研究人员建立了一种机器学习模型，以使用智能手机检测语音和面部肌肉运动的异常情况来帮助中风诊断。

根据《人工智能研究》的一篇文章，宾夕法尼亚州立大学和休斯敦卫理公会医院的研究人员试图模仿医生在临床环境中面对可能的中风受害者时的行为，然后再决定是否进行CT扫描。

“在诊断中风时，急诊室医生的选择有限：将通常昂贵且费时的放射性扫描发送给患者，或致电可能无法进行临床诊断测试的神经科医生，” James Wang说，宾夕法尼亚州立大学信息科学与技术教授。

研究人员正在使用面部运动分析和自然语言处理来检测异常现象，例如下垂的脸颊或口齿不清。他们的希望是，护理人员或患者可以在去医院之前使用该应用程序进行自我评估。

研究人员依靠来自休斯顿卫理公会的80名患有中风症状的患者的数据集。他们的最终模型达到了79％的准确性。它的核心价值之一是节省了评估中风的时间。 

休斯敦卫理公会血管神经病学家约翰·沃尔皮说，中风的每分钟都有数百万个神经元死亡，但许多研究表明，许多中度症状的患者面临的诊断延迟了数小时。休斯敦卫理公会的Stephen TC Wong补充说：“越早发现中风，患者的选择就越好。”