09 février 2023
1 minute de lecture
Source/Divulgations
Raychev RI, et al. Résumé WMP120 : Développement d’algorithmes d’apprentissage automatique compatibles avec les smartphones pour la détection autonome des accidents vasculaires cérébraux. Présenté à : Conférence internationale sur l’AVC; Dallas; 8-10 février 2023.
Divulgations :
Raychev rapporte avoir reçu une subvention de recherche pour les travaux en cours, le soutien de Modest et de la Society of Vascular and Interventional Neurology, et une participation dans Modest et Spartan Micro. Veuillez consulter l’étude pour les informations financières pertinentes de tous les autres auteurs.
Un algorithme d’apprentissage automatique activé par smartphone peut être aussi efficace qu’un neurologue pour identifier les signes et les symptômes d’un AVC aigu, selon une recherche préliminaire présentée à la Conférence internationale sur l’AVC.
« De nombreux patients victimes d’un AVC n’arrivent pas à l’hôpital à temps pour un traitement anti-caillots, ce qui est l’une des raisons pour lesquelles il est essentiel de reconnaître les symptômes de l’AVC et d’appeler le 9-1-1 immédiatement. Radoslav I. Raychev, MD, FAHA, professeur clinique de neurologie à l’Université de Californie à Los Angeles, a déclaré dans un communiqué de presse connexe.
Les résultats préliminaires d’une étude récente suggèrent qu’une nouvelle application pour smartphone pourrait être aussi efficace qu’un neurologue pour détecter les signes d’AVC. Source : Adobe Stock
Raychev et ses collègues ont développé FAST.AI, une application pour smartphone conçue pour reconnaître les accidents vasculaires cérébraux à l’aide d’algorithmes d’apprentissage automatique, qui a identifié des symptômes typiques tels que l’asymétrie faciale, la faiblesse des membres supérieurs et les altérations de la parole.
Les chercheurs ont analysé les données de 269 personnes ayant reçu un diagnostic d’AVC aigu (âge médian, 71 ans ; 41 % de femmes) qui ont été admises dans quatre grands centres métropolitains d’AVC en Europe de l’Est entre juillet 2021 et juillet 2022. enregistrement vidéo, avec des données de bras collectées par des capteurs de l’appareil.
Les éléments de l’algorithme comprennent 68 points de repère faciaux pour mesurer l’asymétrie, un classificateur agnostique pour détecter la faiblesse du bras et un composant d’analyse de fréquence pour détecter une élocution anormale ou brouillée. Les chercheurs ont effectué tous les tests dans les 72 heures suivant l’admission et ont comparé chaque sortie d’apprentissage automatique avec l’impression clinique des neurologues.
Selon les résultats, les analyses de 18 311 images faciales ont démontré un degré significatif de sensibilité (99,42%), de spécificité (93,67%) et de précision (97,11%) dans la détection de l’asymétrie faciale, tandis que les résultats de 43 trajectoires de mouvement ont détecté une faiblesse du bras avec une sensibilité de 71,42%, 72,41 % de spécificité et 72,09 % de précision.
Les chercheurs ont également signalé que l’analyse préliminaire des algorithmes d’altération de la parole a confirmé les caractéristiques adéquates pour détecter les anomalies.
“Les premiers résultats confirment que l’application a identifié de manière fiable les symptômes d’un AVC aigu avec autant de précision qu’un neurologue, et ils aideront à améliorer la précision de l’application dans la détection des signes et des symptômes d’un AVC”, a déclaré Raychev dans le communiqué.
Référence:
