韩国研究人员开发出一项新技术，仅通过分析老年人日常生活数据即可早期检测脑血管疾病风险——该技术仅需捕捉居家细微变化。
韩国科学技术院（KAIST）日前宣布，土木与环境工程系林莉莎教授领导的研究团队开发出可识别脑血管疾病诊断前风险阶段并评估临近诊断风险的AI框架。该团队与成均馆大学郑宙恩教授、高丽大学安岩医院神经内科赵炅熙教授合作完成此项研究。
此项研究的突破性在于超越传统医院确诊后的应对模式，证明通过日常活动、睡眠及生活节律变化可检测早期预警信号。
研究基于Reborn Care公司从真实居住环境中采集的1,224名老年人生活日志数据。研究团队分析了按14天为单位整理的13,362个生活数据样本，证实可从细微日常变化中提前捕捉风险信号，无需等到疾病发生需医院治疗。
团队通过分析生活模式随时间变化，成功评估个体距离脑血管疾病诊断的时间临近程度。数据被划分为"临近窗口"（诊断前四周内记录的生活数据）和"非临近窗口"（诊断前12周以上的数据）。AI区分这两类的准确率达96.53%，表明即使在就医前，也能通过日常生活的微小变化评估脑血管疾病风险。
分析发现，处于诊断前风险阶段的老年人往往在应准备入睡时段（晚10点至凌晨2点）出现不规律生活节律并持续活动。晚睡及昼夜活动界限模糊与脑血管疾病诊断前的预警信号密切相关。
研究还发现，随着脑血管疾病诊断时间临近，晚6点至10点的活动水平显著下降且静止时段延长。室内低湿度也成为评估临近风险的重要因素。
研究团队强调，该技术并非用于预测脑血管疾病发生时间或替代医院诊断，而是作为支持预防和早期就医的辅助技术。在临床应用前，还需在更大患者群体中进行前瞻性验证。
林莉莎表示："未来可应用于智能家居、老年住宅设施、老年护理服务及社区健康管理系统。特别是能为独居老人或难以准确描述自身健康状况的群体提供补充信息，帮助医护人员或护工判断是否需要就医或进一步观察。"
研究成果已发表在数字医疗领域国际期刊《npj Digital Medicine》。
【全文结束】