帕金森病（PD）是全球第二常见的神经退行性疾病，约1%的60岁以上人群患病。除了手抖、僵硬、动作迟缓等运动症状外，许多患者还会出现轻度认知障碍（MCI），表现为注意力下降、反应变慢、计划能力减弱等，严重影响日常生活质量。
目前临床上诊断PD相关的轻度认知障碍，主要依靠一套复杂耗时的标准化评估流程，不仅操作繁琐，而且不同医生判断结果可能存在差异。
研究人员开发了一种新型机器学习模型，能快速、客观地识别帕金森病患者是否伴有轻度认知障碍。该模型在准确性上与现有临床金标准相当，并额外发现了一类容易被传统方法漏诊的患者：他们以执行功能和注意力受损为主，同时伴有更明显的焦虑、抑郁、淡漠等神经精神问题。
研究基于卢森堡一项大型帕金森病队列数据，共纳入115名帕金森病患者和226名健康人。分析显示，帕金森病患者平均年龄更大、男性更多，在整体认知、运动能力、日常活动、主观记忆困扰及情绪行为等方面均明显弱于健康对照组。
该模型采用高斯混合模型（GMM）算法，自动将帕金森病患者分为“认知正常”和“轻度认知障碍”两类，可作为现有临床评估的有效补充，提升筛查效率和诊断精准度。