來自 HSE 大學和約克大學的 Skoltech 研究人員及其同事提供了一個廣泛的指數(shù)數(shù)據(jù)集，這些指數(shù)來自對大腦供血的三個主要動脈的超聲掃描。該樣本由 821 名參與者組成，其中大多數(shù)人就讀于普通的公立學校，這尤其有價值，因為之前的大多數(shù)研究都是針對其他年齡組或患病兒童的。該團隊希望新數(shù)據(jù)能為臨床醫(yī)生提供有用的參考，并促進新的發(fā)展、社會和其他研究。就他們而言，PLOS ONE研究的作者已經(jīng)訓練了一個機器學習模型，可以根據(jù)超聲指標來判斷孩子的年齡，證明它們可以用來做出有意義的預測。
雖然超聲研究依賴于標準的醫(yī)療設備(如孕婦常規(guī)檢查中使用的設備)，但為大腦供血的動脈的超聲檢查并不是沒有非常具體的醫(yī)療適應癥的人通常會接受的，尤其是在年輕時.
“超聲檢查在老年人中更為普遍，大多數(shù)針對兒童的研究都集中在神經(jīng)發(fā)育障礙患者身上。我們的調查基于解決年齡組、性別、動脈和大腦半球之間差異的基本研究問題。具體來說，我們采用了發(fā)展的觀點，因為最終兒童的成熟與他們的表現(xiàn)有關，例如他們的學校成績，”該研究的第一作者，HSE 大學副教授兼約克大學兼職教授 Marie Arsalidou 評論道。
這些數(shù)據(jù)按年齡組和性別組織，研究人員和臨床醫(yī)生可以將它們用作發(fā)展參考。例如，臨床醫(yī)生可以判斷孩子的超聲檢查指數(shù)是與其年齡相稱的平均值還是有些不尋常。此外，有朝一日，該數(shù)據(jù)集還可以為先進的人工智能驅動的決策支持系統(tǒng)做出貢獻，從而使醫(yī)學界受益。
為了確認超聲檢查實際上可以作為有意義的預測的基礎，該團隊建立了機器學習模型，該模型根據(jù)從超聲中獲得的信息(例如血流速度和血管直徑)來猜測孩子的年齡。現(xiàn)在，研究人員正計劃創(chuàng)建模型來嘗試更復雜的預測，尤其是兒童的認知能力。
領導 Skoltech 團隊的高級研究科學家 Maxim Sharaev 補充說：“新數(shù)據(jù)使研究成為可能的另一條線是解釋模型預測。例如，通過我們的年齡預測模型，我們發(fā)現(xiàn)了男孩和女孩的指數(shù)非常相似。差異主要在兩個半球之間。我們還確定了需要進一步檢查的發(fā)育目標，因為某些年齡組的半球之間的差異大于其他年齡組之間的差異。”
研究中設計的機器學習模型不僅有用，因為它們表明這種預測是可能的;研究結果還指出了數(shù)據(jù)的哪些方面在這些預測中更為重要。“我們可以確定哪些特征對模型的預測貢獻最大，并將它們作為潛在的生物標志物進行調查。如果對獨立收集的數(shù)據(jù)進行測試，然后確認這些生物標志物指示病理學或其他重要特征，它們可用于指導臨床決策并建立更好的神經(jīng)模型，”Sharaev 總結道。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！