一项关于机器学习辅助中风识别的回顾性研究,用于医疗热线呼叫

科学领域:

• 紧急医疗 紧急医疗
• 人工智能的人工智能
• 公共卫生 公共卫生

背景情况:

• 先进的中风治疗是时间敏感的,需要快速识别和住院治疗.
• 医院前远程医疗服务和医疗热线呼叫对于初步中风评估至关重要.
• 呼叫接收员准确的医院前中风识别对于及时干预至关重要.

研究的目的:

• 开发和评估一个机器学习 (ML) 框架,以提高医院前中风识别.
• 评估ML在提高中风识别在紧急呼叫中的准确性方面的潜力.
• 为医疗热线服务中呼叫者提供支持工具.

主要方法:

• 利用来自哥本哈根 (2015-2020) 的医疗辅助电话数据集用于ML模型开发.
• 采用自动语音识别来转录电话,然后进行文字分类以识别中风.
• 测试了从2021年起的呼叫中的ML管道,将其性能与人类呼叫接收者进行比较.

主要成果:

• 人类接电话的灵敏度为52.7%,正预测值为17.1%.
• 开发的机器学习框架显著提高了性能 (p < 0.0001).
• ML框架实现了63.0%的灵敏度和24.9%的PPV.

结论:

• 机器学习框架可以显著提高医疗热线呼叫中的医院前中风识别.
• 这种由人工智能驱动的工具有可能帮助接电话的人更早,更准确地诊断中风.
• 实施这样的框架可能会导致更快的病人住院治疗和改善中风的结果.