Das Modell des maschinellen Lernens sagt anhand vorhandener Daten einen Schlaganfall genau voraus

Jan 17, 2024

Die Diagnose eines Schlaganfalls kann schwierig sein, da die Patienten nicht immer klassische Symptome aufweisen und andere Erkrankungen diese nachahmen können. Forscher haben vorhandene Daten genutzt, um ein maschinelles Lernmodell zu entwickeln, das einen Schlaganfall genau vorhersagt und die Diagnose erleichtern könnte.

Diagnosefehler stellen ein großes Problem für die öffentliche Gesundheit dar und tragen zu vermeidbaren Gesundheitsschäden und Mehrausgaben für die Gesundheit bei. Vermeidbare Todesfälle durch Schlaganfälle aufgrund von Diagnosefehlern sind 30-mal häufiger als falsch diagnostizierte Herzinfarkte.

Die Diagnose eines Schlaganfalls kann besonders schwierig sein, da seine Anzeichen und Symptome durch andere Erkrankungen wie Krampfanfälle, Migräne, psychiatrische Störungen sowie Drogen- und Alkoholvergiftung nachgeahmt werden können. Darüber hinaus können Schlaganfälle mit atypischen Symptomen einhergehen. Ungefähr 25 % der Schlaganfallpatienten weisen nicht die üblichen Sprachprobleme, herabhängendes Gesicht und Schwäche der Gliedmaßen auf, was die Fähigkeit eines Arztes, eine genaue Diagnose zu stellen, zusätzlich erschwert.

Forscher der Universitäten Carnegie Mellon, Florida International und Santa Clara haben ein automatisiertes Screening-Tool mithilfe maschineller Lerntechnologie entwickelt, um das Rätselraten bei der Diagnose eines Schlaganfalls zu vereinfachen.

„Maschinelle Lernmethoden wurden eingesetzt, um Schlaganfälle zu erkennen, indem sie detaillierte Daten wie klinische Notizen und diagnostische Bildgebungsergebnisse interpretieren“, sagte Rema Padman, korrespondierende Autorin der Studie. „Solche Informationen sind jedoch möglicherweise nicht ohne weiteres verfügbar, wenn Patienten zunächst in der Notaufnahme von Krankenhäusern untersucht werden, insbesondere in ländlichen und unterversorgten Gemeinden.“

Um ihren Algorithmus zur Schlaganfallvorhersage zu entwickeln, verwendeten die Forscher zwischen 2012 und 2014 mehr als 143.000 individuelle Patientendatensätze aus Einweisungen in Akutkrankenhäuser in Florida. Sie bezogen auch Daten aus der American Community Survey des US Census Bureau ein, die demografische Daten wie das Alter umfasste , Geschlecht, Rasse und bestehende Erkrankungen.

Das maschinelle Lernmodell sagte einen Schlaganfall mit einer Genauigkeit von 84 % voraus. Es war außerdem hochempfindlich und übertraf bestehende Diagnosemodelle, die dazu neigen, bis zu 30 % der Schlaganfälle zu übersehen.

„Die mäßige Empfindlichkeit bestehender Modelle gibt Anlass zur Sorge, dass sie einen erheblichen Prozentsatz der Menschen mit Schlaganfall übersehen“, sagte Min Chen, Hauptautor der Studie. „In Krankenhäusern mit einem Mangel an medizinischen Ressourcen und klinischem Personal kann unser Algorithmus aktuelle Modelle ergänzen, um dabei zu helfen, Patienten schnell für eine geeignete Intervention zu priorisieren.“

Die Ergebnisse der Studie legen nahe, dass dieses Modell des maschinellen Lernens die Wahrscheinlichkeit, dass eine Person einen Schlaganfall hatte oder hat, genau vorhersagen kann, bevor eine Bestätigung durch diagnostische Bildgebung oder Labortests erfolgt.

„Da unser Modell keine klinischen Notizen oder diagnostischen Testergebnisse erfordert, könnte es besonders nützlich sein, um die Herausforderungen bei Fehldiagnosen zu bewältigen, wenn es um begehbare Schlaganfallpatienten mit milderen und atypischen Symptomen geht“, sagte Xuan Tan, Co-Autor der Studie Studie. „Es könnte auch in Notaufnahmen von Zentren mit geringem Aufkommen oder in Notaufnahmen von Zentren ohne Schlaganfall nützlich sein, in denen die Anbieter nur begrenzt täglich einem Schlaganfall ausgesetzt sind, und in ländlichen Gebieten mit begrenzter Verfügbarkeit empfindlicher Diagnoseinstrumente.“

Die Forscher weisen jedoch darauf hin, dass ihr Algorithmus kein eigenständiges Modell sein soll; Es sollte in Verbindung mit bestehenden Modellen der Schlaganfalldiagnose verwendet werden.

Die Forscher empfehlen, ihren Algorithmus zur Schlaganfallvorhersage in ein automatisiertes, computergestütztes Screening-Tool zu integrieren, das zum Zeitpunkt der Krankenhauseinweisung verfügbar ist.

Die Studie wurde im Journal of Medical Internet Research veröffentlicht.

Quelle: Carnegie Mellon University