中风呼叫中的人工智能 (AI) 支持 (AISMEC)

在这个项目中，研究人员将收集 2019 年从 Helse Bergen 出院的所有中风患者的数据（约 1000 名患者）通过挪威中风登记处 (NSR)。 对于这些患者，将检索来自 Helse Bergen 的结构化医院数据，并根据这些数据和他们关于中风的紧急呼叫的口头内容，研究人员将使用机器学习来计算中风风险。 与单独的声音分析相比，将历史医院数据与紧急呼叫中的口语联系起来，以一种新颖的方式增强了对紧急呼叫的分析。

在检索和连接中风患者数据后，研究人员使用 2019 年的数据训练深度网络。 因此，将根据 2020 年上半年的患者进行测试。 将数据分为训练、测试和验证，确保我们训练的网络不会过度拟合训练数据，并且可以在以前未见过的患者身上重现类似的结果。 最后，研究人员将通过对 AMK Bergen 人工智能实时使用大约一年期间的数据进行统计分析，将人工智能的性能与当前系统进行比较。 这将使我们能够评估系统在 EMCC 运营商的决策过程中在敏感性和特异性方面能够改进到什么程度。

总而言之，主要目标是建立一个强大的、可工作的 AI 系统原型，能够实时识别急性中风，以改进对紧急医疗呼叫的评估。

我们的次要目标是：

• 实施一个人工智能系统，能够根据紧急呼叫的音频和医院记录中的可用数据源，快速预测患者是否患有急性中风
• 证明人工智能系统可用于辅助和改进 EMCC 操作员的分流决策程序。

预期的结果是快速交付（即 秒）预测分数，以帮助 EMCC 操作员识别急性中风患者，与仅手动评估相比，这提供了更高的灵敏度和特异性。