磁刺激改善了中风12年患者的运动和平衡能力

磁刺激改善了中风12年患者的运动和平衡能力一项病例研究显示，通过对一名12年前中风的男子的大脑进行磁刺激，他的运动和协调能力得到了改善。小脑共济失调的治疗仅限于物理和职业治疗，必要时还需要进行语言治疗。不过，加州大学洛杉矶分校医疗中心的研究人员最近进行的一项病例研究描述了一种很有前景的新疗法：重复经颅磁刺激（rTMS）。这项研究的第一作者和通讯作者埃文-海-爱因斯坦（EvanHyEinstein）说："本病例是首次使用双侧小脑经颅磁刺激治疗中风后小脑共济失调。"经颅磁刺激（TMS）是一种安全、无创的治疗方法，通过在头部放置线圈，产生针对大脑特定区域的磁场。经颅磁刺激已被用于治疗对抗抑郁药物无反应或不能耐受的抑郁症患者。在目前的研究中，患者是一名58岁的男性，12年前曾突发小脑中风，尽管进行了强化康复治疗，但步态仍然缓慢不稳，平衡和稳定性也有困难。在没有帮助的情况下，他无法从坐位站起来，也无法弯腰从地上捡起一件物品。他使用滚动助行器来保持稳定，在接受经颅磁刺激治疗前，他能以每秒0.57米的速度行走10米（32.8英尺）。他每天接受五次经颅磁刺激治疗，分别针对左右两侧的小脑。他接受了治疗，没有报告任何副作用。治疗五天后，该男子的行走速度提高到0.60米/秒。他能够在无人帮助的情况下从坐位站起来，并能轻松地弯腰从地上捡起一支铅笔。他报告说，在进行淋浴和刮胡子等日常生活活动时，他的平衡性和稳定性都得到了改善，而且无需使用手部支撑，这是他在治疗前无法做到的。爱因斯坦说："还需要进一步研究，以确定长期临床疗效并探索这种创新疗法的潜在神经机制，但它强调了考虑共济失调具体病因的定制治疗方案的潜力。"这项研究发表在《小脑》（TheCerebellum）杂志上。...PC版：https://www.cnbeta.com.tw/articles/soft/1392129.htm手机版：https://m.cnbeta.com.tw/view/1392129.htm

基于AI的智能手机工具通过分析面部视频在几秒钟内发现中风症状

基于AI的智能手机工具通过分析面部视频在几秒钟内发现中风症状客座副教授NemuelDanielPah演示智能手机工具西默斯-丹尼尔，皇家墨尔本理工大学在这种情况下，患者到达医院后必须通过一系列检查进行评估，如果医生知道来院的病人已经确诊为中风，那么治疗就可以在病人到达医院后立即开始。这就是智能手机实验工具的用武之地。该软件由澳大利亚皇家墨尔本理工大学（RMITUniversity）的科学家团队开发，利用人工智能算法分析病人被要求微笑时的面部视频。如果发现患者面部的肌肉运动过于不对称，软件就会提醒用户，患者最近经历了中风。该系统利用现有的面部动作编码系统，将面部表情分解为称为"动作单元"的肌肉运动的各个组成部分。"影响中风患者的一个关键参数是，他们的面部肌肉通常会变成单侧的，因此面部的一侧与面部的另一侧表现不同，"首席科学家、博士生吉列尔梅-卡马戈-德奥利维拉（GuilhermeCamargodeOliveira）说。"我们已经有了人工智能工具和图像处理工具，可以检测到微笑的不对称是否有任何变化--这是我们进行检测的关键所在。"在对中风后患者和健康志愿者的面部视频进行测试时，该系统识别中风患者的准确率达到了82%。随着技术的进一步发展，这一数字还应该会有所提高。现在研究人员的计划是将这一工具转换成一个应用程序，医护人员可以用它在几秒钟内当场发现中风。事实上，瓦伦西亚理工大学和宾夕法尼亚州立大学的科学家们已经开发出了类似的应用程序。需要指出的是，在所有情况下，CT扫描等更全面的检查最终仍将在医院进行。有关这项研究的论文最近发表在《生物医学中的计算机方法和程序》杂志上。...PC版：https://www.cnbeta.com.tw/articles/soft/1435381.htm手机版：https://m.cnbeta.com.tw/view/1435381.htm

逾七成受访青年称生成式AI提升效率　机构倡监督发展

逾七成受访青年称生成式AI提升效率机构倡监督发展香港青年协会的调查显示，超过七成受访青年认为，生成式AI能提升效率，超过四成人认为有助搜寻资料，14%认为增加个人就业机会，受访青年亦较为不担心生成AI会取代自己。青协的青年研究中心成立的「青年创研库」，以网上问卷访问550多名15至34岁青年、18名青年个案访问，以及7名熟悉有关议题的专家和学者。对于生成AI会否取代自己，如果以10分为最担心，0分为完全不担心，平均得分为低于一半的4.87分。另外，分别有近七成受访者担心如果生成AI广泛应用，会有虚假信息等风险。青年创研库经济就业组召集人刘汉耀建议，政府成立专门委员会监督发展，在不同公共设施设立试点，推出「人工智能券」支援中小企应用科技及加快数码转型，并增加生成式AI技能培训的诱因，并呼吁青年人提升自己技能，勇敢拥抱大趋势。2023-08-2014:58:21

