在脑卒中后食症中识别个性化吸气机制:基于VFSS的可解释机器学习方法
Tingting Jiang1, Lian Wang1,2, Jia Qiao1
1Department of Rehabilitation Medicine, The Third Affiliated Hospital of Sun Yat-sen University, Guangzhou, China.
Journal of oral rehabilitation
|December 16, 2025
概括
脑卒中后食障碍 (PSD) 的愿望源于复杂的时间协调问题,而不仅仅是单次延迟. 可解释的人工智能揭示了用于个性化治疗吞障碍的关键时间参数.
科学领域:
- 生物医学工程 生物医学工程
- 计算神经科学是一种神经科学.
- 临床吞研究 临床吞研究
背景情况:
- 脑卒中后消化不良 (PSD) 增加了吸入性肺炎的风险.
- 吞时间协调缺陷与愿望有关.
- 在PSD中,个体化的志向机制仍然未被充分探索.
研究的目的:
- 在PSD中确定志向的生物力学机制.
- 使用VFSS数据开发一个可解释的机器学习模型.
- 为精确的临床干预提供机制驱动的基础.
主要方法:
- 对135名PSD患者 (547次吞事件) 的回顾分析.
- 提取了十个基于VFSS的时间吞参数.
- 机器学习 (SVM) 和SHAP用于变量重要性和非线性贡献分析的应用.
主要成果:
- 支持矢量机 (SVM) 实现了92.7%的准确性.
- 确定了关键预测因素:喉前门关闭反应时间 (LCRT),口腔传输时间 (OTT),喉关闭至上食道关节开放间隔 (LC-UES),上食道关节开放持续时间 (UOD) 和阶段过渡持续时间 (STD).
- 渴望源于复杂的时间失调,具有参数之间的非线性和交互效应.
结论:
- 与VFSS时间参数集成的可解释机器学习阐明了PSD愿望机制.
- 结果提供了对人口和个体吞水平的见解.
- 建立了PSD中精确指导的临床干预的基础.
