早期せん妄予測のための連続EEG軌跡と機械学習

背景と根拠：

せん妄は急性脳機能障害の重要な兆候であり、入院患者全体の10-15％、特に集中治療室（ICU）では25％以上に影響を及ぼします。外傷ICUでは、繰り返される手術、血液脳関門の破壊、外傷性脳損傷（TBI）、必須のオピオイド投与による炎症カスケードのため、患者は特に脆弱です。死亡率の上昇や長期的な認知障害などの臨床的意義にもかかわらず、早期発見は依然として困難です。CAM-ICUのような現在のベッドサイドツールは、定期的な使用と臨床医の専門知識への依存により制限され、せん妄を特徴づける急速な神経生理学的変動を見逃すことがよくあります。

研究目的と方法論：

これまでの研究では、せん妄を特定する「スナップショット」として脳波検査（EEG）が使用されてきましたが、このような横断的アプローチは、真の神経認知的脆弱性よりも、一過性の鎮静深度を反映することが多いです。本研究は、時間経過に伴う皮質動態の変化の軌跡に焦点を当てた縦断的アプローチを提案します。

重症外傷患者から、少なくとも連続3日間、1日に3回、短時間の連続安静時脳波を取得しました。実用的な前頭部モンタージュを用いて、スペクトルパワー（減速）、非線形複雑性、位相ベースの機能的結合性を含む包括的な特徴量を定量化しました。

研究仮説：

この枠組みは、機械学習（ML）を活用してこれらの縦断的軌跡を利用し、正式な臨床診断前にせん妄の脆弱性を予測することを目指しています。さらに、外傷ICU環境では鎮静や眠気の影響を受けやすい従来の閉眼記録と比較して、最小限の覚醒制約を課す開眼記録が、覚醒時のネットワーク完全性をより適切に捉え、優れた予測力を提供すると仮定します。

臨床的影響：

最適な記録条件を特定し、MLベースの予測枠組みを確立することで、本研究は標準化された神経生理学的モニタリング戦略を定義することを目指します。これにより、最終的に早期介入を促進し、重症外傷生存者の長期的な神経学的予後を改善することが期待されます。