运动员因激烈运动而发生意外的情况相当常见,因头部受伤出现脑震荡的比例颇高。大多数运动员虽在约7~10天内就能恢复,但有些人需要更多时间。预测运动员在头部受伤后何时能复原重返比赛难度很高。佛罗里达大西洋大学(Florida Atlantic University;FAU)科学家决定用机器学习算法来克服此难题。
根据FAU报导,FAU工程与计算机科学学院和SIVOTEC Analytics的研究人员及其合作者提出了1种新颖的解决方案。他们正在教机器如何根据头痛、头晕和疲劳等症状预测与运动相关的脑震荡的恢复时间。其研究可作为决策支持系统的基础,助临床医生为受伤的运动员开发个性化治疗。
研究人员对高中运动员的运动伤害进行监测,检查了22项运动中2,004次脑震荡事件的数据,并查看了主要发生伤害的位置,结果发现过半脑震荡发生在美式足球比赛中。
他们根据这些信息建立1个美式足球及其他接触性运动的冲击伤害的数据集。该数据集包括922次美式足球相关脑震荡和689次其他接触性运动造成的脑震荡。每个脑震荡事件报告的症状总数从零到17,其中55%的学生运动员有5种或更多症状。
研究人员使用基于机器学习的监督建模方法,以预测7、14和28天内脑震荡相关症状的恢复时间。他们使用代表这些高中学生运动员在足球和其他接触运动中遭受脑震荡的数据集,研究了10种分类算法在建立预测模型上的功效。
数据集显示最常见的体育相关脑震荡症状是头痛(94.9%),其次是头晕(74.3%),然后是注意力无法集中(61.1%),基于症状的预测模型显示了在估计与运动相关脑震荡恢复时间上的实际临床价值。这些信息对负责脑震荡病例管理和患者护理的医疗人员尤其有价值。除了临床决策支持,这种洞察力还有助于规划学术住宿和团队需求。
研究人员指出,症状总数,对噪音或光线敏感,注意力不集中,失眠和平衡问题具有优先预测价值,显示它们可能在模型中起重要作用。相较之下,健忘症、过度兴奋、意识丧失或耳鸣就无法用于衡量最佳预测模型。
研究人员指出,能及时辨识脑震荡后需要更多时间恢复的运动员很重要。使用机器学习预测恢复时间,将有助于增强有效的分层护理方法。这也有助于对学生运动员的现实期望,并为家长,教练和教师提供重要的见解和观点。