急性卒中快速动力学的临床结果建模

中风 - 仍然是西方世界第二大最常见的死亡原因和成人神经功能障碍的主要原因 - 的特点是随着时间的推移变化迅速，结果变化显着。 患者可能会在几分钟内好转或恶化，由此产生的残疾范围可能从明显的完全瘫痪到微妙的、依赖任务的单肢不协调。

与许多其他神经系统疾病不同，中风对及时和智能定制的治疗非常敏感，奖励提供护理的创新，对患者结果产生真实、有形的影响。 因此，最佳治疗需要详细描述患者的临床表现及其随时间变化的模式。

可以说，患者临床表现中最重要的方面——身体运动——的记录仍然非常少：仅在主观上量化，并且在患者的临床演变中很少有间隔。 人工智能与高性能计算的结合现在可以自动提取患者的骨骼框架，分解到主要关节，就像火柴人一样，可以简单、安全、廉价地交付，而无需使用笨重的身体佩戴标记。 该技术的核心是患者隐私，实时提取骨骼框架，确保设备不会存储或传输可以识别患者身份的视频数据。

我们的运动分类系统——MoCat——将用于研究急性中风的快速动态，无缝嵌入临床流程。 通过量化运动缺陷随时间的变化，我们将检查这些轨迹与临床结果之间的关系，并开发可以支持临床管理和优化服务提供的预测模型。