日落综合征（SS）常见于痴呆患者，主要表现为认知、情绪和行为变化的谱系，通常在日落或傍晚时分出现。尽管该症状已有数十年研究记录，但对其本质仍存在认知空白。目前尚缺乏统一的操作定义，导致难以准确识别、诊断、监测并提供及时恰当的处置。SS给患者和护理者带来的困扰是真实存在的，患者出现的游荡、躁动、肢体攻击等异常行为，对患者及其护理者都构成严重安全隐患；显著加剧护理人员的工作压力和心理健康问题。随着人工智能技术的持续发展和日常应用，实现对SS的自动检测并提供及时干预或治疗已变得越来越可行。
斯坦福大学心理与行为科学系、芬兰Oulu大学机器视觉与信号分析中心的Qianru Xu等，检索并纳入369篇“日落综合征”的公开文献，最终保留147篇独立有效的文献进行二次分析，最终保留13篇综述和41篇实证研究。以“多模态传感器＋AI 分析”为核心，给出SS从风险识别、早期诊断、连续监测到干预评估的闭环流程，并强调跨学科验证与照护者友好界面的同步开发。该综述2025年在线发表于Archives of Clinical Neuropsychology。
一、研究背景与目的
1.临床痛点
1.1.“日落综合征”（Sundown Syndrome, SS）由Evans1987年提出，并非正式疾病单元，却困扰约12–50% 的痴呆患者，表现为黄昏后神经精神症状骤增——躁动、妄想、游走、攻击行为等。
1.2.传统评估“天花板”
– 传统问卷/观察法在信度、时效、生态效度上的共同短板：依赖看护者问卷（如BEHAVE-AD、NPI）的评估方式存在回忆偏移、颗粒度粗、无法连续捕捉波动等缺陷，导致漏诊、干预滞后。
2.尝试问题解决
2.1.系统梳理“传统问卷法”与“近期传感器技术”两条研究脉络，找出断裂点；
2.2.以五维度症状模型为骨架，提出可落地的“多模态研究与干预路线图”，指导下一步试验设计、设备选型及算法开发。
二、方法学
1.文献检索：五大数据库即Web of Science、PubMed、Medline、APA PsycInfo、IEEE Xplore（跨学科保证工程类传感论文不遗漏）；各库建库起—2024-03-01；语言限英文；初筛1,247篇。
2.纳排与分层
2.1.先按“是否实证/综述”分堆；再按“评估手段”标签为 Q（问卷）、S（传感器）、Q+S。
2.2.最终纳入41篇实证+13篇综述。
2.3.综述汇总（原文表1）。
2.4.人口学特征及分布（原文图2）。
2.4.1.21.95%的研究以欧洲裔为主体；
2.4.2.女性受试者比例（28项研究，占比65.85%）明显高于男性。
2.4.3.大部分患者年龄集中在70-90岁区间。
3.评估方式变迁
3.1.既往传统的基于问卷的主观测量（主要评估工具归纳为原文表2）；
3.2.起于1992年基于传感器的客观测量，到新兴的多式联运；
3.2.1.从1992年到2023年，基于传感器的单模态研究经历了佩戴运动传感器到精密混合式运动传感器，对患者进行连续监测。
3.2.2.2016年开始探索整合多源数据的多模态分析方法，包括睡眠和内环境紊乱，突破单模态方法的局限。
3.2.3.2021年开始加入脑脊液标志物测量、环境如光照何噪音等因素考量。
3.3.多模态技术整合策略
3.3.1.风险识别（@Home）
– 传感技术检测：腕式加速度+ 门磁 + 语音助手（环境收音）。
– 指标：连续 3 日“L5 活动量”>日间均值 35% → 推送风险警报给家属/远程护士。
– 算法：轻量化时序 CNN，边缘计算，不上传原始视频，减少隐私顾虑。
3.3.2.辅助诊断（@Clinic）
– 认知+症状评估：眼动+ 语音 + 可穿戴心电。
– 目标：为临床提供“客观 SS 严重度分数”，与 NPI 并行写入病历，提高跨中心一致性。
– 规范：建立开放数据集（作者团队已启动 SS-OpenBase），含同步 NPI、眼动、加速度、语音，供算法挑战。
3.3.3.连续监测（@Memory Care Unit）
– 毫米波雷达组网，无需佩戴；边缘节点实时跌倒+游走检测。
– 训练个性化“日落曲线”，用于护士交班。
– 研究终点：减少物理约束使用率和夜间跌倒事件。
3.3.4.精准干预
– 分层逻辑：
– 轻度（维度得分 1–2）：自动触发柔和音乐+ 色温可调灯。
– 中度（维度得分 3–4）：推送AR 提示至护工眼镜，提示“引导如厕/补水”。
– 重度（维度得分 5+）：联动护士站，准备低剂量 PRN 抗精神病药。
– 闭环评估：干预后30 min 传感指标回落≥20% 视为有效，否则升级措施。
3.3.5.技术–人文双轨伦理
– 采用“tiered consent”模式：轻–中–重度认知障碍患者对应不同代理人层级。
– 数据脱敏+联邦学习，确保跨机构共享时原始生物特征不可追溯。
三、核心观点
1.“问卷–传感器”桥接是突破口
1.1.传统量表只能提供“低频快照”；
1.2.穿戴式/环境传感器可捕捉黄昏时段的“高频微观变化”；
1.3.两者结合才能兼顾生态效度与客观精度。
2.五域症状是多模态指标落地的“锚点”
2.1.SS五大核心领域症状包括：(1)精神运动症状；(2)情绪与情感症状；(3)精神病性症状；(4)认知与感知障碍；(5)日常生活活动能力（ADL）与失能状态（IADL）的变化。
2.2.每一域都可匹配对应的传感特征：如精神运动域用加速度/步态等躁动捕捉，情绪域用语音–面孔情感识别激越，认知–感知域用眼球追踪与睡眠–光照节律参数，脑电活动、磁共振成像通过分析大脑活动模式来预测和诊断抑郁症等疾病。
2.3.把“行为–信号”一一对应，不仅能提升健康老年人的情绪与认知功能，还能有效辅助SS患者的情绪症状管理。
3.技术整合策略必须服务于“照护者减负” ：系统输出不能只是科研指标，而要转化为居家可行的警报阈值、干预提示和远程共享报告，才能真正降低照护负荷、提升患者安全。
四、未来与展望
1.构建SS多模态“五步监测路线图”（原文图4）
2.与传感器–任务整合策略形成互补，整合成一个连贯的SS过程导向实践框架。
3.未来需：
3.1.收集全面、高质量的临床数据集进行验证；
3.2.重点开发能够有效处理和分析大规模多模态数据集的稳健系统；
3.3.探索在多模态框架下运用环境传感器监测并调节光照强度改善睡眠障碍；
3.4.建立动物模型并结合跨物种研究来识别相关的生物标志物。
作者强调：
随着人工智能技术在老年人群（包括阿尔茨海默病患者）中的应用日益广泛，必须将伦理问题置于优先地位，尤其是涉及患者隐私保护和AI系统可信度的议题。
本文仅代表编辑个人对原文献的翻译理解，不能作为直接引用证据。原文献可通过PubMed获取。