人工智能助力，重症患者脑压监测有望改善

西奈山伊坎医学院的研究人员开发了一种非侵入性技术，该技术可以极大地改善医生监测颅内高压的方式，颅内高压是一种大脑压力增加可能导致中风和出血等严重后果的病症。

这种由人工智能（AI）驱动的新方法为当前钻颅这一金标准操作提供了一种更安全、更快捷的替代方案。

详情在 npj 数字医学 中有 报道 。

目前，检测和监测升高的脑压需要通过侵入性手术来穿透颅骨。相反，研究团队探索了是否可以通过分析非侵入性波形数据来预测颅内压，例如心电图、脉搏血氧仪的氧饱和度水平以及在重症监护患者中从常规头部超声获得的波形。

然后，他们开发了一种能够生成大脑血压表征的人工智能模型。该模型是利用那些通过诸如腰椎导管或插入颅骨的压敏探头等侵入性方法测量颅内压的去识别化患者数据来训练的。

研究人员称，这种实时监测工具能够迅速检测出关键变化，让医疗保健提供者能够更迅速地进行干预，还有可能拯救生命。

“大脑压力升高有可能会导致一系列严重的并发症。我们利用重症监护病房（ICU）中已经常规收集的数据创建了一种非侵入性方法——一种用于检测大脑压力升高的源自人工智能的生物标志物，”第一作者法里斯·古拉马利（Faris Gulamali）说，他是西奈山伊坎医学院的医学博士候选人。“重要的是，我们的研究是迄今为止有关颅内高压规模最大的研究，也是首个为我们的算法提供外部验证，并证实生物标志物与临床结果之间存在直接联系的研究，而这是获得 FDA 批准所必需的。”

这项研究是一项回顾性分析，使用了来自美国不同城市的两家医院的数据。该工具能够在数秒内检测颅内压，且表现优异。

在患者入院期间，若颅内压测量值处于前 25%，则硬膜下出血的风险会增加 24 倍，需要进行颅骨切除术（一种用于缓解脑部压力的外科手术）的可能性会增加 7 倍。

研究人员指出，与临床结果相关的数据具有相关性，而非因果性。

还需要进一步研究才能完全确定因果关系。

接下来，他们打算开展进一步的验证研究，其中包括那些专注于识别重症监护病房中患有神经系统疾病患者的研究。

此外，他们期望向 FDA 申请突破性设备地位，这或许能让这项救命技术更接近广泛的临床应用。

“我们的愿景是将此工具整合到重症监护病房（ICU）中，作为监测重症患者的标准组成部分。这项技术是一次重大飞跃，有可能改变我们管理重症患者的方式，减少进行高风险手术的需求，并能对神经紧急情况做出更快的反应，”资深作者吉里什·纳德卡尼（Girish Nadkarni）医学博士、哲学博士说道，他是西奈山伊坎医学院的艾琳和亚瑟·M·菲什伯格医学教授、查尔斯·布朗夫曼个性化医学研究所所长以及数据驱动和数字医学部门的系统主任。

“此外，我们的研究结果显示，它不仅在神经病学领域，而且在管理其他严重健康状况（如心脏骤停后、青光眼和急性肝功能衰竭）方面都可能是一个有价值的工具。”

“我们团队所开发的这款由人工智能驱动的临床决策支持工具，或许是在推进重症患者健康结果方面迈出的重要一步。”

“倘若我们能够验证该工具的使用情况，就有可能通过对受益潜力最大的患者使用有创颅内监测进行微调，从而提高患者的安全性，”

“该研究的合著者大卫·L·赖希（David L. Reich）医学博士表示，他是西奈山医院和西奈山皇后医院的院长，也是麻醉学领域的霍勒斯·W·戈德史密斯教授，还是伊坎西奈山的人工智能与人类健康教授。”

“我们在西奈山的目标之一是借助技术，在恰当的时间为合适的患者带来合适的团队。”

“这个工具践行了这一承诺，提供了一个量身打造的解决方案，有希望提高面临生命危险的脑损伤患者的护理标准。”