生物科学门户网站
BIO1000.COM

新工具可以使用智能手机诊断中风

宾夕法尼亚州大学公园市-宾夕法尼亚州立大学和休斯敦卫理公会医院的研究人员创建的新工具可以根据患者的言语能力和面部肌肉运动异常以及急诊室医师的准确性诊断中风与智能手机互动的分钟。

宾夕法尼亚州立大学信息科学与技术教授詹姆斯·王(James Wang)表示:“当患者遇到中风症状时,每一分钟都很重要。”“但是,在诊断中风时,急诊室医生的选择有限:派遣患者进行昂贵且耗时的放射线扫描,或致电神经科医生-可能无法立即获得服务的专家进行临床诊断测试。”

Wang和他的同事们开发了一种机器学习模型,以帮助并可能加速医生在临床环境中的诊断过程。

王说:“目前,医生必须利用他们过去的训练和经验来确定应该在哪个阶段进行CT扫描。”“我们正在尝试使用我们的机器学习方法来模拟或仿真此过程。”

该团队的新颖方法是第一个通过使用计算面部动作分析和自然语言处理来识别患者面部或声音异常(例如下垂的脸颊或口齿不清)的实际急诊室中风患者,以分析中风的存在。 。

结果可以帮助急诊室医师更快地确定患者的关键后续步骤。最终,看护者或患者可以利用该应用程序在到达医院之前进行自我评估。

宾夕法尼亚州立大学信息科学与技术副教授Sharon Huang补充说:“这是使AI能够在紧急情况下帮助中风诊断的首批作品之一。”

为了训练计算机模型,研究人员从得克萨斯州休斯敦卫理公会医院的80多名中风症状患者中建立了数据集。每位患者被要求执行语音测试,以分析他们的语音和认知交流,同时将其记录在Apple iPhone上。

Huang说:“在自然环境中获取面部数据使我们的工作变得强大而实用,可用于现实世界的临床应用,并最终使我们能够对中风和自我评估进行远程诊断。”

在休斯顿卫理公会的数据集上测试该模型后,研究人员发现其性能达到了79%的准确度,与急诊室医生进行的临床诊断相当,后者使用了CT扫描等其他测试。但是,该模型可以在短短四分钟内对患者进行评估,从而有助于节省诊断中风的宝贵时间。

休斯顿卫理公会医院Eddy Scurlock中风中心的血管神经病学家和联合主任John Volpi说:“中风时每分钟都有数百万的神经元死亡。”“严重中风从患者进入急诊室那一刻起对我们的提供者来说是显而易见的,但是研究表明,在大多数中度至中度症状的中风中,诊断可能会延迟数小时,然后患者才能延迟可能没有资格获得最佳治疗。”

王廷聪和魏芳超大脑研究中心生物医学工程高级总裁尊敬的黄宏伟补充说:“您越早发现中风,我们就可以为患者提供更好的选择。”和休斯顿卫理公会癌症中心。“这就是使早期诊断必不可少的原因。”

沃尔皮说,医生目前使用二进制方法诊断中风:他们要么怀疑中风,要么让患者进行一系列可能涉及放射线的扫描。或他们不怀疑中风,可能忽视了可能需要进一步评估的患者。

该论文的合著者沃尔皮说:“在那次分类中,我们认为是偏向于过度利用(具有风险和利益的扫描)或诊断不足。”“如果我们可以改善前端的诊断,那么我们可以更好地使合适的患者面临合适的风险,而不会错过可能受益的患者。”

他补充说:“我们拥有出色的中风疗法,药物和方法,但坦率地说,我们的诊断方法非常不准确。”

该项目的其他合作者包括蔡同安和俞明丽,与宾夕法尼亚州立大学的王和黄合作的研究生;休斯顿卫理公会医院肿瘤学电子工程副教授Kelvin Wong。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。