科学家们使用了一种独特的计算技术，通过筛选大数据来识别脑部扫描正常的脑震荡患者的子集，这些患者可能在诊断后数月内病情恶化，并出现混乱、性格变化、视力和听力差异以及创伤后应激障碍紊乱。这一发现得到了分子生物标志物鉴定的证实，为诊断和治疗创伤性脑损伤患者的精准医学方法铺平了道路。
由加州大学旧金山分校及其合作机构扎克伯格旧金山总医院和创伤中心 (ZSFG) 的科学家领导的研究人员使用一种名为拓扑数据分析 (TDA) 的机器学习工具分析了前所未有的数据集，该工具可以“可视化”各个领域的不同数据集。多重尺度，这是一种以前从未用于研究创伤性脑损伤的技术。
TDA 采用源自拓扑的数学，借鉴了所有数据都具有基础形状的哲学。它使用将患者数据映射到多维空间的算法创建所有数据点的摘要或压缩表示。这项新研究依赖于 Ayasdi 开发的 TDA 平台，Ayasdi 是一家位于加利福尼亚州帕洛阿尔托的高级分析公司。
“TDA 是一种机器智能，它提供了一种轻松可视化从脑震荡到昏迷等各种脑外伤患者差异的方法，”资深合著者、神经外科副教授 Adam Ferguson 博士说。也是加州大学旧金山分校威尔神经科学研究所的成员。 “这有可能通过提供新的精确度来改变诊断和预测结果。”
这项研究于 2017 年 3 月 1 日发表在PLOS ONE上，是一项名为 TRACK-TBI 的政府资助的多站点计划的一部分，该计划旨在转变创伤性脑损伤的研究和临床知识，该计划的建立是为了识别新的诊断和预后标志物，并完善结果评估。