Искусственный интеллект при субарахноидальном кровоизлиянии (AISAH)

У пациентов с аневризматическим субарахноидальным кровоизлиянием (аСАК) примерно в 30% случаев развивается отсроченная церебральная ишемия (ОЗИ). DCI ассоциируется с повышенной смертностью, стойким неврологическим дефицитом, а также ухудшением качества жизни. Уменьшение этих неврологических травм принесет пользу как пациентам, так и обществу. Одной из клинических проблем является то, что диагностика церебральной ишемии у пациентов с САК часто задерживается из-за ограниченных возможностей мониторинга. При обнаружении неврологические повреждения часто оказываются необратимыми.

В нескольких исследованиях использовался одномерный и многомерный логистический регрессионный анализ для выявления факторов риска развития отсроченной церебральной ишемии (DCI) у пациентов с субарахноидальным кровоизлиянием. Однако эти исследования основаны на данных, собранных о пациентах (например, возраст, пол), и точность этих статистических моделей в целом оказалась низкой. Недавно также были оценены алгоритмы машинного обучения для прогнозирования DCI с использованием комбинации клинических данных и данных изображений.

Однако прогнозирование DCI не предотвращает DCI, для предотвращения DCI необходимо разработать систему мониторинга, которая может предупредить врачей о неминуемом риске церебральной ишемии, что позволит вмешаться и предотвратить церебральную ишемию.

Изменения в автономной нервной системе, такие как изменения баланса между симпатической и парасимпатической нервными системами, можно обнаружить с помощью мониторинга вариабельности сердечного ритма (ВСР). Сообщалось, что ВСР является предиктором неблагоприятного исхода после черепно-мозговой травмы и инсульта, включая субарахноидальное кровоизлияние. Однако мониторинг ВСР для выявления начальной церебральной ишемии тщательно не оценивался. В исследовании пациентов с аСАК мы непрерывно собирали ВСР в течение 10 дней после поступления, но только небольшая часть данных ВСР анализировалась в автономном режиме. У пятнадцати из 55 пациентов развилась DCI во время острой фазы, а автономный анализ ВСР показал, что соотношение низкой/высокой частоты увеличилось больше у пациентов, у которых развилась DCI (Ref). Это побудило нас попытаться проанализировать всю собранную ВСР с помощью процессов машинного обучения, и было начато сотрудничество с компьютерщиками/специалистами по данным.

Общая цель этого исследования состоит в том, чтобы с помощью компьютеров/специалистов по данным и процессов машинного обучения проанализировать собранные данные ВСР, чтобы оценить, могут ли быть обнаружены определенные закономерности у пациентов, у которых развивается DCI во время острой фазы после субарахноидального кровоизлияния.