皇家墨尔本理工大学的生物医学工程师开发了一种智能手机功能，可以让护理人员立即筛查患者是否患有中风。该公司与巴西圣保罗州立大学合作开发了一种人工智能工具，可以分析面部对称性和特定的肌肉运动。该工具基于面部动作编码系统，该系统通过面部肌肉的收缩或放松对面部动作进行分类。该人工智能结合图像处理工具进行了测试，并基于 14 名中风后患者和 11 名健康人的面部表情视频记录，能够在“秒”内以 82% 的准确率检测中风。研究团队正在寻求与医疗保健提供商合作，将这种人工智能驱动的智能手机功能转变为移动应用程序。他们还在考虑扩大其用途，以检测影响面部肌肉的其他神经状况。
负责这项研究的皇家墨尔本理工大学教授迪内什·库马尔表示，急诊室和社区医院有 13% 的中风病例被漏诊，65% 的病例未被确诊。性别、种族和地理位置也可能导致错过中风。由于许多中风发生在家里，最初的护理是由急救人员提供的，而且通常是在不理想的条件下进行的，因此迫切需要实时、用户友好的诊断工具。
作为市场快照，宾夕法尼亚州立大学和休斯顿卫理公会医院在 2020 年开发了一种基于机器学习的工具，该工具使用计算面部运动分析和自然语言处理来检测类似中风的症状，例如面部肌肉下垂和言语不清。还有应用于脑部扫描的人工智能驱动的中风风险评估和检测功能，例如最近韩国 Nunaps 批准的 NNS-SOT 和泰国朱拉隆功大学研究人员批准的 AICute。此外，Fitbit 和 Apple 等公司的可穿戴设备越来越多地配备传感器来检测心房颤动（一种可能导致中风的心律失常），并且这两种设备均已获得美国食品和药物管理局的批准。在亚洲，一些移动应用程序引入了房颤检测功能，例如香港的远程医疗应用程序DrGo和台大医院的RhythmCam。
【新闻评论】
皇家墨尔本理工大学生物医学工程师开发的智能手机功能使急救人员能够立即筛查中风患者。该技术是与巴西圣保罗州立大学合作开发的，作为一种人工智能驱动的工具，可以分析面部对称性和特定的肌肉运动。该系统基于对面部肌肉运动进行分类的面部动作编码系统，通过中风后和健康人的面部表情视频记录进行测试，可以在“秒”内以 82% 的准确度检测中风。
这项技术的发展源于急诊室和社区医院存在一定数量的中风病例被漏诊或未确诊的问题。基于性别、种族和地理位置的偏见也可能导致监督。由于许多中风发生在家里，并且初始护理通常是在不理想的条件下进行的，因此迫切需要开发一种实时、易于使用的诊断工具。
这种人工智能驱动工具的开发预计将通过实现中风的早期检测和快速响应来提高患者的康复率。该技术还可用于检测影响面部肌肉的其他神经系统疾病，预计未来将在更广泛的医疗领域得到应用。
然而，实施这项技术存在一些挑战。虽然82%的准确率较高，但剩下的18%存在误诊或疏忽的可能性。还需要考察人工智能判断标准对不同种族和性别的适应性程度，是否存在地域偏见。此外，该技术的广泛使用涉及许多步骤，包括对医疗保健提供者和急救人员进行培训、保护数据隐私以及获得医疗设备认证。
从长远来看，此类人工智能驱动工具的开发和广泛使用预计将大大有助于包括中风在内的许多疾病的早期发现和治疗。然而，为了实现这一目标，需要解决提高技术精度、解决伦理问题、建立法律法规等各种问题。