DOI: https://doi.org/10.3389/fnins.2025.1692719
PMID: https://pubmed.ncbi.nlm.nih.gov/41567510
تاريخ النشر: 2026-01-06
المؤلف: Qingya Lu وآخرون
الموضوع الرئيسي: تتبع النظر والتكنولوجيا المساعدة
نظرة عامة
تتناول الدراسة تحديات الكشف المبكر عن السكتة الدماغية، مسلطة الضوء على قيود الطرق التشخيصية التقليدية مثل التصوير العصبي، والتي غالبًا ما تكون مكلفة وتعتمد على خبرة متخصصة. تقترح استخدام أنماط حركة العين كأداة تشخيصية جديدة وفعالة، نظرًا لارتباطها بالوظائف العصبية المعرفية. من خلال استخدام نموذج بيئي، قام الباحثون بتسجيل إشارات حركة العين من مرضى السكتة الدماغية (N = 16) وشهادات صحية (N = 23) خلال استكشاف بصري حر لوجوه شخصيات درامية مألوفة. قاموا باستخراج مجموعة شاملة من ميزات حركة العين، بما في ذلك مقاييس السكون، والتركيز، ومسارات المسح، لتطوير نموذج تعلم آلي يهدف إلى تحسين دقة التشخيص.
كشفت النتائج عن اختلافات كبيرة في أنماط حركة العين بين مجموعتي السكتة والمجموعة الضابطة، حيث تميزت بفترات تركيز مطولة، وحركات سكون محدودة، وأطوال مسار أقصر، مما يدل على وجود عوائق في المعالجة البصرية. أظهر نموذج التعلم الآلي دقة عالية بلغت 87.18% ومنطقة تحت منحنى التشغيل الاستقبالي (AUROC) بلغت 0.92 لتمييز مرضى السكتة الدماغية. تستنتج الدراسة أن تتبع حركة العين خلال مهمة الاستكشاف البصري الحر هو أداة فحص واعدة وغير جراحية للاعتراف السريع بالسكتة الدماغية، خاصة في البيئات ذات الموارد المحدودة. تدعو إلى مزيد من البحث مع مجموعات أكبر ودمج طرق تشخيصية إضافية لتعزيز موثوقية تحديد السكتة الدماغية وتسهيل التدخلات في الوقت المناسب.
مقدمة
تسلط المقدمة الضوء على العبء الصحي العالمي الكبير الذي تسببه السكتة الدماغية، والتي تعتبر السبب الثاني للوفاة والثالث للإعاقة المعدلة حسب سنوات الحياة، مع حوالي 12.2 مليون حالة جديدة سنويًا. التقييم الفوري للسكتة الدماغية أمر حاسم، حيث تكون التدخلات أكثر فعالية عند إدارتها بعد فترة وجيزة من البداية. الطرق التشخيصية الحالية، بما في ذلك تقنيات التصوير العصبي مثل التصوير المقطعي المحوسب (CT) والتصوير بالرنين المغناطيسي (MRI)، على الرغم من حساسيتها، غالبًا ما تكون محدودة بتكاليفها وإمكانية الوصول إليها في إعدادات الرعاية الأولية. بالإضافة إلى ذلك، تتطلب التقييمات العصبية المعرفية مثل مقياس السكتة الدماغية NIH (NIHSS) موظفين مدربين وبروتوكولات موحدة، مما يبرز الحاجة إلى طرق فحص أكثر قابلية للتوسع وفعالية من حيث التكلفة.
يتم اقتراح خلل الحركة العينية كعلامة حيوية واعدة للسكتة الدماغية، تعكس الاضطرابات في الشبكات العصبية المتأثرة بآفات السكتة الدماغية. تشمل هذه الشبكات مجالات العين الأمامية (FEF) والقشرة الجدارية الخلفية، والتي، عند تأثرها، يمكن أن تؤدي إلى عيوب حركية عينية متنوعة مثل شلل النظر وأنماط سكون متغيرة. على سبيل المثال، غالبًا ما يؤدي الإهمال المكاني الأحادي إلى انحياز تركيز نحو اليمين وتقليل سعة السكون. تقترح المقدمة أن تقنية تتبع حركة العين يمكن أن تكون أداة قيمة لتقييم هذه الشذوذات الحركية العينية بشكل كمي، مما يكمل التقييمات العصبية المعرفية التقليدية ويعالج تحديات تقييم خلل الحركة العينية لدى المرضى الذين يعانون من إعاقات معرفية بعد السكتة الدماغية.
