Umělá inteligence u subarachnoidálního krvácení (AISAH)

U pacientů s aneuryzmatickým subarachnoidálním krvácením (aSAH) se asi ve 30 % případů rozvine opožděná cerebrální ischemie (DCI). DCI je spojena se zvýšenou mortalitou, přetrvávajícím neurologickým deficitem a také zhoršenou kvalitou života. Bylo by přínosem jak pro pacienty, tak pro společnost, kdyby se tato neurologická poranění snížila. Jedním klinickým problémem je, že diagnóza cerebrální ischemie u pacientů s SAH je často zpožděna kvůli omezením monitorovacích schopností. Po zjištění se neurologické poškození často ukáže jako nevratné.

Několik studií použilo jednorozměrnou a vícerozměrnou logistickou regresní analýzu k identifikaci rizikových faktorů pro rozvoj opožděné cerebrální ischemie (DCI) u pacientů se subarachnoidálním krvácením. Tyto studie jsou však založeny na údajích shromážděných o pacientech (např. věk, pohlaví) a přesnost těchto statistických modelů byla obecně shledána jako nízká. Nedávno byly také hodnoceny algoritmy strojového učení pro predikci DCI pomocí kombinace klinických a obrazových dat.

Predikce DCI však nezabrání DCI, k prevenci DCI je třeba vyvinout monitorovací systém, který může varovat lékaře před hrozícím rizikem mozkové ischemie, což umožní zasáhnout a předcházet mozkové ischemii.

Změny v autonomním nervovém systému, jako jsou změny v rovnováze mezi sympatickým a parasympatickým nervovým systémem, lze detekovat pomocí monitorování variability srdeční frekvence (HRV). HRV byla hlášena jako prediktor špatného výsledku po traumatickém poranění mozku a mrtvici, včetně subarachnoidálního krvácení. Monitorování HRV pro detekci počínající cerebrální ischemie však nebylo důkladně hodnoceno. Ve studii pacientů s aSAH jsme shromažďovali HRV nepřetržitě až 10 dnů po přijetí, ale jen malá část dat HRV byla analyzována off-line. U 15 z 55 pacientů se vyvinul DCI během akutní fáze a off-line analýza HRV ukázala, že poměr nízké/vysoké frekvence se zvýšil více u pacientů, u kterých se vyvinul DCI (odkaz). To nás vedlo k pokusu analyzovat všechny shromážděné HRV pomocí procesů strojového učení a byla zahájena spolupráce s počítačovými/datovými vědci.

Celkovým cílem této studie je s pomocí počítačových/databázových vědců a procesů strojového učení analyzovat shromážděná data HRV za účelem vyhodnocení, zda lze u pacientů, u kterých se vyvinula DCI během akutní fáze po subarachnoidálním krvácení, nalézt specifické vzorce.