在创伤性脑损伤患者中,自动检测和量化 Paroxysmal Sympathetic Hyperactivity 的计算框架

科学领域:

• 神经学 神经学
• 关键护理医学 关键护理医学
• 生物医学工程 生物医学工程

背景情况:

• 发性交感性过活性 (PSH) 是严重创伤性脑损伤 (TBI) 患者的常见并发症.
• PSH与不良结果和恢复挑战有关.
• 目前的PSH诊断方法依赖于主观的临床判断,阻碍了及时识别和管理.

研究的目的:

• 开发和验证用于客观检测和定量PSH的自动化工具.
• 为PSH评估利用连续的床边生命体征数据.
• 克服在重症TBI患者的主观PSH诊断的局限性.

主要方法:

• 根据PSH-评估措施标准开发了一个高分辨率的临床特征尺度.
• 创建了两种基于人工智能的情节检测模型:专家系统和机器学习模型.
• 利用了221名重症TBI患者 (107名PSH) 的连续生理数据,并将临床医生注释的数据作为基本真相.

主要成果:

• 所有三种开发的方法 (特征尺度,专家系统,机器学习) 在区分PSH病例与非PSHTBI对照时都显示出初始有效性.
• 量化PSH发作包括数量,持续时间和时间负担.
• 探索了性能评估的精度和回忆.

结论:

• 使用客观生命体征数据的自动化计算框架显示了PSH检测和量化方面的前景.
• 未来实时监测的实施可以提高TBI患者的PSH管理.
• 客观的工具可以提高这种具有挑战性的综合征的护理标准.