约翰霍普金斯大学的一个研究小组已经开发出一种算法，可以使用在ICU例行检查的生命体征数据来无创测量颅内压(ICP)。

　　新方法利用深度学习技术来生成ICP测量值，其精度可与目前需要钻穿头骨的金标准方法相媲美。

　　“非侵入性ICP测量是重症监护医学的圣杯。“这种新方法可能会改变游戏规则，因为我们有可能在不进行这种极具侵入性的手术的情况下提供获得ICP测量的能力，”约翰霍普金斯大学医学院麻醉学和重症监护医学副教授、资深作者罗伯特史蒂文斯说。

　　这个研究小组——包括生物医学工程专业的学生和教师、麻醉师和神经外科医生——在7月份的《生物与医学计算机》杂志上发表了他们的研究结果。

　　作为一名重症监护医生，史蒂文斯治疗急性脑外伤患者，这种情况会导致脑肿胀，并可能导致患者颅骨内压力的致命增加。

　　目前，监测颅内压最有效的方法是在颅骨上钻一个洞，将导管插入脑组织以收集波形信息，这是一种高风险的手术，需要外科团队，只能在重症监护病房、手术室或急诊科进行。还有其他测量ICP的非侵入性方法，但很少有可靠的，而且大多数不能产生连续的ICP测量。

　　三年前，史蒂文斯向生物医学工程系本科设计团队项目的学生提出挑战，要求他们使用人工智能帮助临床医生在不进行手术的情况下准确、持续地监测ICP。

　　“我们的团队为这个项目带来了各种各样的经验，从强大的数据科学和编程技能到原型专业知识，”22岁的工程师Shiker Nair说，他是该研究的第一作者和设计团队ICPredict的负责人。“但我们最大的挑战是平衡技术可行性和临床影响。在短短一年的时间里，我们能做些什么才能彻底改变目前监测国际比较方案的情况呢?”

　　学生们跟随约翰霍普金斯医院神经icu的临床医生和神经科医生，对ICP监测的重要性和需要解决的主要限制有了第一手的了解。Nair说，虽然他们探索了许多可能的解决方案来解决问题的各个方面，但整合这些解决方案的过程具有挑战性。

　　最终，在Stevens和生物医学工程副教授Nicholas Durr的指导下，学生们开发了一种人工智能算法，旨在通过分析更容易获得的生理变量(如动脉血压)的波形模式来间接计算ICP。

　　为了建立和测试他们的方法的预测能力，研究小组研究了从ICU患者连续收集的三个波形数据来源:动脉血压(ABP)，心电图(ECG)和光容积脉搏波(用于脉搏血氧仪记录的信号)。

　　他们从患者的数据集开始，这些患者同时测量了这些变量，并通过脑内导管进行了侵入性ICP测量。接下来，他们使用ABP, ECG和PPG波形来训练六种不同的深度学习算法，以查看它们是否可以生成与使用侵入性方法测量的“地面真实”ICP相比准确的ICP波形。

　　它工作。使用新算法估计的ICP值与使用侵入性方法测量的ICP值非常匹配。更重要的是，霍普金斯算法与其他非侵入性ICP评估方法一样准确，甚至更准确。

　　史蒂文斯认为，这些结果意义重大，他指出，一种允许持续、实时、非侵入性ICP监测的方法可以使患者免于危险的手术，并让医生知道何时必须进行干预以降低ICP。

　　史蒂文斯说:“如果进一步的研究证实这是可靠和准确的，也许我们可以完全取消侵入性ICP监测。”“同样令人兴奋的是，这意味着ICP可以在各种护理环境中进行监测，而不仅仅是在重症监护病房。”

　　该团队计划在招募一组患者进行前瞻性试验之前，使用更大的数据集来验证这些发现。包括奈尔在内的许多学生，即使在转到其他机构或行业职位后，仍继续从事这个项目。

　　“看到一个课程项目如何在这里结束，真是太了不起了。史蒂文斯说:“这证明了我们学生的积极性和参与度，我们在很多方面都取得了巨大的成功。”

　　更多信息:Shiker S. Nair等，一种深度学习方法用于从重症监护病房常规测量的颅外信号生成颅内压波形，生物与医学计算机(2024)。引文:人工智能可以改变我们测量神经危重症患者脑压的方式(2024年7月23日)检索自https://medicalxpress.com/news/2024-07-ai-brain-pressure-neurocritical-patients.html此文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。