A delirium korai előrejelzése soros EEG pályák és gépi tanulás segítségével

Háttér és indoklás:

A delirium az akut agyi diszfunkció kritikus megnyilvánulása, amely a kórházban ápolt betegek 10-15%-át és az intenzív osztályon (ICU) lévők több mint 25%-át érinti. A traumatológiai intenzív osztályon a betegek különösen sebezhetőek az ismételt műtétekből eredő gyulladásos kaszkád, a vér-agy gát megsértése, a traumás agysérülés (TBI) és a kötelező opioid adagolás miatt. Annak ellenére, hogy klinikai jelentősége – beleértve a megnövekedett halálozást és a hosszú távú kognitív károsodást –, a korai felismerés továbbra is kihívást jelent. A jelenlegi ágy mellé eszközök, mint a CAM-ICU, korlátozottak periodikus jellegük és a klinikai szakértelemtől való függésük miatt, gyakran nem veszik észre a deliriumt meghatározó gyors neurofiziológiai ingadozásokat.

Tanulmány céljai és módszertana:

Míg korábbi tanulmányok elektroenkefalográfiát (EEG) használtak „pillanatfelvételként” a delirium azonosítására, az ilyen keresztmetszeti megközelítések gyakran az átmeneti nyugtató mélységet tükrözik, nem pedig a valódi neurokognitív sebezhetőséget. Ez a tanulmány longitudinális megközelítést javasol, a kortikális dinamika időbeli változásának pályájára fókuszálva.

Rövid, sorozatos nyugalmi állapotú EEG-felvételeket végeztünk naponta háromszor, legalább három egymást követő napon keresztül, kritikus állapotú traumatológiai betegektől. Kivitelezhető frontális elrendezést alkalmazva átfogó jellemzőket számszerűsítettünk, beleértve a spektrális teljesítményt (lassulás), nemlineáris komplexitást és fázis alapú funkcionális kapcsolatot.

Kutatási hipotézis:

A keretrendszer gépi tanulást (ML) alkalmaz ezen longitudinális pályák kiaknázására, célul tűzve a delirium sebezhetőségének előrejelzését a formális klinikai diagnózis előtt. Továbbá azt feltételezzük, hogy a nyitott szemmel készült felvételek – egy minimális éberségi korlátozás kikényszerítésével – jobban rögzítik az éber hálózat integritását és jobb előrejelző erőt biztosítanak a hagyományos csukott szemmel készült felvételekkel összehasonlítva, amelyeket gyakran zavar a traumatológiai intenzív osztály környezetében a nyugtató és az álmosság.

Klinikai hatás:

Az optimális felvételi feltétel azonosításával és egy ML-alapú előrejelzési keretrendszer létrehozásával ez a tanulmány egy szabványosított neurofiziológiai monitorozási stratégiát kíván meghatározni. Ez végső soron elősegíti a korai beavatkozást és javítja a súlyos traumát túlélők hosszú távú neurológiai prognózisát.