机器学习用于分类大血管封闭性脑卒中,使用光聚缩学生物标志物

科学领域:

• 生物医学工程 生物医学工程
• 神经学 神经学
• 医学诊断 医学诊断 医学诊断

背景情况:

• 大血管闭塞 (LVO) 中风需要快速干预,通常是血管内血栓切除术,需要专门的医院接收.
• 在LVO中风的医院前识别对于有效的患者分拣到适当的中风中心至关重要.
• 对于LVO中风,现有的临床评估工具可能是耗时的,对于某些患者群体来说是不切实际的.

研究的目的:

• 为了评估使用短时间光电显微镜 (PPG) 记录用于LVO中风识别的可行性.
• 开发一种快速的方法来帮助紧急服务部门识别潜在的LVO中风病例.

主要方法:

• 在急诊室收集了88名患者的30秒PPG录音 (25名LVO,27名中风模仿者,36名非LVO中风).
• 从PPG数据中提取了人口统计学,形态学和心率变化特征.
• 使用二进制分类模型与2:1列车测试分割,重复100次,以区分LVO与非LVO/中风模仿.

主要成果:

• 开发的分类模型在测试组上实现了0.77的接收器操作特征曲线 (AUROC) 下的中位面积.
• 结果表明,通过使用PPG,LVO中风与其他疾病的区别能力适度.

结论:

• 一个30秒的PPG录音有潜力作为一种工具,以协助早期识别LVO中风.
• 这种非侵入性方法可以支持LVO中风患者更快的分组和治疗启动.