Исследовательская группа Университета Джонса Хопкинса разработала алгоритм неинвазивного измерения внутричерепного давления (ВЧД) с использованием данных основных показателей жизнедеятельности, которые регулярно проверяются в отделении интенсивной терапии.

Новый метод использует методы глубокого обучения для получения измерений ВЧД с точностью, сопоставимой с текущим стандартным подходом, требующим сверления черепа.

«Неинвазивное измерение ВЧД — это своего рода Святой Грааль в медицине интенсивной терапии . Этот новый метод может стать переломным моментом, поскольку мы потенциально можем предложить возможность получать измерения ВЧД без выполнения этой чрезвычайно инвазивной процедуры », — сказал старший автор Роберт Стивенс, доцент кафедры анестезиологии и интенсивной терапии в Медицинской школе Университета Джонса Хопкинса.

Исследовательская группа, в состав которой входят студенты и преподаватели факультета биомедицинской инженерии, анестезиологи и нейрохирурги, опубликовала свои выводы в июльском номере журнала Computers in Biology and Medicine .

Обучение инновациям с помощью искусственного интеллекта
Работая врачом-реаниматологом, Стивенс лечит пациентов с острой черепно-мозговой травмой — состоянием, которое может привести к отеку мозга и потенциально фатальному повышению давления внутри черепа пациента.

В настоящее время наиболее эффективным способом мониторинга ВЧД является просверливание отверстия в черепе и введение катетера в мозговую ткань для сбора информации о форме волны — процедура с высоким риском, требующая хирургической бригады и может быть выполнена только в отделении интенсивной терапии, операционной или отделении неотложной помощи. Существуют и другие неинвазивные методы измерения ВЧД, но лишь немногие из них продемонстрировали свою надежность, и большинство из них не могут генерировать непрерывные измерения ВЧД.

Три года назад Стивенс поставил перед студентами программы бакалавриата по проектированию кафедры биомедицинской инженерии задачу использовать ИИ, чтобы помочь врачам точно и непрерывно контролировать ВЧД без хирургического вмешательства.

«Наша команда привнесла в проект широкий спектр опыта, от сильных навыков в области науки о данных и программирования до опыта в создании прототипов», — сказал Шикер Наир, инженер \’22, первый автор исследования и руководитель группы разработчиков ICPredict. «Но нашей самой большой проблемой было сбалансировать техническую осуществимость с клиническим воздействием. Что мы могли бы сделать всего за один год, чтобы кардинально изменить текущую картину мониторинга ВЧД?»

Студенты наблюдали за врачами и неврологами в отделении нейрореанимации в больнице Джона Хопкинса, получая непосредственный взгляд на важность мониторинга ВЧД и основные ограничения, которые им необходимо было устранить. Наир сказал, что хотя они исследовали множество возможных решений, касающихся различных аспектов проблемы, процесс интеграции этих решений был сложным.

В конечном итоге под руководством Стивенса и Николаса Дюрра, доцента кафедры биомедицинской инженерии, студенты разработали алгоритм искусственного интеллекта, предназначенный для косвенного расчета ВЧД путем анализа волновых моделей более доступных физиологических переменных, таких как артериальное давление.

Тестирование алгоритма
Для разработки и проверки прогностических возможностей своего подхода команда изучила три источника данных о форме волн, которые постоянно собираются у пациентов отделения интенсивной терапии: артериальное давление (АД), электрокардиограмма (ЭКГ) и фотоплетизмография (сигнал, используемый для записи пульсоксиметрии).

Они начали с набора данных пациентов, у которых одновременно проводились измерения этих переменных и инвазивных измерений ВЧД, полученных с помощью катетеров в мозге. Затем они использовали формы волн ABP, ЭКГ и PPG для обучения шести различных алгоритмов глубокого обучения, чтобы проверить, могут ли они генерировать формы волн ВЧД, которые были бы точными по сравнению с «истинным» ВЧД, измеренным с помощью инвазивных методов.

Это сработало. Значения ВЧД, рассчитанные с использованием нового алгоритма, близко соответствовали значениям, полученным с помощью инвазивных методов. Более того, алгоритм Хопкинса оказался таким же точным, как и другие неинвазивные методы оценки ВЧД, или даже точнее.

По словам Стивенса, эти результаты весьма значимы. Он отмечает, что метод, позволяющий осуществлять непрерывный неинвазивный мониторинг ВЧД в режиме реального времени , может избавить пациентов от рискованной операции и дать врачам знать, когда им следует вмешаться, чтобы снизить ВЧД.

«Если дальнейшие исследования подтвердят, что это надежно и точно, возможно, мы сможем вообще отказаться от инвазивного мониторинга ВЧД», — сказал Стивенс. «Также интересно то, что это будет означать, что ВЧД можно будет контролировать в различных условиях оказания помощи, а не только в отделении интенсивной терапии».

Команда планирует проверить эти результаты, используя гораздо больший набор данных, прежде чем перейти к набору когорты пациентов для перспективного исследования. Многие студенты, включая Наира, продолжили работать над проектом даже после перехода в другие учреждения или на другие должности в отрасли.

«Было замечательно видеть, как то, что начиналось как учебный проект, превратилось в нечто большее. Это свидетельство мотивации и вовлеченности наших студентов, которые добились результата, который во многих отношениях является большим успехом», — сказал Стивенс.