Раннее прогнозирование делирия с помощью серийных траекторий ЭЭГ и машинного обучения

Обоснование и предпосылки:

Делирий является критическим проявлением острой дисфункции головного мозга, поражая 10-15% всех госпитализированных пациентов и более 25% пациентов в отделениях интенсивной терапии (ОИТ). В травматологической ОИТ пациенты особенно уязвимы из-за воспалительного каскада, вызванного повторными операциями, нарушением гематоэнцефалического барьера, черепно-мозговой травмой (ЧМТ) и обязательным назначением опиоидов. Несмотря на клиническую значимость — включая повышенную смертность и долгосрочные когнитивные нарушения — раннее выявление остается сложной задачей. Существующие инструменты у постели больного, такие как CAM-ICU, ограничены своей периодичностью и зависимостью от экспертизы клинициста, часто упуская быстрые нейрофизиологические колебания, которые характеризуют делирий.

Цели и методология исследования:

В то время как предыдущие исследования использовали электроэнцефалографию (ЭЭГ) как «моментальный снимок» для идентификации делирия, такие перекрестные подходы часто отражают транзиторную глубину седации, а не истинную нейрокогнитивную уязвимость. Данное исследование предлагает лонгитюдный подход, фокусируясь на траектории изменений корковой динамики с течением времени.

Мы проводили краткие серийные ЭЭГ покоя три раза в день в течение как минимум трех последовательных дней у критически больных травматологических пациентов. Используя выполнимый фронтальный монтаж, мы количественно оценили комплексный набор признаков, включая спектральную мощность (замедление), нелинейную сложность и фазовую функциональную связность.

Исследовательская гипотеза:

Фреймворк использует машинное обучение (МО) для использования этих лонгитюдных траекторий, с целью прогнозирования уязвимости к делирию до формального клинического диагноза. Кроме того, мы предполагаем, что записи с открытыми глазами — путем наложения минимального ограничения на возбуждение — лучше отражают целостность бодрствующей сети и обеспечивают превосходную прогностическую силу по сравнению с традиционными записями с закрытыми глазами, которые часто осложняются седацией и сонливостью в условиях травматологической ОИТ.

Клиническое значение:

Определяя оптимальные условия записи и устанавливая прогностический фреймворк на основе МО, это исследование стремится определить стандартизированную стратегию нейрофизиологического мониторинга. В конечном итоге это будет способствовать раннему вмешательству и улучшению долгосрочного неврологического прогноза у выживших после тяжелой травмы.