這種院前卒中預測模型的診斷準確性已經在世界範圍內得到廣泛研究，而這一次，該小組在世界範圍內首次嘗試“提供院前卒中類型判別系統”。我們致力於“引入機器學習”和“證明使用院前卒中類型鑑別系統時縮短治療時間的效果”，並報告結果均同時發表在國際醫學期刊上。...

　首先，由於“JUST Score”是根據過去的研究數據創建的，因此可能會延遲響應各個地區的特徵和時代背景的變化。為了解決這個問題，我們開發了一種機器學習模型“JUST-Machine Leaning”，可以實時反映最新的區域數據（使其成為 AI）。結果，無論中風的類型如何，“JUST-Machine Leaning”都比“JUST Score”具有更高的辨別能力，並且觀察到了診斷準確性的提高。

　接下來，在引入“JUST Score”前後，救援人員對比分析了疑似腦卒中患者的轉運結果以及轉運後治療結果的變化情況。結果發現，使用“JUST Score”具有減少救護人員與醫院談判次數和縮短運輸時間（從發病到治療的時間）的效果。

　綜上所述，“JUST Score”提高了中風患者早期接受適當治療的可能性，從而有助於改善患者的預後。旨在優化“JUST Score”的研究將繼續進行。有待繼續。

參考：【兵庫醫科大學】“JUST Score”可在患者轉院前診斷出可能的中風患者 世界首創兩項臨床應用成果同時發表在國際醫學期刊-減少後遺症和康復方面取得重大進展-