Искусственный интеллект может изменить способ измерения внутричерепного давления

Исследовательская группа Университета Джона Хопкинса разработала алгоритм неинвазивного измерения внутричерепного давления (ВЧД) с использованием данных жизненно важных показателей, которые регулярно проверяются в Отделении интенсивной терапии.

Чтобы разработать и протестировать прогностические возможности своего подхода, команда изучила 3 источника данных, которые постоянно мониторируются у пациентов отделения интенсивной терапии: АД, ЭКГ и фотоплетизмографию (ФПГ).

Они начали с набора данных пациентов, у которых одновременно проводились измерения этих переменных, и инвазивных измерений ВЧД, полученных с помощью катетеров в головном мозге. Затем они использовали сигналы АД, ЭКГ и ФПГ для обучения 6 различным алгоритмам глубокого обучения, чтобы увидеть, могут ли они генерировать сигналы ВЧД, которые были бы точными по сравнению с «достоверным» ВЧД, измеренным с помощью инвазивных методов.

Это сработало. Значения ВЧД, оцененные с помощью нового алгоритма, точно соответствовали значениям, измеренным с помощью инвазивных методов. Более того, этот алгоритм был таким же точным, как и другие неинвазивные методы оценки ВЧД, или даже более точным, чем они.

По словам авторов, метод, позволяющий осуществлять непрерывный неинвазивный мониторинг ВЧД в режиме реального времени, может избавить пациентов от рискованной операции и позволить врачам знать, когда им необходимо вмешаться, чтобы снизить ВЧД.

Источник: Shiker S. Nair et al, A deep learning approach for generating intracranial pressure waveforms from extracranial signals routinely measured in the intensive care unit, Computers in Biology and Medicine (2024) | DOI: 10.1016/j.compbiomed.2024.108677.