الطرق
في هذه الدراسة الاستباقية المقطعية، شملت المشاركين أفرادًا تعرضوا لسكتة دماغية بأنواع وآفات مختلفة، تم تجنيدهم من المستشفى الأول التابع لجامعة شيان جياوتونغ، إلى جانب شهادات صحية تم الحصول عليها من خلال منصات التواصل الاجتماعي. خضع المشاركون الذين تعرضوا للسكتة لتقييمات شاملة، بما في ذلك التقييمات البدنية والعصبية والتصويرية (CT وMRI)، مع الالتزام بالإرشادات الصينية للسكتة الدماغية الإقفارية الحادة (2018) والنزيف داخل الدماغ (2019).
شملت معايير الاستبعاد للمشاركين الذين تعرضوا للسكتة حالات مثل الإهمال، والضعف البصري الشديد (مثل عمى الألوان)، والحمى، وإصابات الدماغ، والسرطان، وفقر الدم، والاضطرابات النفسية العصبية. تم اختيار الشهادات الصحية بناءً على عدم وجود أي تاريخ للسكتة الدماغية، أو أمراض الجهاز العصبي، أو الأمراض المزمنة، أو الحالات الطبية الهامة، أو الاضطرابات النفسية العصبية، أو الضعف الحسي. تم الحصول على موافقة مستنيرة من جميع المشاركين، وحصلت الدراسة على موافقة أخلاقية من لجنة الأخلاقيات بكلية الطب بجامعة شيان جياوتونغ (رقم 2021-687)، مما يضمن الامتثال لإعلان هلسنكي.
النتائج
تظهر نتائج الدراسة مستوى عالٍ من الموثوقية في البيانات التي تم جمعها من خلال تحليل منطقة الاهتمام (AOI)، والتي أكدت أن تركيزات المشاركين كانت تركز بشكل أساسي على المناطق الوجهية الرئيسية. على وجه التحديد، كانت النسبة المتوسطة لنقاط التركيز داخل منطقة الاهتمام 88.50%، بينما كانت مدة التركيز المتوسطة داخل منطقة الاهتمام 91.10%. من الجدير بالذكر أن 75% من التجارب أظهرت نسب نقاط التركيز التي تتجاوز 85%، و95% من التجارب أظهرت نسب مدة التركيز التي تزيد عن 85%. تتماشى هذه النتائج مع الأبحاث السابقة التي تشير إلى أن المشاهدين يوجهون نظرتهم بشكل طبيعي نحو العيون والأنف والفم أثناء مشاهدة الوجه، مما يثبت استخدام نموذج المشاهدة الحرة للتحقيق في سلوكيات معالجة الوجه.
بالإضافة إلى ذلك، كشفت تحليل الاتساق الداخلي عن موثوقية قوية لمقاييس الحركة العينية عبر مجموعات تجريبية مختلفة. تراوحت معاملات الارتباط داخل الفئة (ICCs) من 0.66 إلى 0.89 لأولى ثلاث تجارب، مما يشير إلى توافق معتدل إلى جيد. تحسنت هذه الموثوقية مع تضمين المزيد من التجارب، حيث وصلت معاملات ICC إلى ما بين 0.81 و0.96 لأولى خمس تجارب، وحققت اتساقًا ممتازًا (0.95-0.97) عند تحليل أول سبع تجارب. تؤكد هذه النتائج قوة بيانات الحركة العينية في التقاط خصائص حركة العين الفردية، حتى عند اشتقاقها من عدد محدود من التجارب.
