Sztuczna inteligencja i rozpoznawanie udaru mózgu na podstawie treści wezwań zespołów ratownictwa medycznego

Badanie przedstawione na konferencji Europejskiej Organizacji Udaru Mózgu w 2023 r. wykazało skuteczne potencjalne wykorzystanie sztucznej inteligencji (SI) w identyfikacji pacjentów z udarem mózgu na podstawie treści rozmów telefonicznych w czasie wezwań zespołów ratownictwa medycznego. Model SI zastosowany w badaniu działał lepiej niż ludzcy dyspozytorzy pod względem identyfikacji rzeczywistych przypadków udaru mózgu z wyższą pozytywną wartością predykcyjną.

Do celów badania naukowcy połączyli dane z duńskiego rejestru udarów mózgu z nagraniami wezwań pogotowania ratunkowego, aby wyszkolić model sztucznej inteligencji w zakresie transkrypcji połączeń audio i identyfikacji różnic między zgłoszeniami do przypadków będących udarami mózgu i nie będących udarami mózgu. Dane szkoleniowe objęły aż 1,5 miliona połączeń wykonanych w latach 2015–2020, wśród których znalazło się 7 370 wezwań do potwierdzonych później przypadków udaru mózgu. Model następnie zweryfikowano w oparciu o dane z 2021 r. z 344 tys. połączeń i stwierdzono, że sztuczna inteligencja prawidłowo zidentyfikowała 63% przypadków udaru w porównaniu z 52,7% zidentyfikowanymi przez dyspozytora. Model SI wykazywał również lepszą pozytywną wartość predykcyjną: 24,9% w porównaniu z 17,1% dla dyspozytora ludzkiego. Połączenie tych dwóch miar razem daje ogólny wynik F1 (jako ogólna miara dokładności testu) 35,7 dla modelu SI w porównaniu z 25,8 dla osób fizycznych obsługujących połączenia.

Autorzy zwracają jednak uwagę, że udar mózgu jest trudny do rozpoznania w czasie połączenia alarmowego, a wiele przypadków pozostaje niewykrytych, co prowadzi w efekcie do potencjalnych opóźnień w leczeniu. Oczywiście pomimo korzystnych wyników, rzeczywista wydajność modelu SI nadal wymaga starannej oceny, ponieważ w badaniu wykorzystano projekt retrospektywny. Jednak jeśli model działałby podobnie w warunkach rzeczywistych, może znacznie poprawić identyfikację udaru przez osoby obsługujące połączenia alarmowe, umożliwiając terminowe zaawansowane leczenie większej liczbie pacjentów. Autorzy zauważają również, że narzędzie SI można bardziej udoskonalić, aby wykrywało niewerbalne oznaki dźwiękowe udaru, takie jak zmiany w sposobie mówienia.

Źródło: Havtorn J.D. i wsp. A retrospective study on deep learning-enabled stroke recognition for a medical help line. Presented at the European Stroke Organisation Conference; 24 May 2023; Munich, Germany