5.10 Expanding the value of artificial intelligence in concussion management — from concussion subtyping to treatment planning
Notice bibliographique
Résumé
Objective Interdisciplinary assessment, the gold standard for assessment of concussion and identification of rehabilitation targets, is a barrier for many due to geographical or financial limitations. This study aimed to explore the opportunity of leveraging AI beyond subtyping concussion to its application and accuracy in generating AI driven treatment plans. Design A blinded chart review of 25 randomly selected de-identified subjects from the original algorithm sample based upon a machine learning approach that identified five distinct concussion subtypes along a complexity continuum. Participants Subjects had attended concussion assessment and rehabilitation at Advance Concussion Clinic (ACC), an interdisciplinary clinic in Vancouver, Canada. Main Results Assessment ‘prescriptions’ as generated by the AI model yielded system specific recommendations including physiotherapy queries of cervical, oculomotor, vestibular, and/or autonomic dysfunction, neuropsychology query of cognitive dysfunction, counselling query of emotional/mood dysfunction, and occupational therapy query of ADL dysfunction in school, work, or home. Comparison of clinical assessment recommendations to AI driven assessment queries matched at 99.2%, with the one discrepancy associated with human error not replicated by the AI model. A Permutation test to evaluate the accuracy of our AI model yielded a P_value≈0, demonstrating the efficacy of AI driven support in clinical decision making and prescription of targeted assessment and rehabilitation/treatment planning. Conclusions AI driven treatment planning supports a comprehensive view of the complex, multi-system injury that is concussion, potentially offering recovery opportunities otherwise unavailable to those for whom best practice interdisciplinary assessment may not be accessible or available.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».