Penn State ve Houston Methodist Hastanesi'nden araştırmacılar, doktorların inmeyi hızla teşhis etmelerine yardımcı olacak bir araç geliştirdiler. Akıllı telefon şeklindeki bu yeni araç, hastanın konuşma ve yüz hareketlerini kaydediyor ve daha sonra bir makine öğrenmesi algoritması, inme olma ihtimalinin olup olmadığını belirlemek için bu verileri işliyor. Araştırmacılar, sistemlerinin inme teşhisinde bir acil servis klinisyeni kadar başarılı olduğunu ve dakikalar içinde doğru yanıtlar verebileceğini gösterdiler.
Çalışmaya katılan araştırmacılardan James Wang, "Bir hasta inme semptomları yaşadığında, her geçen dakika büyük önem arz eder; ancak inme teşhisi söz konusu olduğunda, acil servis doktorlarının sınırlı seçenekleri vardır: hastayı genellikle pahalı ve zaman alan radyoaktivite tabanlı taramalara gönderir veya klinik teşhis testleri yapmak için bir uzman nöroloğa ulaşmaya çalışırlar, ki bu da vakit alan bir durumdur. İnmede hızlı teşhis, uzun vadeli hasarı sınırlamak için hayati önem taşır. Bununla birlikte bazı durumlarda klinisyenler tarafından hafif belirtiler gözden kaçabilir, bu da tedavinin geciktiği anlamına gelir.” dedi.
Çalışmaya katılan başka bir araştırmacı John Volpi, "İnme sırasında her dakika milyonlarca nöron ölüyor. Şiddetli inme durumlarında semptomlar daha kolay kendini belli ettiği halde; hafif ila orta dereceli semptomları olan inmelerin çoğunda, doğru tanının konması saatler alabiliyor ve hastanın mümkün olan en iyi tedaviye ulaşması için iş işten geçmiş olabiliyor.” açıklamasında bulundu.
Yeni sistem, inme şüphesi olan kişinin yüz hareketlerini gözlemlemek için bir akıllı telefon kullanıyor. Bu sistem, konuşurken sözcüklerin gevelenmesi veya yüz kaslarının sarkması gibi inmeye işaret edebilecek semptomları tespit edebiliyor. Sistemin bunu yapmasına izin vermek için araştırmacılar, makine öğrenmesi algoritmasını eğiterek inme semptomları yaşayan 80'den fazla hastadan oluşan bir veri kümesini kullandılar ve sistemi güçlendirdiler.
Şimdiye kadar araştırmacılar, teknolojilerinin inme teşhisinde %79 oranında başarılı olduğunu gösterdiler, bu da acil servis doktorlarının teşhis doğruluğuna yakın bir oran. Sistemin yanıt vermesi yalnızca birkaç dakika sürdüğünden, acil servis doktorunun teşhis sürecine katkısı olacağı düşünülüyor. Dahası, ilerleyen zamanlarda sistemi eğitmek için daha büyük bir veri kümesi kullanılırsa, teşhislerin doğruluk oranını artırmak da mümkün olabilecek.
