一种基于中风康复患者脑电图数据训练的机器学习模型，有助于预测新患者如何恢复行动能力。
中风后，大脑会经历增强的可塑性，如果患者能够迅速稳定下来，这种可塑性可以用于支持康复。为了利用这一点，医生需要了解患者的愈合能力，以及他们是否能够恢复运动控制。
Lassi等人创建了一个名为StrokeRecovNet的神经网络，该网络使用脑电图（EEG）来预测患者未来的运动康复情况。这以Fugl-Meyer评估量表（一种针对中风患者的基于表现的损伤指数）的持续更新分数呈现。
StrokeRecovNet将脑电图数据分解为短时间窗口，然后提取与不同脑活动相关的脑电图数据的定量特征。
“由于我们的主要目标是在中风后尽可能早地预测康复情况，我们首先在急性中风患者的数据集上测试了我们的模型，”作者Michael Lassi说。
然而，仅使用急性中风患者的数据与先前模型相比结果相似，因此研究人员在另一个来自亚急性中风患者的数据集上训练和测试了该模型——这些患者处于中风后几天或几周内。这改进了他们的结果，表明这些组合数据集可用于在急性阶段完善愈合预测。
未来，研究人员希望通过将上肢运动的运动学和肌电图数据纳入预测框架来改进模型，因为这些数据都包含有助于预测康复的重要信息。
“我们希望进一步将这种方法开发成一个灵活且模块化的框架，可以轻松适应不同类型的数据，为中风康复中更全面和个性化的预测模型铺平道路，”Lassi说。
消息来源：Michael Lassi、Stefania Dalise、Luigi Privitera、Nicola Giannini、Michelangelo Mancuso、Valentina Azzollini、Tommaso Ciapetti、Antonello Grippo、Silvestro Micera、Francesca Cecchi、Alberto Mazzoni、Carmelo Chisari和Andrea Bandini发表在《APL Bioengineering》期刊（2026年）上的研究论文“利用脑电图和亚急性数据增强急性中风后上肢运动康复预测”。
【全文结束】
