工具可以用智能手机诊断中风
一种新工具可以根据患者的语言能力和面部肌肉运动异常诊断中风，其准确性与急诊室医生一样——只需与智能手机互动几分钟即可完成。机器学习模型有助于并可能加快医生在临床环境中的诊断过程。
目前，医生必须利用他们过去的培训和经验来确定应该在什么阶段将患者送去进行 CT 扫描。新工具通过使用计算面部运动分析和自然语言处理来识别患者面部或声音中的异常，例如下垂的脸颊或含糊不清的言语，从而分析疑似中风的实际急诊室患者中是否存在中风。
结果可以帮助急诊室医生更快地确定患者的关键下一步。最终，护理人员或患者可以使用该应用程序在到达医院之前进行自我评估。
为了训练计算机模型，研究人员建立了一个数据集，该数据集来自 80 多名在医院出现中风症状的患者。每位患者都被要求进行语音测试，以分析他们在 Apple iPhone 上录制时的语音和认知交流。
研究人员在医院数据集上测试该模型，发现其性能达到了 79% 的准确率——与急诊室医生的临床诊断相当，后者使用 CT 扫描等额外测试；但是，该模型可以帮助节省诊断中风的宝贵时间，并且能够在短短四分钟内对患者进行评估。在严重的中风中，从患者进入急诊室的那一刻起，医生就很清楚，但研究表明，在大多数症状轻微的中风中，诊断可能会延迟数小时，到那时，患者可能没有资格获得最好的治疗方法。
医生目前使用二元方法来诊断中风：他们要么怀疑中风，将患者送去进行可能涉及辐射的一系列扫描，要么他们不怀疑中风，可能会忽略可能需要进一步评估的患者。
传感器