人工智能助力，重症患者腦壓監測有望改善

西奈山伊坎醫學院的研究人員開發了一種非侵入性技術，該技術可以極大地改善醫生監測顱內高壓的方式，顱內高壓是一種大腦壓力增加可能導致中風和出血等嚴重後果的病症。

這種由人工智能（AI）驅動的新方法爲當前鑽顱這一金標準操作提供了一種更安全、更快捷的替代方案。

詳情在 npj 數字醫學 中有 報道 。

目前，檢測和監測升高的腦壓需要通過侵入性手術來穿透顱骨。相反，研究團隊探索了是否可以通過分析非侵入性波形數據來預測顱內壓，例如心電圖、脈搏血氧儀的氧飽和度水平以及在重症監護患者中從常規頭部超聲獲得的波形。

然後，他們開發了一種能夠生成大腦血壓表徵的人工智能模型。該模型是利用那些通過諸如腰椎導管或插入顱骨的壓敏探頭等侵入性方法測量顱內壓的去識別化患者數據來訓練的。

研究人員稱，這種實時監測工具能夠迅速檢測出關鍵變化，讓醫療保健提供者能夠更迅速地進行干預，還有可能拯救生命。

“大腦壓力升高有可能會導致一系列嚴重的併發症。我們利用重症監護病房（ICU）中已經常規收集的數據創建了一種非侵入性方法——一種用於檢測大腦壓力升高的源自人工智能的生物標誌物，”第一作者法里斯·古拉馬利（Faris Gulamali）說，他是西奈山伊坎醫學院的醫學博士候選人。“重要的是，我們的研究是迄今爲止有關顱內高壓規模最大的研究，也是首個爲我們的算法提供外部驗證，並證實生物標誌物與臨牀結果之間存在直接聯繫的研究，而這是獲得 FDA 批准所必需的。”

這項研究是一項回顧性分析，使用了來自美國不同城市的兩家醫院的數據。該工具能夠在數秒內檢測顱內壓，且表現優異。

在患者入院期間，若顱內壓測量值處於前 25%，則硬膜下出血的風險會增加 24 倍，需要進行顱骨切除術（一種用於緩解腦部壓力的外科手術）的可能性會增加 7 倍。

研究人員指出，與臨牀結果相關的數據具有相關性，而非因果性。

還需要進一步研究才能完全確定因果關係。

接下來，他們打算開展進一步的驗證研究，其中包括那些專注於識別重症監護病房中患有神經系統疾病患者的研究。

此外，他們期望向 FDA 申請突破性設備地位，這或許能讓這項救命技術更接近廣泛的臨牀應用。

“我們的願景是將此工具整合到重症監護病房（ICU）中，作爲監測重症患者的標準組成部分。這項技術是一次重大飛躍，有可能改變我們管理重症患者的方式，減少進行高風險手術的需求，並能對神經緊急情況做出更快的反應，”資深作者吉里什·納德卡尼（Girish Nadkarni）醫學博士、哲學博士說道，他是西奈山伊坎醫學院的艾琳和亞瑟·M·菲什伯格醫學教授、查爾斯·布朗夫曼個性化醫學研究所所長以及數據驅動和數字醫學部門的系統主任。

“此外，我們的研究結果顯示，它不僅在神經病學領域，而且在管理其他嚴重健康狀況（如心臟驟停後、青光眼和急性肝功能衰竭）方面都可能是一個有價值的工具。”

“我們團隊所開發的這款由人工智能驅動的臨牀決策支持工具，或許是在推進重症患者健康結果方面邁出的重要一步。”

“倘若我們能夠驗證該工具的使用情況，就有可能通過對受益潛力最大的患者使用有創顱內監測進行微調，從而提高患者的安全性，”

“該研究的合著者大衛·L·賴希（David L. Reich）醫學博士表示，他是西奈山醫院和西奈山皇后醫院的院長，也是麻醉學領域的霍勒斯·W·戈德史密斯教授，還是伊坎西奈山的人工智能與人類健康教授。”

“我們在西奈山的目標之一是藉助技術，在恰當的時間爲合適的患者帶來合適的團隊。”

“這個工具踐行了這一承諾，提供了一個量身打造的解決方案，有希望提高面臨生命危險的腦損傷患者的護理標準。”