将自适应机器学习与一种新的特征选择方法相结合 或可更快诊断脑卒中

复旦大学附属闵行医院赵静教授和上海交通大学钱昆教授联合团队，将自适应机器学习与一种新的特征选择方法相结合，实现了脑卒中的快速计算机辅助诊断。近日，该成果论文刊登在国际学术杂志《先进科学》上。

快速诊断是脑卒中的早期预警和治疗管理的核心内容。目前，对于脑卒中的诊断多是基于磁共振影像检测方法，很多基层医院不具备硬件条件，迫切需要一种快速的诊断方法作为现有成像方式的辅助手段。

联合团队应用相关技术可快速提取血清代谢指纹。该过程仅需数秒且消耗0.1微升血清即可完成，进而获得最高达0.845(效果很好)的曲线下面积(一种用于判断分类模型优劣的评测指标)。最后，研究人员筛选出的20个具有差异调节的关键代谢产物特征，有望为进一步探索脑梗塞分子机制提供可行性工具。

该研究共招募344名受试者，其中中风患者172名、健康对照者172名，准确率为84.12%，敏感性为88.24%，特异性达80%。(记者孙国根)

关键词： 脑卒中