脑控喝水！清华脑机接口临床试验宣告成功 患者可终生使用

脑控喝水！清华脑机接口临床试验宣告成功患者可终生使用据介绍，目前第二例患者也已经完成临床试验，正在康复训练中。首例无线微创脑机接口临床试验也就在前一天，马斯克刚宣布首个人体植入手术已成功完成，初步探测到神经脉冲信号。不过，跟马斯克Neuralink脑机接口不同的是，这款脑机接口设备强调的是无线微创。具体操作上是将体内机埋在颅骨内、电极覆盖在大脑硬膜外（硬膜位于颅骨和大脑皮层之间，起到保护神经组织作用），这项技术曾通过长期动物试验研制，不会破坏神经组织。患者手术后10天就能出院回家。居家使用时候，体外机隔着头皮给体内机供电，并接收脑内的神经信号，传送到电脑或者手机上，借助解码算法实现脑机接口通信。此外，还采用的是近场无线供电和传输信号，体内无需电池，患者可以终生使用。基于这样的技术，在去年10月24日宣武医院，成功完成首例临床植入试验。最终经过三个月的居家脑机接口康复训练，患者通过脑电活动驱动气动手套，实现自主喝水等脑控功能，抓握解码准确率超过90%。此外，患者脊髓损伤的ASIA临床评分和感觉诱发电位响应均有显著改善。1月29日，联合团队召开临床试验阶段总结会，宣布首例患者脑机接口康复取得突破性进展。除此之外，第二例脊髓损伤患者也已经在去年12月天坛医院成功完成植入。目前信号接收正常，患者正居家康复训练中。这项临床试验分别于去年4月、5月通过宣武医院、天坛医院的伦理审查，并完成了国际和国内植入医疗器械临床试验注册。来自清华脑机接口研究团队本次突破进展是由清华医学院洪波教授团队领衔。2021年，他曾带领团队在无线微创脑机接口临床前研究中，实现每个电极等效信息传输率达到20比特/分钟，均超过当时国际同类脑机接口最高水平。目前他的科研重点是人脑网络组织和信息编码的核心规律，特别是语言等高级认知功能的网络动态机制，并基于这些发现开发直接解读和调控神经活动的脑机接口新技术。一方面，为癫痫、渐冻症等疾病提供诊疗新方案，另一方面为语言人工智能提供新结构和新算法的启发。目前他还兼任清华大学人工智能研究院副院长、清华IDG麦戈文脑研究院研究员。据介绍，此次临床应用NEO系统软硬件是同博睿康科技合作开发，临床合作单位包括宣武医院、天坛医院。参考链接：[1]https://www.tsinghua.edu.cn/info/1175/109595.htm[2]https://mp.weixin.qq.com/s/_cmyQb9CgksbT1CLPyOxYA...PC版：https://www.cnbeta.com.tw/articles/soft/1415805.htm手机版：https://m.cnbeta.com.tw/view/1415805.htm

为抑郁症患者量身定制的AI测脸应用程序 帮助控制病情

为抑郁症患者量身定制的AI测脸应用程序帮助控制病情这款应用的设计理念是，每当用户通过面部识别系统解锁手机时，设备的前置摄像头就会捕捉到用户面部和周围环境的多张照片。然后，基于人工智能的算法将对这些图像进行评估，仔细检查用户的面部表情和背景图像。如果应用程序认为用户的抑郁症正在恶化，它就会建议用户采取一些措施，比如进行户外运动或与家人和朋友进行社交。理想情况下，它不会发出严厉的警告，要求用户寻求心理治疗--至少一开始不会--因为这样做可能只会让用户对自己的处境感到更糟糕，从而加剧抑郁。人工智能是在一组177名测试对象身上训练出来的，这些测试对象被分为五个子集，他们之前都被诊断出患有重度抑郁症。在90天的时间里，每个人的手机都会拍摄他们对"我曾感到沮丧、抑郁或绝望"这句话的认同程度。这一提示是广泛用于评估抑郁症的八点病人健康问卷的一部分。虽然参与者同意由手机拍照，但他们在回答提示时并没有意识到是手机在拍照。这是一个重要的考虑因素，因为这意味着他们在拍照时并没有下意识地掩饰自己的情绪。随后对总共125000张照片进行分析时，人工智能识别出（在某些子集中）与最强烈地同意提示相吻合的面部表情。这些表情包括注视方向、眼球运动、头部位置和肌肉僵硬程度的变化。人工智能还能识别出反复出现的环境因素，如明亮或昏暗的灯光，以及是否有其他人在场。利用由此产生的人工智能模型，该应用程序接下来被用来分析其他子集的智能手机图像。事实证明，该应用程序在识别哪些人抑郁症恶化方面的准确率为75%。据信，一旦该技术得到进一步发展--大约在五年之内--准确率至少会攀升到90%。虽然定期的临床精神评估可以提供相同的基本信息，但MoodCapture的最大优势在于它可以让患者更频繁地评估自己的病情，在病情恶化之前迅速做出反应。该研究的共同作者尼古拉斯-雅各布森（NicholasJacobson）教授告诉我们："这种方法承认了MDD（重度抑郁症）的动态和高度个性化的性质，其症状每天都会发生显著变化。通过密切跟踪一组被诊断为MDD的人的这些变化，我们旨在发现抑郁症随时间变化的特定模式和特征。"左起：Guarini博士生ArvindPillai和博士生SubigyaNepal是该研究的共同第一作者，计算机科学教授AndrewCampbell是通讯作者，Geisel教授NicholasJacobson是共同作者。(照片：KatieLenhart）...PC版：https://www.cnbeta.com.tw/articles/soft/1421983.htm手机版：https://m.cnbeta.com.tw/view/1421983.htm