2025年12月4日，北京大学第三医院麻醉科韩永正、郭向阳团队联合北京师范大学张鸣沙团队及多学科力量，在麻醉学领域权威期刊《麻醉学》（Anesthesiology）上发表题为《眼跳任务：老年下肢关节置换患者术后谵妄的无创预测方法》（“Saccade tasks: A non-invasive approach for predicting postoperative delirium in elderly arthroplasty patients”）的研究论文。该研究系统揭示了眼跳任务相关参数在老年下肢关节置换患者术后谵妄（POD）预测中的显著优势，为POD的早期风险筛查提供了无创、精准的新方案，是多学科交叉在围术期神经认知保护领域的重要突破。

论文截图

POD是老年手术患者术后常见的急性意识障碍并发症，表现为注意力与意识障碍，可伴随认知下降、情绪紊乱等症状，不仅会加剧患者远期认知损伤、增加痴呆发生风险，还会显著影响术后康复进程。术前精准识别高风险患者是临床防控的关键，但现有评估工具存在明显局限：神经心理量表测试（如MMSE、MoCA、CDR量表）易受主观判断与教育水平干扰，而血液、脑脊液来源的分子生物标志物检测（如Aβ、Tau、NfL、GFAP、IL-6、CRP等）具有侵入性，且预测准确性有限。因此，开发无创、客观、高效的预测工具成为围术期医学领域的迫切需求。本研究发现，眼动任务测试可作为术前预测患者POD发生的行为学生物标志物，且预测效能优于神经心理量表测试与分子生物标志物检测。

本研究主要创新亮点包括：

锁定高效预测指标。通过纳入316例65岁以上择期下肢关节置换患者，分析发现POD患者术前的MMSE/MoCA量表测试、外周血NfL水平以及五项眼动参数（正向眼跳的反应时间、主眼跳误差、眼跳增益，反向眼跳与记忆诱导眼跳的峰值速度）与非POD患者间存在显著差异。

验证模型预测价值。基于不同类型参数构建的预测模型显示，眼跳参数模型表现最优：逻辑回归模型的受试者工作特征曲线下面积（AUROC）达0.81，优于神经心理测试（AUROC=0.64）和分子标志物（AUROC=0.61），进一步通过多层感知器（MLP）机器学习模型将预测准确率提升至0.89（95%置信区间：0.82—0.94），模型可靠性和稳定性更佳，实现了从“经验评估”向“精准量化”的跨越。

逻辑回归与机器学习模型的ROC曲线、PPV-灵敏度图及校准图

明确临床转化优势。该眼跳任务评估具有完全无创、操作简便、耗时短的特点，无需专业医护人员进行复杂操作，便于整合至术前麻醉评估流程。团队对监测设备进行优化并已获得两项国家发明专利，为技术推广奠定基础。

该研究成果不仅揭示了眼跳参数作为POD行为生物标志物的核心价值——通过评估注意力、抑制控制等核心认知功能客观反映潜在神经损伤，还为围术期精准风险分层提供了全新工具。

韩永正、郭向阳为本文共同通讯作者，北京大学第三医院麻醉科康猛主治医师和老年内科来璇副主任医师为共同第一作者。研究获得科技部科技创新2030“脑科学与类脑研究”重大项目和“认知神经科学与学习国家重点实验室开放课题”基金资助。