200
评论
查看更多
密码过期或已经不安全，请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
作者：复旦大学附属华山医院神经内科 颜庭梦 徐佳洁
卒中作为一种可治性疾病，早期识别相关症状有助于卒中的治疗。尽管临床医生已非常熟悉FAST口诀，但在许多非医疗场景中，如果非医学人士也能早期识别卒中症状，将有助于疾病的早期诊断与治疗。
为此，来自加利福尼亚大学洛杉矶分校的Radoslav Raychev 团队设计了FAST AI 人工智能项目，并在2024年ISC大会上介绍了该项目。
研究设计及研究方法
研究团队首先利用数据采集装备，结合面部影像、上肢运动速度和角度、声音采集，分别检测面部对称性、上肢肌力和语言障碍。综合上述三点判断是否发生卒中事件。
得到初步AI诊断模型后，研究团队进一步在全美5家中心进行验证。
纳入标准
01
年龄≥18岁
02
发病72小时内的卒中患者（出血性或缺血性）
①NIHSS 1-15分
②且具有脸下垂、言语混乱、肢体无力三项中的任意一项
03
周围性面瘫（Bell麻痹）患者：通过影像除外卒中
04
疑似卒中的健康人群：没有神经功能缺损症状或影像上没有卒中证据
排除标准
01
哑或无法遵嘱的患者
02
完全偏瘫的患者
03
再灌注治疗后发生出血转换的患者
研究结果
研究最终纳入400例受试者，其中脑出血患者22例（5.5%），脑缺血患者264例（66%），面瘫患者43例（11%），健康对照组71例。其中280例受试者用于机器学习模型的训练，120例用于模型验证。
结果显示，以神经科医生的诊断作为金标准，FAST AI 对卒中患者的诊断敏感度为0.99 （95%CI 0.95~1.00), 特异度为0.90 （95%CI 0.80~1.00)；对面瘫患者的诊断敏感度为0.78 （95%CI 0.76~00.80), 特异度为0.70 （95%CI 0.68~0.72)。
研究结论
综上，FAST AI 对卒中的诊断及鉴别诊断性能良好，普及的智能终端有助于非医疗人士对卒中的早期发现，为智能医疗提供新方向。人工智能在医疗领域的应用值得期待，但同时对于一些表型不明显的卒中诊断，如视觉症状等，并未纳入FAST AI项目，仍需借助患者主诉与医生经验进行诊断。大数据对于客观的临床表型可进行采集分析，但对于部分主观主诉等（如头痛、视觉症状等）人工智能难以“编码”的部分，还是需要人工进行解读与分析。
更多精彩内容，请持续关注壹生华山特约专题！
查看更多
中国医学论坛报
壹生
今日肿瘤
今日循环
今日糖尿病
今日口腔
全科周刊
脱贫地区农副产品网络销售平台
京公网安备 11010202008182号
| 互联网新闻信息服务许可证编号：10120190017