倒地即诊断
2022年，迈阿密海豚队四分卫图阿·塔戈瓦伊洛阿在头部受伤后重返水牛城比尔队的比赛现场，美国国家橄榄球联盟（NFL）事后承认该伤情本应被诊断为脑震荡。球队医疗人员及独立顾问错误地将他的身体失衡症状归因于先前报告的背部损伤，而非神经系统问题，尽管NFL和球员工会后来声称已遵守脑震荡处置流程。
尽管相关规则已修订以防止类似事件重演，但现实依然严峻：脑震荡的诊断既不快速也不简便。
佛罗里达国际大学（FIU）的研究正致力于改变这一现状。
听觉优于视觉
据估计，美国超过50%的脑震荡未被诊断，约70%发生在体育运动场景中。在足球或足球比赛中，无论职业或业余，识别脑震荡都颇具挑战性。场边评估通常依赖简短的自我症状报告，例如询问运动员是否头痛或头晕，之后才决定其能否重返赛场。
作为轻度创伤性脑损伤，脑震荡会损害认知功能，但在CT扫描或其他影像检查中无法显现。诊断可能依靠对视力、眼球运动、反射和平衡的评估。
"问题在于这些测试并不够准确，"骑士基金会计算机与信息科学学院教授克里斯蒂安·波拉鲍尔指出。虽然严重脑震荡症状更明显——例如塔戈瓦伊洛阿在另外两次事件中表现出的上肢不自主"击剑姿势"反射——"但更细微的病例很难发现，"波拉鲍尔表示，"担忧在于若连续多次脑震荡，或带伤继续比赛导致二次受伤，将对健康产生长期影响。"
尽管多数脑震荡肉眼不可见，波拉鲍尔团队却取得重要发现：它们能被听见。
更优AI带来更准结果
波拉鲍尔约十年前开始研究"语音生物特征"与最常见创伤性脑损伤之间的关联。
"我们一直在寻找更可靠的脑震荡检测方法，"这位专注于开发新型医疗解决方案的计算机科学家回忆道。
他聚焦于语音生物特征（speech biosignatures），即捕捉个体独特的声学、语音或语言生物标志物。虽然其独特性常被比作指纹，但语音生物特征会随时间变化——取决于疾病、损伤甚至醉酒状态——因此不像指纹那样固定不变。
波拉鲍尔研究组采集了数百名高中和大学运动员（包括拳击、橄榄球、长曲棍球、橄榄球和啦啦队成员）在赛季前后的多段语音样本。数据既包含最终确诊脑震荡的测试对象，也有未受伤的对照组。
对比个体两组数据发现，确诊脑外伤者在振幅、频率（音高）和振动等指标上存在差异。这些人类耳朵无法察觉的变化被人工智能精准捕捉。
随着机器学习的飞速发展，波拉鲍尔早期研究近年取得突破性进展。该工具目前已能以超90%的准确率将语音变化与脑损伤病例相关联。
博士生拉赫米娜·鲁拜亚特正致力于识别单个单词或音素，以便同时用于基线测试和诊断采样。原始研究中参与者曾录制八个不同单词、短语和声音。
鲁拜亚特解释，简化测试将使运动队医或相关人员能在赛季前轻松采集每名队员的语音样本，通过平板电脑应用程序存储，待事故发生时进行相同简易测试以作比对。结果将显示损伤程度——轻度、中度或重度——从而确定休息恢复周期。可重复测试直至指标恢复基线水平。
鲁拜亚特强调绝不能忽视任何脑震荡："严重的脑震荡或连续轻度脑震荡，几年后可能导致其他神经功能障碍，"她重申了波拉鲍尔的担忧。
语音：神经诊断新前沿？
波拉鲍尔已将研究扩展至语音测试诊断帕金森病、阿尔茨海默病等神经退行性疾病的应用。这些疾病发展过程中语音声学特性会发生变化，其研究甚至可能帮助区分神经退行性疾病患者因跌倒等导致的二次脑震荡。
外界关注点集中在将该发现应用于执法、消防、军事和建筑等高危职业领域的神经功能损伤评估。
【全文结束】
