Monitoreo sin contacto y predicción de accidentes cerebrovasculares impulsada por IA: enfoque basado en el Centro Nacional de Trastornos Neurológicos utilizando camas inteligentes

RESUMEN Antecedentes El accidente cerebrovascular es la segunda causa de muerte y la tercera causa de discapacidad en todo el mundo y es la principal causa de muerte y discapacidad entre los adultos en China, con una tasa de incidencia que sigue aumentando. En China, la edad promedio de los pacientes con accidente cerebrovascular por primera vez es de 66.4 años, y la tasa de trombólisis intravenosa utilizando activador de plasminógeno tisular recombinante dentro de las 3 horas posteriores al inicio es solo del 16%. Dada esta situación, existe una necesidad urgente de herramientas predictivas en tiempo real, particularmente para personas mayores en el hogar, que puedan proporcionar advertencias tempranas para posibles accidentes cerebrovasculares. Métodos Recopilamos datos de monitoreo continuo de camas inteligentes no intrusivas y datos temporales multimodales de registros médicos electrónicos en el Centro Nacional de Trastornos Neurológicos. Los datos incluían indicadores de monitoreo de camas inteligentes, pruebas de laboratorio, observaciones de enfermeras y datos estáticos como posibles predictores, teniendo al accidente cerebrovascular como resultado. Aplicamos técnicas de representación y selección de características y luego ingresamos los predictores en modelos de aprendizaje automático. Además, se utilizaron modelos de aprendizaje profundo después de preprocesar los datos temporales irregulares. Finalmente, evaluamos el rendimiento de los modelos de predicción de accidente cerebrovascular y valoramos la importancia de las características. Usamos signos vitales y datos clínicos actualizados continuamente durante la hospitalización para generar alertas de riesgo de accidente cerebrovascular a tiempo durante el mismo período de admisión. Resultados Se analizaron un total de 37,041 muestras, de las cuales 7,020 pacientes fueron diagnosticados con accidente cerebrovascular. Cuando solo se utilizaron las características de la cama inteligente para la predicción, el modelo logró un área bajo la curva de característica operativa del receptor (AUROC) de 0.59−0.63, con una precisión que oscila entre el 60% y el 65%. Entre los cuatro algoritmos de inteligencia artificial, el modelo de bosques aleatorios demostró el mejor rendimiento. Después de incorporar todas las características disponibles, el AUROC aumentó a 0.94, y la precisión mejoró al 92%. Conclusiones En este estudio, se identificó con éxito la ocurrencia de accidentes cerebrovasculares al integrar datos temporales multimodales de registros médicos electrónicos. El monitoreo sin contacto de la respiración y la frecuencia cardíaca ofrece un enfoque prometedor para la vigilancia diaria de accidentes cerebrovasculares en poblaciones basadas en el hogar, particularmente para personas mayores que viven solas.