Новое устройство, похожее на защитный экран шлёма, помогает обнаружить развивающееся закупоривание крупных сосудов с надёжностью 92 процента, тогда как стандартное обследование обеспечивает вероятность правильного диагноза от 40 до 89 процентов.
Устройство Cerebrotech Visor, представленное компанией Cerebrotech Medical Systems, основано на технологии спектроскопии объёмного импеданса со сдвигом фазы (VIPS). Оно облучает мозг радиоволнами малой мощности, частота которых меняется при прохождении сквозь жидкости, и детектирует их отражение. В случае инсульта распределение внутримозговой жидкости изменится, что приведёт к асимметрии в отражённом сигнале. Чем сильнее асимметрия, тем серьёзнее данный случай.
При инсульте очень важен фактор времени, и диагностическая точность этого устройства упрощает принятие решения о дальнейших действиях, что имеет огромное значение, если стоит вопрос о перемещении пациента в другую клинику.
Перемещение между медицинскими учреждениями занимает много времени, и если сразу станет известно, что имеет место обширное закупоривание, это повлияет на решение о дальнейшем направлении пациента.
В испытаниях устройства Cerebrotech Visor участвовала группа, включающая как здоровых людей, так и пациентов с подозрением на инсульт. Были сделаны три замера с усреднением результата, что заняло 30 секунд. Позднее участников обследовали неврологи, поставившие конкретные диагнозы на основании методов нейровизуализации.
По сравнению с диагнозами неврологов устройство показало 92% специфичность ― то есть способность отличать тяжёлый инсульт от менее серьёзных проблем и просто здоровых участников. Таким образом Cerebrotech Visor превосходит обычно используемый диагностический инструментарий, который показывает специфичность от 40% до 89%.
Успех Cerebrotech Visor заключается в его способности дать персоналу экстренной помощи четкий ответ ― является ли конкретный случай тяжёлым инсультом. При этом работа с прибором требует от оператора лишь минимального обучения.
Следующий этап ― выяснить возможность применения алгоритмов машинного обучения для самообучения устройства без помощи неврологов.