[体育朝鲜记者张钟浩] 对于中风、脑梗塞和脑出血等脑血管疾病而言，早期检测至关重要。然而，目前的诊断通常只有在严重症状出现后，患者前往医院进行MRI或CT扫描等检查时才会进行。因此，识别日常生活中的渐进变化并提前检测风险一直存在局限性。
最近，由高丽大学安岩医院神经内科赵京熙教授、KAIST土木环境工程系林利莎教授和成均馆大学电子电气工程学院郑宙恩教授领导的研究团队证实，使用安装在家中的非接触式物联网传感器和人工智能（AI）预测脑血管疾病的前驱阶段和即将被诊断的风险具有潜力。
该研究使用了来自韩国1,224名65岁及以上独居老年人的智能家居数据。研究团队分析了13,362组14天观察数据。参与者被分为三组：598名无脑血管疾病史的对照组、598名已确诊脑血管疾病的患者，以及28名初始无诊断史但后来因脑梗塞或脑出血被送往医院的前驱病例。
基于运动传感器、门传感器和室内温湿度传感器的数据，研究团队分析了身体活动、睡眠模式和室内环境信息。特别是，AI被训练为全面学习家中活动水平的变化、睡前运动、夜间活动、不活动时段和睡眠碎片化。这里，非接触式传感器指无需附着在身体上即可检测运动或环境变化的设备，而前驱病例指尚未被诊断但已进入疾病发生可能性增加阶段的人群。
分析显示，在区分脑血管疾病前驱病例的任务中，AI模型的AUPRC（精确率-召回率曲线下面积）达到了0.85。在将已确诊患者与无脑血管疾病史的对照组区分开的任务中，其AUROC（接收者操作特征曲线下面积）达到了0.91。在预测前驱病例中即将被诊断的高风险状态时，其敏感度为95.12%，特异度为96.97%，准确率为96.53%。
研究还确定了AI认为重要的行为指标。在区分前驱病例时，主要指标包括晚上10点至凌晨2点前的睡前时段活动量持续增加、不活动时间减少以及入睡时间推迟。在已确诊患者中，凌晨早起时段的活动增加和睡眠频繁中断更为明显。在预测即将被诊断的风险时，傍晚的不活动、持续的活动水平和室内湿度成为重要因素。
这项研究的意义在于，它表明了一种支持工具的潜力，该工具通过持续监测日常生活变化，有助于早期就医和检测。特别是，独居的老年人可能会较晚发现症状或延迟就医，因此未来可以在家中无创检测预警信号的技术可能会有所帮助。
赵京熙教授表示："脑血管疾病是一种早期反应对预后有很大影响的疾病，但细微的变化在老年患者中很容易被忽视，"她补充说："这项研究表明，日常生活中的行为变化可以作为脑血管疾病风险的数字指标。"
题为"AI家庭监测脑血管疾病的行为标志物"的研究最近发表在数字健康领域的国际期刊《npj Digital Medicine》上。
张钟浩，bellho@sportschosun.com
【全文结束】