双语中风后失语症恢复的机器学习预测：将见解与临床证据相结合
作者：Manuel Marte， Erin Carpenter, Michael Scimeca, Marissa russel - meill, Claudia Peñaloza, Uli Grasemann， Risto Miikkulainen和Swathi Kiran，已被《中风》杂志接受
与Manuel Marte的问答
这篇论文是澳门威尼斯人注册什么的？
这篇论文澳门威尼斯人注册网站研究了机器学习模型如何预测双语中风失语症幸存者的语言恢复结果。该澳门威尼斯人注册网站研究分析了48名接受语言治疗的西班牙语-英语双语患者的数据，澳门威尼斯人注册网站研究了失语症严重程度、教育水平和认知能力等因素，以预测哪些人在治疗后会有所改善，以及一种语言的改善是否会转移到另一种语言。
这一结果之所以重要，主要有两个原因。首先，机器学习模型在预测治疗结果方面相对成功，这可以帮助临床医生对双语患者的治疗方法做出更明智的决定。其次，该澳门威尼斯人注册网站研究确定了对康复最重要的具体因素——特别是语言障碍的严重程度和基线的认知能力是改善的有力预测因素。考虑到美国不断增长的西班牙裔人口以及该社区中风风险较高，这一点尤为重要。推进对这些预测因素的理解将有望为双语中风幸存者带来更个性化和有效的治疗方案。
这些发现与大脑和恢复有什么关系？
这项澳门威尼斯人注册网站研究从几个不同的方面与大脑和恢复有关。首先，澳门威尼斯人注册网站研究表明，基线语言能力强有力地预示着显著的康复。失语症的严重程度与大脑中语言的神经生物学完整性密切相关。当一个人在接受治疗的语言中失语症不那么严重时，他们更有可能通过治疗得到改善。因此，这表明保存更多的神经网络为治疗诱导的语言技能恢复提供了更好的“支架”。
其次，澳门威尼斯人注册网站研究发现，认知能力在康复过程中起着至关重要的作用。认知测试中更好的表现预示着更好的治疗结果，表明一般认知资源支持语言恢复。
第三，澳门威尼斯人注册跨语言迁移（即未处理语言的改善）的发现告诉我们双语语言系统在恢复过程中是如何相互作用的。事实上，一种语言的进步可以并且确实可以推广到另一种语言（在某些人身上），这表明中风后语言之间的共同表征仍然可以访问。
总之，临床意义在于，对语言和认知能力的评估对于预测康复潜力至关重要，当能够利用保留的两种语言能力来支持整体康复时，治疗可能是最有效的。
背景：预测双语卒中后失语症患者言语语言治疗后治疗后的语言改善（TLI）和向未治疗语言的迁移（跨语言泛化，CLG）是个性化治疗计划的关键。本澳门威尼斯人注册网站研究评估了预测TLI和CLG的机器学习（ML）模型，并确定了与临床证据一致的关键预测特征（例如，患者严重程度、人口统计学和治疗变量）。
方法：48例卒中后失语症的西班牙-英语双语患者接受20次基于语义特征的第一或第二语言命名治疗。在治疗前后分别进行全面的语言、认知和背景双语经验评估。包括人口统计学、语言能力、认知和双语经验在内的16个精选特征被用作6种ML算法的输入，以预测治疗应答者与无应答者以及CLG vs无CLG。
结果：前2个ML模型TLI和CLG F1得分分别为0.767±0.153和0.790±0.172。可解释性分析显示，语言训练、教育和认知表现中的失语严重程度是TLI的关键预测因素。未治疗的失语严重程度和认知表现成为影响CLG的特征。这些结果与基于先前文献的预期一致。
结论：ML模型首次揭示了患者严重程度和人口统计学等因素可预测脑卒中后失语症患者治疗后的TLI和CLG。在预测服务不足人群（如西班牙语-英语卒中幸存者）的治疗结果时，考虑治疗和未治疗的语言严重程度以及认知评估表现，可以对他们的短期和长期临床护理产生有意义的影响。