机器学习预测双语中风后阿法西亚的恢复:与临床证据调整洞察力
Manuel Jose Marte1, Erin Carpenter1, Michael Scimeca1
1Center for Brain Recovery, Boston University, MA (M.J.M., E.C., M.S., M.R.-M., S.K.).
Stroke
|January 2, 2025
概括
机器学习模型预测双语中风幸存者的语音治疗结果. 语迷症的严重程度和认知表现是治疗语言改善和跨语言概括的关键因素.
科学领域:
- 神经科学是一个神经科学.
- 计算语言学 计算语言学
- 语音语言病理学 语言病理学
背景情况:
- 对于患有中风后失语的双语个体来说,个性化治疗规划需要预测治疗结果.
- 处理语言改进 (TLI) 和跨语言概括 (CLG) 是关键的结果.
- 确定预测特征对于临床决策至关重要.
研究的目的:
- 评估机器学习模型来预测中风后西班牙语-英语双语者的TLI和CLG.
- 确定预测这些结果的关键人口,临床和语言特征.
主要方法:
- 48名患有中风后失语的双语患者接受了20次语言治疗.
- 用了6个机器学习算法与16个策划特征 (人口统计,语言,认知,双语体验).
- 模型预测了治疗响应者 (TLI) 和CLG.
主要成果:
- 顶级模特获得了F1得分,TLI为0.767和CLG为0.790.
- 在被治疗的语言,教育和认知表现中,阿法西亚严重程度预测了TLI.
- 在未经治疗的语言和认知表现中,阿法西亚的严重程度预测了CLG.
结论:
- 机器学习模型可以预测双语中风幸存者的TLI和CLG.
- 失言症的严重程度和认知表现是重要的预测因素.
- 这些发现可以改善服务不足的人群的临床护理.


