来自 HSE 大学和约克大学的 Skoltech 研究人员及其同事提供了一个广泛的指数数据集，这些指数来自对大脑供血的三个主要动脉的超声扫描。该样本由 821 名参与者组成，其中大多数人就读于普通的公立学校，这尤其有价值，因为之前的大多数研究都是针对其他年龄组或患病儿童的。该团队希望新数据能为临床医生提供有用的参考，并促进新的发展、社会和其他研究。就他们而言，PLOS ONE研究的作者已经训练了一个机器学习模型，可以根据超声指标来判断孩子的年龄，证明它们可以用来做出有意义的预测。
虽然超声研究依赖于标准的医疗设备(如孕妇常规检查中使用的设备)，但为大脑供血的动脉的超声检查并不是没有非常具体的医疗适应症的人通常会接受的，尤其是在年轻时.
“超声检查在老年人中更为普遍，大多数针对儿童的研究都集中在神经发育障碍患者身上。我们的调查基于解决年龄组、性别、动脉和大脑半球之间差异的基本研究问题。具体来说，我们采用了发展的观点，因为最终儿童的成熟与他们的表现有关，例如他们的学校成绩，”该研究的第一作者，HSE 大学副教授兼约克大学兼职教授 Marie Arsalidou 评论道。
这些数据按年龄组和性别组织，研究人员和临床医生可以将它们用作发展参考。例如，临床医生可以判断孩子的超声检查指数是与其年龄相称的平均值还是有些不寻常。此外，有朝一日，该数据集还可以为先进的人工智能驱动的决策支持系统做出贡献，从而使医学界受益。
为了确认超声检查实际上可以作为有意义的预测的基础，该团队建立了机器学习模型，该模型根据从超声中获得的信息(例如血流速度和血管直径)来猜测孩子的年龄。现在，研究人员正计划创建模型来尝试更复杂的预测，尤其是儿童的认知能力。
领导 Skoltech 团队的高级研究科学家 Maxim Sharaev 补充说：“新数据使研究成为可能的另一条线是解释模型预测。例如，通过我们的年龄预测模型，我们发现了男孩和女孩的指数非常相似。差异主要在两个半球之间。我们还确定了需要进一步检查的发育目标，因为某些年龄组的半球之间的差异大于其他年龄组之间的差异。”
研究中设计的机器学习模型不仅有用，因为它们表明这种预测是可能的;研究结果还指出了数据的哪些方面在这些预测中更为重要。“我们可以确定哪些特征对模型的预测贡献最大，并将它们作为潜在的生物标志物进行调查。如果对独立收集的数据进行测试，然后确认这些生物标志物指示病理学或其他重要特征，它们可用于指导临床决策并建立更好的神经模型，”Sharaev 总结道。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！