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，实现了脑卒中快速计算机辅助诊断。研究示意图
脑卒中(中风)是导致死亡和残疾的主要原因之一。快速诊断是脑卒中早期预警和治疗管理的核心内容。
记者22日获悉，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，实现了脑卒中快速计算机辅助诊断。据悉，这种新方法有望成为脑卒中快速诊断辅助手段，也为进一步探索脑梗塞分子机制提供了可行性工具。
据透露，对照研究显示，脑卒中快速计算机辅助诊断的准确率达84.12%、敏感性88.24%，特异性达80.00%。该成果刊登在国际学术杂志《先进科学》(《AdvancedScience》)上。
目前，对于脑卒中的诊断采取的是基于磁共振影像检测方法。据了解，即便是大型三甲医院也鲜有24小时开放相关设备，临床迫切需要一种便捷的诊断方法。
赵静、钱昆联合团队采用国际先进技术，快速提取血清代谢指纹(SMF)，并将之与临床指标结合，构建出多模式识别方式，最终筛选出20个关键代谢产物特征，进而提高诊断能力。
