来自EEG的标记物可以改善对意识障碍的预后评估

科学领域:

• 神经科学是一个神经科学.
• 临床神经学 临床神经学
• 医疗技术 医疗技术 医学技术

背景情况:

• 意识障碍 (DoC) 涉及脑损伤后改变的兴奋/意识.
• 先进的神经成像/电生理学帮助DoC诊断/预后,但以研究为重点.
• 对于DoC患者来说,先进技术的临床翻译是有限的.

研究的目的:

• 为了确定电脑电图 (EEG) 测量用于预测DoC患者的结果.
• 评估EEG特征来预测意识障碍的退出.
• 评估EEG区分不响应的清醒状态 (UWS) 与最小意识状态 (MCS) 的能力.

主要方法:

• 在58名DoC患者 (UWS和MCS) 中记录了例行静止状态EEG.
• 分析了对光谱内容和静态网络组织的EEG特征.
• 机器学习模型用于结果预测和状态识别.

主要成果:

• 机器学习模型在预测患者的结果 (从DoC退出) 中实现了85%的准确性.
• 模型在区分UWS和MCS方面实现了76%的准确性.
• 确定了用于结果预测和国家歧视的关键EEG特征.

结论:

• 常规EEG分析显示,有望改善非通讯性DoC患者的临床管理.
• 来自EEG的特征可以支持意识障碍的预后.
• 在较大的DoC群体中需要进一步验证.