基于搏动性颅骨扩张波形的机器学习无创颅内压估计研究：开启神经重症监护新篇

颅内压（ICP）监测对神经重症患者至关重要，但有创监测存在诸多局限，无创监测方法也不理想。研究人员利用机器学习（ML）技术，基于颅骨扩张波形构建模型估计 ICP。该模型平均绝对误差为 3.00 mmHg ，为无创 ICP 监测带来希望。

　　在神经医学领域，大脑就像一个神秘的 “小宇宙”，而颅内压（Intracranial Pressure，ICP）则是这个 “小宇宙” 内的重要 “气象指标”。正常情况下，颅内各个腔室的体积保持平衡，ICP 也处于稳定状态，这对维持大脑的正常功能和血液供应极为关键。一旦 ICP 升高，就如同 “小宇宙” 内刮起了风暴，会减少脑血流灌注，破坏脑血流调节，严重威胁患者的生命健康。

目前，ICP 监测的金标准是有创方法，需要将探头置入脑室或脑实质。这种方法虽然精准，但操作过程就像一场 “高难度手术”，需要专业人员操作，成本高昂，还伴随着感染、出血等风险。为了寻找更安全、便捷的监测方法，医学研究者们不断探索，尝试了多种无创技术，如经颅多普勒（Transcranial Doppler，TCD）、视神经鞘直径（Optic Nerve Sheath Diameter，ONSD）超声检查等。然而，这些无创方法就像还未完全打磨好的 “宝石”，在准确性上存在一定的缺陷，无法真正满足临床需求。

在这样的背景下，来自巴西圣保罗大学医学院、英国剑桥大学等多个研究机构的研究人员，踏上了探索无创 ICP 监测新方法的征程。他们的研究成果发表在《npj Digital Medicine》上，为该领域带来了新的曙光。

研究人员开展了一项回顾性分析研究，数据来源于巴西、葡萄牙和美国多个中心的前瞻性观察研究。研究团队收集了 112 例急性脑损伤（Acute Brain Injury，ABI）且需要有创 ICP 监测患者的数据。

研究用到的主要关键技术方法如下：

• 监测设备：使用 B4C 系统（brain4care）采集无创搏动性颅骨扩张波形，同时通过光纤脑实质内传感器或脑室外引流（External Ventricular Drain，EVD）监测有创 ICP。
• 信号处理：对 B4C 信号进行一系列处理，包括计算信噪比（Signal-to-Noise Ratio，SNR）、质量分类、降采样、标准化等，去除干扰信号，提高数据质量。
• 模型构建：采用直方图梯度提升（Histogram Gradient Boosting，HGB）回归器构建机器学习模型。通过提取 B4C 波形的多种特征，筛选出 15 个关键特征用于模型训练，并使用网格搜索优化超参数。同时，采用 10 折交叉验证评估模型性能，并设置 20 例患者的数据用于最终验证789。

下面来看具体的研究结果：

• 数据处理与模型训练：研究初始考虑评估 136 例患者，经过筛选，最终 112 例患者的数据用于模型构建。这些数据被分割成 10 秒的窗口，共得到 11,604 个窗口，约 150,000 个脉冲。92 例患者的数据用于模型训练，训练过程中对数据进行了预处理。模型在交叉验证时，测试数据集的平均绝对误差（Mean Absolute Error，MAE）为 1.23 ± 0.02 mmHg ，均方误差（Mean Squared Error，MSE）为 3.68 ± 0.34 mmHg；训练数据集的 MAE 为 0.91 ± 0.01 mmHg ，MSE 为 1.88 ± 0.05 mmHg12。
• 模型验证：验证数据集的 MAE 为 3.00 mmHg，MSE 为 13.56 mmHg。Bland–Altman 分析显示，ICP 与估计的无创 ICP（eICP）之间的平均差异（偏差）为 -0.21 mmHg ，标准差为 ±3.68 mmHg ，95% 置信区间小于 ±7.5 mmHg 。ICP 与 eICP 之间存在中等相关性（r = 0.43，P < 0.05）。在验证窗口中，36.61% 的窗口 eICP 与实际 ICP 差异低于 2 mmHg，71.90% 的窗口差异低于 4 mmHg，91.48% 的窗口差异低于 6 mmHg345。
• 与其他方法对比：将 eICP 与基于 TCD 的无创 ICP 估计方法（eICP_TCD）对比发现，eICP 与 ICP 的一致性更好，相关性更强。eICP 的 95% 置信区间为 ±4.17 mmHg，而 eICP_TCD为 ±10.78 mmHg 。ICP 与 eICP 的 Spearman 相关系数 r = 0.76（P < 0.05），与 eICP_TCD则无显著相关性（Spearman r = -0.25，P = 0.40）6。

研究结论和讨论部分指出，该研究构建的 ML 模型利用 B4C 系统采集的波形特征，能较为准确地估计 ABI 患者的 ICP。这一成果为无创 ICP 监测提供了新的方法，有望在临床广泛应用，改善神经重症患者的管理和预后。不过，模型仍存在一些局限性，如对颅骨缺损患者的准确性可能受影响，易受患者躁动和传感器位置的干扰，还需要在更大规模、更多样化的患者群体中进行前瞻性验证，进一步优化模型。但无论如何，这项研究为无创 ICP 监测领域点亮了一盏明灯，为后续研究和临床实践开辟了新的道路。