基于人工智能使用神经肌肉系统生物信号的萨科佩尼亚诊断技术:一项概念验证研究

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 在中风患者中 Sarcopenia 诊断是具有挑战性的,因为传统方法的局限性,如步行速度和手握强度.
• 半性中风患者往往有减少的意志能力,阻碍了标准的萨尔科佩尼亚评估.
• 对于需要最小的患者努力来评估中风幸存者的肌肉变化诊断工具的需求至关重要.

研究的目的:

• 开发和验证一种基于人工智能 (AI) 的诊断技术,用于中风患者的肉症.
• 为了利用来自神经肌肉系统的生物信号,特别刺激的肌肉收缩信号 (SMCSs),用于检测sarcopenia.
• 确定SMCS作为这种人群中肉类的潜在代用生物标志物.

主要方法:

• 收集了通过电动肌肉刺激在休息状态下从中风患者中收集的表面电肌图 (sEMG) 数据.
• 记录刺激肌肉收缩信号 (SMCSs),以捕捉运动单元的反应.
• 从SMCS数据中提取特征和训练有素的AI模型来诊断肉症,根据每个性别的既定参数进行验证.

主要成果:

• 基于人工智能的萨科佩尼亚诊断模型显示出高准确性,男性达到96%的准确性,女性达到95%.
• 从SMCS中提取特征被证明是有效的,以区分中风患者的肉症.
• 初步证据表明,SMCS可以作为可靠的代用生物标志物用于萨科佩尼亚.

结论:

• 使用SMCS的拟议人工智能技术提供了一个有希望的,低功耗的方法来诊断中风患者的肉症.
• 刺激肌肉收缩信号显示出作为评估中风幸存者的肌肉健康的新生物标志物的潜力.
• 这种人工智能驱动的方法可以显著改善在中风后护理中早期检测和管理.