基于视觉认知评估测试（VCAT）与机器学习的新加坡BIOCIS研究揭示血管性轻度认知障碍（VMCI）筛查新策略

　　本研究针对亚洲多语言背景下血管性轻度认知障碍（VMCI）筛查难题，通过BIOCIS队列的524名参与者数据，验证视觉认知评估测试（VCAT）的诊断效能。研究发现VCAT在区分VMCI与认知正常组时曲线下面积（AUC）达1.00（cutoff=27），其语言中立特性为多语种地区提供更精准的筛查工具，对早期干预具有重要临床意义。

　　

随着全球人口老龄化加剧，血管性痴呆已成为仅次于阿尔茨海默病的第二大痴呆类型，在亚洲地区尤为显著。然而纯粹的血管性痴呆较为罕见，通常与其他疾病共存，加剧认知症状并加速衰退。为此，"血管性认知障碍"这一 umbrella 概念应运而生，涵盖由血管原因引起的广泛认知缺陷，其中血管性轻度认知障碍（Vascular Mild Cognitive Impairment, VMCI）特指血管性原因导致的早期轻度认知衰退阶段。早期识别VMCI对及时干预和管理至关重要。

目前VMCI诊断的金标准依赖神经影像技术检测脑小血管病（Cerebral Small Vessel Disease, CSVD），但临床实践中常因成本高、可及性有限而受限。现有认知筛查工具如蒙特利尔认知评估（Montreal Cognitive Assessment, MoCA）虽被广泛验证，但主要针对一般认知变化而非VMCI特异性症状，且在多语言环境下面临翻译验证难题，可能引入文化和语言偏差。

视觉认知评估测试（Visual Cognitive Assessment Test, VCAT）作为一种语言中立的全球认知筛查工具崭露头角。它通过视觉基础设计消除翻译需求，最小化语言偏差，并能评估处理速度和执行功能等关键认知领域——这些领域与视觉技能密切相关，而VMCI患者相比健康对照组在这些方面表现出显著损伤。尽管既往研究验证了VCAT在早期痴呆检测中的有效性，但其在VMCI特异性检测中的应用尚未深入探索。

为此，新加坡BIOCIS（Biomarkers and Cognition Study）研究团队开展了一项横断面研究，旨在评估VCAT在检测VMCI中的效用，并与MoCA比较诊断性能。研究成果发表于《JMIR Aging》，为多语言地区的VMCI筛查提供了新见解。

研究人员采用多学科交叉方法，主要关键技术包括：1）基于社区队列的524名参与者招募（BIOCIS新加坡研究）；2）神经心理学测试组合（涵盖MoCA、VCAT、韦氏记忆量表、轨迹制作测试等）；3）3-T磁共振成像（MRI）与白质高信号（White Matter Hyperintensities, WMH）体积量化；4）随机森林（Random Forest）机器学习算法与10折交叉验证（10-fold CV）的统计建模；5）受试者工作特征曲线（ROC）分析确定最佳截断值。

Participant and Cognitive Test Characteristics

研究纳入524名参与者，平均年龄59.05岁，其中VMCI组221人（42.2%）。VMCI组表现出显著更高的高血压（47.9%）和糖尿病（17.6%）患病率，以及更大的WMH体积（均值3.69 vs 1.04）。认知测试显示VMCI组在VCAT（25.71 vs 27.83）、MoCA（24.82 vs 26.74）及执行功能测试中表现显著较差（P<0.001）。

ROC Analysis of VCAT in Detecting VMCI

通过随机森林和10折交叉验证的ROC分析显示：在区分VMCI与认知正常组时，VCAT在cutoff=27时达到近乎完美的准确性（AUC=1.00；敏感性=1.00；特异性=0.99），优于MoCA（AUC=0.99）。在区分VMCI与非血管性MCI组时，两种工具在cutoff=25时均达到最优性能（AUC=1.00；敏感性=1.00；特异性=1.00）。

Cognitive Performance

协方差分析表明，在调整年龄、教育和性别后，VMCI组在VCAT、MoCA、Color Trails Test 2（CT2）、Trail Making Test Part B（TMT-B）和语义流畅性测试中显著低于其他组（P<0.05），凸显VCAT在区分血管性与非血管性认知损伤方面的特异性。

研究结论与讨论部分强调，VCAT作为一种语言中立的视觉认知测试，在VMCI检测中表现出与MoCA相当或更优的性能，特别是在较高截断值（27分）时对VMCI的鉴别具有近乎完美的准确性。该工具有效克服了多语言环境下的翻译偏差问题，为东南亚等多元文化地区提供了更适用的筛查方案。值得注意的是，VMCI患者表现出显著的处理速度和执行功能缺陷，这与脑血管病变的特异性损伤模式一致。

该研究的临床意义在于：首次在亚洲多语种人群中确立VCAT针对VMCI的优化截断值（27分），为早期干预提供量化标准；通过机器学习算法验证了视觉认知测试对血管性病因的特异性识别能力；强调血管风险因素（高血压、糖尿病）与WMH体积扩大对认知功能的显著影响，提示综合管理血管健康对认知保护的重要性。

然而研究者也指出局限性：视觉导向测试可能低估言语优势患者的认知缺陷；社区样本可能存在未诊断的神经退行性疾病混杂；横断面设计无法推断预测价值。未来需通过纵向研究、扩大样本量和多中心验证来完善VCAT的临床适用性。

总之，VCAT凭借其语言中立设计和优异诊断性能，有望成为VMCI筛查工具包中的重要补充。结合视觉与言语评估的多维度方法，将为血管性认知障碍的精准诊断开辟新路径。