如果治疗延误，脑血管疾病可能导致严重后遗症，但在症状出现前很难被检测到。韩国科学技术院（KAIST）研究人员开发了一种人工智能技术，该技术通过分析老年人的真实日常生活活动和环境数据，基于在家中的细微变化来识别脑血管疾病风险的数字行为标志物。
由土木与环境工程系Lisa Lim教授领导的研究团队，与成均馆大学电子电气工程学院Jo Woon Chong教授以及高丽大学安岩医院神经内科Kyung-Hee Cho教授合作，开发了一种人工智能框架。该框架利用在老年人家中收集的长期生活日志数据，识别脑血管疾病的前驱期并评估即将面临的诊断风险。
该研究基于LivOn Care有限公司在真实居住环境中收集的1,224名老年人的生活日志数据。研究团队分析了13,362个为期两周的生活日志样本，证明了通过日常生活的细微变化检测早期预警信号的可能性，而不仅仅依赖于在疾病已经发生后进行治疗的传统方法。
研究团队开发的人工智能技术通过分析日常活动、睡眠、昼夜节律和室内环境信息，结合年龄和慢性病数据，识别脑血管疾病风险阶段。这表明，仅通过医院检查难以捕捉的日常生活模式变化，可以作为检测脑血管疾病早期风险信号的重要线索。
该团队还通过分析随时间变化的生活方式模式，成功评估了脑血管疾病诊断是否迫在眉睫。当将诊断前四周内的生活日志数据归类为"即将面临的诊断风险期"，将诊断前12周的数据归类为"非紧迫期"时，人工智能区分这两个时期的准确率达到96.53%。这一结果表明，即使在就医前，日常生活中的微小变化也可能有助于识别脑血管疾病风险是否增加。
该研究的另一个关键特点是，人工智能不仅简单地确定风险是否存在，还应用可解释人工智能来识别其判断背后的生活方式模式和环境因素。
分析显示，处于脑血管疾病前驱期的老年人往往在晚上10点至凌晨2点之间表现出频繁的连续活动，这段时间身体通常应准备入睡。换句话说，不规律的日常节律，如睡眠开始时间延迟以及白天和夜间活动区分度降低，与脑血管疾病的前驱信号密切相关。
研究人员还发现，随着诊断时间的临近，晚上6点至10点期间连续活动的频率明显减少，而静止时间增加。低室内湿度（表明室内环境干燥）也成为识别即将面临的诊断风险的一个重要因素。
研究团队预计，该技术将被用作数字医疗工具，能够客观监测可能难以清晰描述自身状况的老年人的健康状态，同时为医疗专业人员和护理人员提供有用的早期预警指标。
然而，该团队解释说，这项研究并不能预测脑血管疾病的准确发作时间或替代临床诊断。相反，它是一种支持性技术，旨在帮助预防和早期医疗咨询，在实际临床应用前，还需要在更大患者群体中进行前瞻性验证。
Lisa Lim教授表示："这项研究的关键点不在于人工智能应取代医院诊断，而在于它可以在家中首先检测到生活方式微小变化中的风险信号，并帮助患者在适当时间联系医疗服务"，她补充道，"我们期望这项技术有助于推动医疗体系从'治疗已发生疾病'向'支持预防和早期干预'转变。"
研究结果发表在《npj Digital Medicine》期刊上。
【全文结束】