眼球运动不仅能反映视觉注意力受损，还能影响认知处理和各种日常活动。因此，更好地了解痴呆症患者如何以视觉方式感知现实世界对于减轻视觉注意力受损对其生活质量的广泛影响至关重要。

此外，识别特定疾病的眼球运动改变模式将为区分具有相似临床表现的痴呆亚型提供行为生物标记。然而，以前的研究使用了结构化任务或受限刺激，这限制了人们对日常生活中不同痴呆症之间眼球运动如何改变和变化的了解。

在《神经科学前沿》杂志发表的一项研究中，研究人员收集了阿尔茨海默病 (AD) 和路易体痴呆 (DLB) 患者(晚发性神经退行性痴呆的两种最常见亚型)对一组详尽的刺激(200 张复杂自然场景的图像，包含 1,533 个物体，并附有关于其语义属性的注释，如面部、情绪、文本和人造物体)的自发观看行为。

通过使用计算视觉注意力模型进行全面表征，该团队首次展示了 AD 和 DLB 患者在复杂场景中对疾病特异性眼球运动模式的改变。他们利用这些改变的模式开发了一种基于 AI 的筛查工具，能够可靠地识别和区分患有这两种痴呆症的患者。

这些发现可能有助于我们理解痴呆症患者在现实世界中的观看行为，以减轻视觉注意力受损对他们日常活动的广泛影响。此外，本文提出的客观表征自由观看行为的无语言、无指令方法可以支持痴呆症亚型的筛查和区分。这将极大地促进全球痴呆症研究，涉及具有不同语言或认知障碍的不同人群，这些障碍可能会影响对任务指令的理解。