智能手机工具以急诊级准确度诊断中风
新工具可基于患者言语能力异常和面部肌肉运动异常诊断中风,准确度媲美急诊室医生——仅需几分钟通过智能手机交互完成。机器学习模型辅助并可能加速临床环境下医生诊断过程。
目前医生依赖过往培训经验判断患者何时应送CT扫描。新工具通过计算面部运动分析和自然语言处理,分析实际疑似中风急诊患者中风存在情况,识别面部或声音异常,如面颊下垂、言语不清。
结果可帮助急诊医生更快确定患者关键后续步骤。最终应用可供护理人员或患者在到院前自我评估。
为训练计算机模型,研究人员从80余名医院中风症状患者建立数据集。每位患者接受语言测试分析言语和认知沟通,同时用Apple iPhone录制。
在医院数据集测试模型,性能达79%准确率——可比急诊医生临床诊断(医生额外用CT等检查);但模型可节省宝贵诊断时间,最快4分钟评估患者。严重中风患者入急诊瞬间医生即可明确,但研究表明大多数轻症中风诊断会延误数小时,届时患者可能错过最佳治疗窗口。
医生目前用二元法诊断中风:要么怀疑中风送系列扫描(可能涉及辐射),要么不怀疑潜在漏诊需进一步评估患者。
传感器