在中风警报中运行人工智能:在预测急性脑血管疾病时平衡敏感性和特异性
Margaret H Downes1, Asala N Erekat2,3, Benjamin R Kummer2,3,4,5
1Icahn School of Medicine at Mount Sinai, New York, New York, United States.
Seminars in neurology
|December 11, 2025
概括
一个新的AI模型,ScanNER v2,有助于在中风警报中识别急性脑血管疾病 (ACD),减少虚假阳性. 这种机器学习工具旨在改善及时和准确的急性中风护理.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 错误的阳性急性中风警报是常见的,导致诊断挑战.
- 现有的系统很难有效地区分真正的急性脑血管疾病 (ACD) 和其他疾病.
研究的目的:
- 描述一个支持人工智能的管道ScanNER v2的开发和运行,用于预测ACD.
- 将人工智能工具集成到医院中风系统中的实用框架概述.
主要方法:
- 开发了ScanNER v2,一种使用大语言模型和结构化临床数据的机器学习模型.
- 在10年内对大约16000个中风预警进行了验证.
- 探索实施策略,重点关注高灵敏度与高特异性.
主要成果:
- ScanNER v2 实现了接收机操作曲线下的面积为 0.72,F1 评分为 0.72.
- 该模型显示,检测ACD的整体正预测值为0.68.
- 确定了不同实施方法的操作和临床权衡.
结论:
- 像ScanNER v2这样的人工智能辅助工具在提高急性中风护理方面表现有前途.
- 负责任的部署需要仔细考虑实施,治理,工作流程和公平.
- 对人工智能的深思熟虑的整合对于提高中风预警系统的效率和准确性至关重要.