المناقشة
تستكشف الدراسة استخدام أنماط حركة العين كطريقة جديدة للكشف عن السكتة الدماغية، مستفيدة من نموذج بيئي للاستكشاف البصري الحر (FVE) مع وجوه شخصيات درامية مألوفة. تهدف هذه الطريقة إلى التقاط سلوكيات المشاهدة الطبيعية مع تقليل الحمل المعرفي والتحيز التعليمي، مما يمكن أن يضر بصحة القياس لدى مرضى السكتة الدماغية. افترض الباحثون أن ميزات حركة العين المتنوعة – خصائص السكون، والتركيز، ومسارات المسح – يمكن أن تكون مؤشرات فعالة لخلل الحركة العينية المرتبط بالسكتة الدماغية، مما يسهل في النهاية تطوير أداة فحص فعالة من حيث التكلفة للاعتراف السريع بالسكتة الدماغية.
كشفت النتائج عن اختلافات كبيرة في مقاييس حركة العين بين مرضى السكتة والشهادات الصحية. أظهر مرضى السكتة انخفاضًا في سعة وسرعة السكون، وفترات تركيز مطولة، وعدد أقل من التركيزات، مما يدل على ضعف الاستكشاف البصري والانخراط الانتباهي. تتماشى هذه النتائج مع الأدبيات الحالية حول خلل الحركة العينية بعد السكتة الدماغية، مما يشير إلى أن هذه العوائق قد تنجم عن كل من الاضطرابات في المعالجة المعرفية والأضرار الهيكلية في الدماغ. علاوة على ذلك، تسلط الدراسة الضوء على إمكانية دمج تقنيات التعلم الآلي مع ميزات حركة العين لتعزيز دقة الكشف عن السكتة الدماغية، حيث تم تحقيق دقة قصوى بلغت 87.18% عند دمج أنواع ميزات متعددة. تؤكد هذه الأبحاث على وعد تقنية تتبع حركة العين المحمولة كأداة قابلة للاستخدام لفحص السكتة الدماغية مبكرًا، خاصة في البيئات ذات الموارد المحدودة، مما يسهل التدخلات في الوقت المناسب لتقليل الأضرار العصبية طويلة الأمد.
DOI: https://doi.org/10.3389/fnins.2025.1692719
PMID: https://pubmed.ncbi.nlm.nih.gov/41567510
Publication Date: 2026-01-06
Author(s): Qingya Lu et al.
Primary Topic: Gaze Tracking and Assistive Technology
Overview
The study addresses the challenges of timely stroke detection, highlighting the limitations of traditional diagnostic methods such as neuroimaging, which are often costly and dependent on specialized expertise. It proposes the use of eye movement patterns as a novel and efficient diagnostic tool, given their correlation with neurocognitive functions. By employing an ecological paradigm, the researchers recorded eye movement signals from stroke patients (N = 16) and healthy controls (N = 23) during free visual exploration of familiar dramatic character faces. They extracted a comprehensive set of eye movement features, including saccadic, fixation, and scanpath metrics, to develop a machine learning model aimed at improving diagnostic accuracy.
The findings revealed significant differences in eye movement patterns between the stroke and control groups, characterized by prolonged fixation durations, limited saccadic movements, and shorter scanpath lengths, indicative of visual processing impairments. The machine learning model demonstrated a high accuracy of 87.18% and an area under the receiver operating characteristic curve (AUROC) of 0.92 for distinguishing stroke patients. The study concludes that eye-tracking during the free visual exploration task is a promising, non-invasive screening tool for rapid stroke recognition, particularly in resource-limited settings. It advocates for further research with larger cohorts and the integration of additional diagnostic methods to enhance the reliability of stroke identification and facilitate timely interventions.
Introduction
The introduction highlights the significant global health burden posed by stroke, which is the second leading cause of death and third leading cause of disability-adjusted life-years, with around 12.2 million new cases annually. Timely assessment of stroke is critical, as interventions are most effective when administered shortly after onset. Current diagnostic methods, including neuroimaging techniques like Computed Tomography (CT) and Magnetic Resonance Imaging (MRI), while sensitive, are often limited by their cost and accessibility in primary care settings. Additionally, neurocognitive assessments such as the NIH Stroke Scale (NIHSS) require trained personnel and standardized protocols, emphasizing the need for more scalable and cost-effective screening methods.
