医疗紧急呼叫中的中风检测：一项回顾性分析及人工智能决策支持模型的探索性评估

《Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine》：Stroke detection in medical emergency calls: a retrospective analysis and exploratory evaluation of an AI decision support model

　　

摘要

背景

在医疗紧急呼叫中及时识别急性中风对于优化患者预后至关重要。我们的目标是：（i）描述中风患者的院前治疗过程；（ii）探讨在“医疗紧急呼叫中的人工智能支持”项目中开发的人工智能（AI）模型在急诊医疗通信中心（EMCC）辅助决策方面的能力。

方法

我们使用了2018年至2019年间在急诊医疗通信中心（EMCC）被诊断为中风的1,164名患者的数据进行了回顾性分析，重点关注那些主要由EMCC工作人员进行评估的患者。我们将患者分为最佳治疗路径组和非最佳治疗路径组，并应用逻辑回归分析影响最佳治疗路径的因素。该AI模型使用了2,980个紧急呼叫数据集（2019年和2022年）进行训练，整合了转录的音频记录和结构化的临床数据。该模型在完整数据集以及被EMCC错误评估的子集上进行了评估。

结果

失语症/构音障碍是唯一与最佳治疗路径相关的因素。该AI模型的敏感性为81.0%，特异性为79.6%，F1分数为64.7%。在亚组分析中，有14例假阴性和41例假阳性病例。该模型在14例假阴性病例中正确预测了中风，在41例假阳性病例中排除了中风的可能性。

结论

这项探索性评估表明，结合音频和结构化临床数据的多模态AI流程可能在医疗紧急呼叫中辅助决策方面具有潜力。内部结果令人鼓舞，但需要在对更大规模和外部数据集的研究来验证这些发现。