当年，徐欣团队在杭州的多个社区进行了试点研究，筛选出103名老年人接受DCS筛查。结果显示，筛查完成率高达93%，且测试时间仅需5.1至7.3分钟。通过与蒙特利尔认知评估量表（MoCA）对比，团队发现DCS能有效识别出痴呆高风险人群，具有在我国老年人群中大规模推广的潜力。
近期，经过迭代优化的DCS再次进入公众视野。徐欣团队在杭州拱墅区大规模抽取了11186名年龄超过50岁的参与者进行新版DCS测试。令人振奋的是，新版DCS的筛查完成率提升至97.5%，测试时间平均仅为5.9±0.8分钟。
在随后的验证队列中，DCS展现了对痴呆症和轻度认知障碍（MCI）的出色检测效力，其曲线下面积（AUC）分别高达0.95和0.83。成本分析进一步显示，与MoCA和简易精神状态检查量表（MMSE）相比，DCS能节省16.2%至36.0%的时间人力成本，非常适合在我国老年人群中大规模应用。
这项研究成果已发表在Alzheimer's & Dementia期刊上。作为世界上痴呆患者数量最多的国家，我国医疗系统面临着巨大挑战。预计到2050年，与痴呆相关的医疗和社会护理费用将急剧增加。因此，早期开展痴呆筛查对于降低医疗成本、提供及时的干预和治疗至关重要。
数字痴呆筛查工具作为一种新兴筛查手段，具有广阔的应用前景。然而，传统数字筛查工具往往需要专业人员在场，且对操作设备(http://www.maoyihang.com/sell/l_4/)有一定要求，这对于文化水平较低、视力受限或身体功能下降的老年人来说并不友好。针对这一问题，徐欣团队利用人工智能技术，开发出了可语音对话的DCS。该工具通过机器人对话形式，自动收集参与者的音频数据，并通过AI技术进行分析评估，无需专业人员在场，操作简便。
在实际应用中，徐欣团队发现，尽管DCS在识别普通话方面表现出色，但对于方言的识别仍存在一定困难。为了克服这一难题，团队进一步研发了端对端模型（MMU），该模型无需将语音转录为文本，可直接对语音进行识别，从而显著提高了DCS的整体评分准确率。
新版DCS的大规模测试结果显示，其筛查效力和管理效率均达到较高水平。不仅筛查完成率高，而且测试时间短，对于痴呆症和MCI的检测效力也非常出色。此外，与传统筛查工具相比，DCS还能显著节省时间人力成本，提高筛查效率。
徐欣团队表示，在中国老年人中大规模实施DCS将是一种实用且高效的认知筛查策略，有助于减轻我国与痴呆相关的医疗负担。随着技术的不断进步和优化，DCS有望在未来成为社区中广泛应用的痴呆和MCI筛查工具，为老年人提供更好的健康保障。
