心停止後患者における脳浮腫の自動検出のための脳波（EEG）の利用

科学分野:

• 神経学;人工知能;生体医工学

背景:

• びまん性脳浮腫は、心停止後の患者における重篤な合併症です。脳浮腫の早期検出は、適時介入と予後改善のために極めて重要です。神経画像などの現在の診断方法は、浮腫の最も初期の段階では検出できない場合があります。

研究 の 目的:

• 心停止後の患者におけるびまん性脳浮腫を特定するための脳波（EEG）ベースの機械学習モデルを開発および評価すること。放射線学的検出の前に脳浮腫を予測するモデルの能力を評価すること。TransformerとLong Short-Term Memory（LSTM）アーキテクチャのパフォーマンスを比較すること。

主な方法:

• 神経画像およびEEGモニタリングを受けた成人心停止生存者（2016-2024年）の後ろ向き単一施設コホート研究。びまん性脳浮腫を検出するために4時間および8時間のEEGセグメントでトレーニングされた機械学習モデル（Transformer、LSTM）。放射線学的浮腫検出に先行するEEGセグメントを使用した予測モデルの評価。

主要な成果:

• 最適な検出モデル（Transformer、4時間EEG）は、AUC 80.0％、精度80.0％、感度80.0％、特異度90.0％を達成しました。トップの予測モデル（Transformer、8時間EEG）は、AUC 92.2％、精度90.6％、感度100％、特異度88.9％を示しました。Transformerモデルは、検出と予測の両方のタスクでLSTMを上回りました。

結論:

• ルーチンのEEGデータに適用された機械学習は、心停止生存者におけるびまん性脳浮腫を効果的に特定できます。Transformerベースのモデルは、脳浮腫の早期検出と予測において優れたパフォーマンスを示します。この戦略は、EEGモニタリング中に進行する浮腫の早期認識の可能性を秘めており、二次的な脳損傷を軽減するための適時介入を可能にします。