del deterioro cognitivo y la demencia, centrándose en las categorías de dispositivos, los resultados cognitivos, los enfoques analíticos y la relevancia para la prevención.<br><br>Los análisis estadísticos vincularon la alteración del sueño, la fragmentación del ritmo circadiano y los patrones de actividad irregulares con peores resultados cognitivos, con tamaños del efecto de modestos a moderados. Los enfoques de aprendizaje automático y aprendizaje profundo informaron un rendimiento de clasificación con valores del área bajo la curva entre aproximadamente 0,70 y 0,95. Aproximadamente una cuarta parte de los estudios (13/49, 26,5 %) abordaron la detección temprana o la prevención mediante la estimación longitudinal del riesgo o el modelado predictivo. Las principales limitaciones incluyeron tamaños de muestra pequeños, duraciones de monitorización cortas y una validación externa limitada.<br><br>Los marcadores conductuales derivados de dispositivos portátiles son prometedores para la estratificación temprana del riesgo. Esta revisión impulsa el campo al pasar de las asociaciones descriptivas a un marco de fenotipado digital que evalúa la predicción basada en inteligencia artificial en la ventana preclínica. A diferencia de revisiones anteriores centradas en la demencia establecida, diferencia la evidencia predictiva directa de los hallazgos correlacionales indirectos y evalúa críticamente la madurez metodológica. La monitorización continua y pasiva puede permitir la detección escalable de cambios conductuales sutiles, lo que respalda estrategias de reducción de riesgos más tempranas y personalizadas.