(资料图)

中风是最危险和最常被误诊的疾病之一。黑人和西班牙裔人、妇女、享受医疗保险的老年人以及农村地区的人不太可能及时得到诊断以使治疗有效。在一项新研究中，研究人员使用机器学习方法和患者入院时可用的数据来开发一种模型，该模型可以比当前模型更准确地预测中风。

这项由卡内基梅隆大学 (CMU)、佛罗里达国际大学 (FIU) 和圣克拉拉大学 (SCU) 的研究人员进行的研究发表在《医学互联网研究杂志》上上。

诊断错误是一个重大的公共卫生问题，由此类错误导致的可预防的中风亡发生率是心肌梗亡的 30 多倍。由于有许多类似中风的情况，例如癫痫发作、偏头痛和酒精中，因此诊断中风很困难。这些困难会导致延误，从而加剧健康问题。

一种用于分析可用数据并建议中风诊断的自动筛查工具具有帮助解决该问题的巨大潜力。科学家们已转向人工智能和机器学习，以从大量数据中识别隐藏的见解，并为新患者做出预测。

“机器学习方法已被用于通过解释详细数据(例如临床记录和诊断成像结果)来帮助检测中风，”CMU 亨氏学院管理科学和医疗保健信息学受托人教授 Rema Padman 解释说，他是该研究的共同作者。“但是，当患者最初在医院急诊科进行分诊时，尤其是在农村和服务欠缺的社区，这些信息可能不容易获得。”

Padman 和她的同事试图根据患者入院时广泛可用的数据开发一种中风预测算法。他们还评估了健康社会决定因素 (SDoH) 在预测中风方面的附加值;这些包括人们出生、成长、生活和变老的条件，以及这些条件的驱动因素。

他们的研究调查了 2012 年至 2014 年在佛罗里达州急救医院就诊的超过 143,000 名独特患者的就诊情况。研究人员还查看了来自美国人口普查美国社区调查的 SDoH 数据。他们的模型纳入了医疗保健提供者和付款人在进入医院时例行收集的变量，例如基本人口统计数据(年龄、性别、种族、)、慢性病数量和主要付款人(例如，医疗保险、医疗补助或私人保险)。

标签：