今日文獻聚焦於預後預測（跌倒）、病理機制（tau與神經退化時序）、照護標準化（激惹行為）及鑑別診斷（INPH vs AD）四個方向，其中機器學習與感知測驗結合的創新方法具備較高臨床轉化潛力，尤其在鑑別可治療性失智症方面具有實用價值。
Research Square · Artificial Neural Network models (ANNs) in identifying Idiopathic Normal Pressure Hydrocephalus (INPH) and Alzheimer Dementia (AD) patients:
透過羅夏測驗分析感知模式結合人工神經網路，可有效區分可治療之INPH與不可逆之AD，提供非侵入性鑑別工具。
Alzheimer's & Dementia · FALLS PREDICT FASTER PROGRESSION OF ALZHEIMER DEMENTIA
老年人跌倒事件與阿茲海默症認知與功能惡化速度加快呈正相關，可作為早期警示徵兆。
JAMA Neurology · Standardizing Care for Agitation in Alzheimer’ Dementia: Results from a Randomized Controlled Trial of an Integrated Care Pathway versus Usual Care ‐The StaN trial
實施統合照護路徑（StaN trial）比常規照護更有效減輕阿茲海默症患者激惹行為，改善患者及照護者負擔。
Brain · Does Neurodegeneration Lag Behind Tau Deposition in Alzheimer Dementia?
探討tau病変是否先於可測量的神經退化發生，挑戰傳統「 amyloid先於tau 」假設，影響早期診斷與治療時機。