Oculomotor dysfunction is proposed as a promising biomarker for stroke, reflecting disruptions in neural networks affected by stroke lesions. These networks include the frontal eye fields (FEF) and posterior parietal cortex, which, when impaired, can lead to various oculomotor deficits such as gaze palsy and altered saccadic patterns. For instance, unilateral spatial neglect often results in a rightward fixation bias and reduced saccade amplitudes. The introduction suggests that eye tracking technology could serve as a valuable tool for quantitatively assessing these subtle oculomotor abnormalities, complementing traditional neurocognitive assessments and addressing the challenges of evaluating oculomotor dysfunction in patients with cognitive impairments post-stroke.
Methods
In this cross-sectional prospective study, participants included individuals who had experienced a stroke with various lesion types and locations, recruited from the First Affiliated Hospital of Xi’an Jiaotong University, alongside healthy controls sourced through social media platforms. Stroke participants underwent comprehensive assessments, including physical, neurological, and imaging evaluations (CT and MRI), adhering to the Chinese guidelines for acute ischemic stroke (2018) and intracerebral hemorrhage (2019).
Exclusion criteria for stroke participants encompassed conditions such as neglect, severe visual impairments (e.g., color blindness), fever, brain trauma, cancer, anemia, and neuropsychiatric disorders. Healthy controls were selected based on the absence of any history of stroke, nervous system diseases, chronic illnesses, significant medical conditions, neuropsychiatric disorders, or sensory impairments. Informed consent was obtained from all participants, and the study received ethical approval from the Ethics Committee of the Medical College of Xi’an Jiaotong University (No. 2021-687), ensuring compliance with the Declaration of Helsinki.
Results
The results of the study demonstrate a high level of reliability in the data collected through Area of Interest (AOI) analysis, which confirmed that participants’ fixations were predominantly focused on key facial regions. Specifically, the average proportion of fixation points within the AOI was 88.50%, while the average fixation time within the AOI was 91.10%. Notably, 75% of trials showed fixation point proportions exceeding 85%, and 95% of trials exhibited fixation time proportions above 85%. These findings align with previous research indicating that viewers naturally direct their gaze towards the eyes, nose, and mouth during face viewing, thereby validating the use of a free viewing paradigm for investigating face processing behaviors.
Additionally, the internal consistency analysis revealed strong reliability of oculomotor metrics across various trial subsets. Intraclass correlation coefficients (ICCs) ranged from 0.66 to 0.89 for the first three trials, indicating moderate to good agreement. This reliability improved with the inclusion of more trials, with ICCs reaching between 0.81 and 0.96 for the first five trials, and achieving excellent consistency (0.95-0.97) when analyzing the first seven trials. These results underscore the robustness of the oculomotor data in capturing individual eye movement characteristics, even when derived from a limited number of trials.
Discussion
The study investigates the use of eye movement patterns as a novel method for stroke detection, leveraging an ecological paradigm of free visual exploration (FVE) with familiar dramatic character faces. This approach aims to capture natural viewing behaviors while minimizing cognitive load and instructional bias, which can compromise measurement validity in stroke patients. The researchers hypothesized that diverse eye movement features—saccadic, fixation, and scanpath characteristics—could serve as effective indicators of oculomotor dysfunction associated with stroke, ultimately facilitating the development of a cost-effective screening tool for rapid stroke recognition.
The results revealed significant differences in eye movement metrics between stroke patients and healthy controls. Stroke patients exhibited reduced saccade amplitude and velocity, prolonged fixation duration, and fewer fixations, indicating impaired visual exploration and attentional engagement. These findings align with existing literature on oculomotor dysfunction post-stroke, suggesting that such impairments may stem from both cognitive processing disruptions and structural brain damage. Furthermore, the study highlights the potential of integrating machine learning techniques with eye movement features to enhance stroke detection accuracy, achieving a peak accuracy of 87.18% when combining multiple feature types. This research underscores the promise of portable eye-tracking technology as a viable tool for early stroke screening, particularly in resource-limited settings, thereby facilitating timely interventions to mitigate long-term neurological damage.