今天，在神经介入外科学会 (SNIS) 第 20 届年会上，研究人员讨论了一款智能手机应用程序，该应用程序能够利用机器学习的力量可靠地识别患者中风的身体症状。

在这项名为“用于自主中风检测的智能手机机器学习算法”的研究中，加州大学洛杉矶分校大卫格芬医学院和保加利亚多家医疗机构的研究人员使用了来自四个大都市中风中心的 240 名中风患者的数据。在患者出现症状后 72 小时内，研究人员使用智能手机录制患者视频并测试他们的手臂力量，以检测患者的面部不对称、手臂无力和言语变化——所有这些都是典型的中风症状。

为了评估面部不对称性，研究作者使用机器学习分析了 68 个面部标志点。为了测试手臂的无力程度，该团队使用了智能手机标准内部 3D 加速计、陀螺仪和磁力计的数据。为了确定语音变化，研究人员使用梅尔频率倒谱系数(一种将声波转换为图像的典型声音识别方法)来比较正常和模糊的语音模式。然后，他们使用神经科医生的报告和脑部扫描数据测试了该应用程序，发现该应用程序足够灵敏和具体，可以在几乎所有情况下准确诊断中风。

加州大学洛杉矶分校大卫格芬医学院的血管和介入神经科医生 Radoslav Raychev 博士说：“想到这个应用程序和新兴的机器学习技术将如何帮助更多患者识别中风发作时的症状，真是令人兴奋。”“快速准确地评估症状对于确保中风患者生存并重新获得独立至关重要。我们希望这款应用程序的部署能够改变人们的生活和中风护理领域。”