使用F波响应的人工智能模型预测了肌缩性侧面硬化症

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:

• F波研究对于检测肌缩侧面硬化症 (ALS) 中的亚临床运动功能障碍至关重要.
• F波波形变异性对诊断ALS的解释提出了挑战.
• 人工智能 (AI) 具有从F波数据中提取复杂特征的潜力.

研究的目的:

• 开发和验证人工智能模型,以使用F波分析进行增强的ALS诊断.
• 评估人工智能模型区分ALS与模仿疾病的能力.
• 研究人工智能驱动的对ALS预后和生存因素的见解.

主要方法:

• 对46802个F波研究的回顾性分析.
• 离散波段变换的应用,从波形中提取时间频率特征.
• 通过使用波形特征,患者人口统计和临床数据来训练渐变增强机模型.
• 对ALS患者和年龄/性别匹配的对照进行验证,并对模仿疾病 (IBM,根性病变,神经病变) 进行探索性分析.

主要成果:

• 人工智能模型在ALS分类中实现了90%的回忆,87%的精度和88%的准确性.
• 模型性能在使用全波形,M波或F波特征时保持一致.
• 人工智能衍生的概率显著区分了ALS与模仿诊断 (p<0.001).
• 发病时年龄较大,家族病史较高,ALS概率较高,降低了生存率;诊断延迟较长,上肢发病增加了生存率.

结论:

• 人工智能有效地从F波反应中提取信息特征,用于ALS诊断和预后.
• 人工智能模型提供了有价值的概率,以帮助临床医生区分ALS和模仿疾病.
• 将人工智能集成到临床工作流程中可以导致早期的ALS诊断和基于生存预测的改善患者管理.