近红外光谱无创颅内压监测启用

增加颅内压(ICP)是一个危险的条件,可能是由于脑部出血,脑瘤、脑水肿,创伤性脑损伤和脑积水。因此ICP监测病人护理的一个关键方面对这些疾病的患者。此外,ICP测量相关评估脑灌注压(CPP)时,大脑自动调整的指标(CA)。CPP与神经功能和神经与血管的耦合,和CA定义了大脑如何保持一个恒定的血流量。鉴于这些广泛的影响和应用在临床决策,精确的ICP监测病人是一个重要的管理工具。虽然目前的工具为ICP监测精确,他们会导致出血或感染,耗时。虽然非侵入性的替代品存在,他们可怜的普遍性等局限性,预测能力较低,缺乏可靠性。因此,扩散相关光谱(DCS)和近红外光谱(NIRS)正在成为有前途的非侵入性的解决方案。值得注意的是,成本比其他非侵入性methods-low NIRS有几个优点,床边兼容性为长期和持续的监控,以及用户的独立性。

在Neurophotonics发表的一项新的研究中,研究人员在卡内基梅隆大学(CMU)成功部署检测设备持续监测血红蛋白浓度的变化。团队建立在先前的研究从哪里估计ICP心脏测量使用DCS波形特征,并确定之间的关系相对氧合血红蛋白浓度的变化和ICP。但是他们怎么能够测量ICP使用检测数据吗?这项研究的第一作者,菲利普Relander,解释道,“我们开发和训练随机森林(RF)回归算法关联心脏脉冲波形的形态通过与颅内压检测。”

验证算法,他们在临床前模型进行了初步测试。他们测量入侵ICP和动脉血压的波动,同时分析血红蛋白浓度的变化。这之后,他们检查信号的性能来自于血红蛋白浓度和CBF准确地验证算法的精度。

从概念的角度来看,结果是很有前途的。ICP之间有高度的相关性估计使用RF算法和实际ICP测量使用侵入性技术。“我们显示,通过验证发现入侵ICP数据,基于射频训练算法应用于检测心脏波形可以用来估计ICP高度精确,”解释Jana Kainerstorfer,生物医学工程卡内基梅隆大学的副教授,也是这项研究的资深作者。此外,结果表明,RF算法可以解释波形特征提取技术和DCS,突出它的可用性。

算法中使用的参数可以从检测技术获得测量,结合心电图和平均动脉血压,经常用于临床评价。因此,如果这个RF-based平台可以产生强劲的ICP在随后的人体试验,测量其临床使用的潜力将是巨大的。根据Neurophotonics副主编Rickson创作c . Mesquita坎皮纳斯大学的教授,“非侵入性评估ICP监测患者是很有价值的一个关键条件,比如在重症监护室。未来的技术在这个空间是令人兴奋的!”

参考:Relander FAJ, Ruesch,杨J,等。利用近红外光谱法和随机森林回归量来估计颅内压。一组。2022;9 (4):045001。doi:10.1117/1. nph.9.4.045001

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。