Smartphone pupillometry with machine learning differentiates ischemic from hemorrhagic stroke: A pilot study
Notice bibliographique
Résumé
OBJECTIVES: Similarities between acute ischemic and hemorrhagic stroke make diagnosis and triage challenging. We studied a smartphone-based quantitative pupillometer for differentiation of acute ischemic and hemorrhagic stroke. MATERIALS AND METHODS: Stroke patients were recruited prior to surgical or interventional treatment. Smartphone pupillometry was used to quantify components of the pupillary light reflex (PLR). A synthetic minority oversampling technique (SMOTE) was applied to correct sample size imbalance. Four binary classification model types were trained using all possible combinations of the PLR components with 10-fold cross validation stratified by cohort. Models were evaluated for accuracy, sensitivity, specificity, area under the curve (AUC), and F1 score. The three best-performing models were selected based on AUC. Shapley additive explanation plots were produced to explain PLR parameter impacts on model predictions. RESULTS: Eleven subjects with intraparenchymal hemorrhage and 22 subjects with acute ischemic stroke were enrolled. One way ANOVA demonstrated significant differences between healthy control data, AIS, and IPH in five out of seven PLR parameters. After SMOTE, each class had n=22 PLR recordings for model training. The best-performing model was random forest using a combination of latency, mean and maximum constriction velocity, and mean dilation velocity to discriminate between stroke types with 91.5% (95% confidence interval: 84.1-98.9) accuracy, 90% (82.9-97.1) sensitivity, 93.3% (83-100) specificity, 0.917 (0.847-0.987) AUC, and 90.7% (84.1-97.3) F1 score. CONCLUSIONS: Smartphone-based quantitative pupillometry could be useful in differentiating between acute ischemic and hemorrhagic stroke.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».