综述：新生儿血液动力学中的人工智能：脑自动调节

《Seminars in Fetal and Neonatal Medicine》：Artificial Intelligence in Neonatal Hemodynamics: Cerebral Autoregulation

早产儿脑室内出血（P/IVH）的病理机制涉及脑血流自动调节障碍及缺血再灌注损伤，传统监测存在滞后性。本文提出四项关键挑战：精准预测P/IVH发作窗口、实时监测出血、构建动态心血管模型、开发闭环治疗系统，并探讨人工智能在数据整合、预测分析和实时干预中的应用潜力。

　　

Piyawat Arichai | Tai-Wei Wu | Istvan Seri | Shahab Noori

美国加利福尼亚州洛杉矶南加州大学凯克医学院洛杉矶综合医疗中心儿科新生儿科

引言

从胎儿期到出生后的过渡对极早早产儿来说尤其具有挑战性。他们普遍存在发育不成熟的情况，尤其是心血管系统、呼吸系统和神经系统，这使得早产儿容易发生循环功能不全和脑灌注不足。事实上，早产儿容易出现室周/脑室内出血（P/IVH），尤其是在过渡期间。室周/脑室内出血包括在生发基质和脑室内的出血和组织损伤，可能还会扩展到脑室周围的组织。大约15-20%的在32周妊娠期出生的新生儿会发生P/IVH，且妊娠周数越小、出生体重越低，其发生率和严重程度越高¹。严重的P/IVH与死亡率和长期神经发育障碍独立相关²。出血通常始于富含未成熟细胞的生发基质，这些细胞在妊娠约24周时开始分化为神经元和胶质细胞并迁移到大脑皮层。大多数神经元细胞到达皮层后，生发基质会逐渐萎缩，并在妊娠36周左右完全消失^{3, 4}。 P/IVH的发病机制复杂且多因素所致。极早早产儿的大脑具有固有的解剖和生理脆弱性。此外，为了维持宫外生命而采取的干预措施（尤其是支持未成熟器官的功能）也可能对心肺系统和脑血流动力学产生负面影响。 P/IVH的主要发病机制之一是缺血-再灌注损伤^{7, 8}。促进“缺血”发展的因素包括胎盘血流突然停止（尤其是在立即进行脐带结扎的情况下）、Apgar评分低、全身性低血压（尤其是在脑血流自动调节能力较差的极早早产儿中）、低碳酸血症、通气压力过高、动脉导管未闭（尤其在早期）、外周血管调节紊乱以及未成熟心肌功能障碍。加剧“再灌注”的因素包括在极早早产儿中前脑尚未被认定为重要器官⁹、血压突然变化（尤其是在脑血流自动调节受损的情况下）、血管加压药/强心剂的选用或剂量不当、PaCO₂突然升高以及快速且无节制的液体输入。 脑血流自动调节是大脑的一种血管特性，能够在不同的全身血压范围内保持相对稳定的脑血流量（CBF）。如前所述，早产儿的血压自动调节范围较窄，而在病情危重的早产儿中，这种自动调节能力进一步受损或完全丧失。自动调节能力受损会使大脑容易受到缺血-再灌注损伤，因为血压的变化会导致脑血流量出现波动。所谓的“压力被动循环”¹⁰在低血压的婴儿中尤为严重，因为他们有发生脑缺血的风险；而当血压自发改善或通过干预措施得到改善时，又可能发生再灌注。值得注意的是，脑缺血（无论是否伴有围产期感染/炎症和严重低碳酸血症）以及全身性低血压也被认为与室周白质软化症和/或广泛的白质损伤有关⁹。 尽管无法直接测量自动调节功能，但已经开发出多种技术来检测全身血压变化与脑血流量变化之间的高度相关性，以此作为判断“压力被动状态”的依据^{11, 12, 13}。然而，由于数据整合不足以及量化方法尚未达成共识，实时全面的脑血流动力学监测仍难以实现。 近年来，人工智能（AI）技术发展迅速。从使用深度神经网络的预测分析，到利用计算机视觉进行医学影像解读，再到模拟建模和大型语言模型，AI有望帮助解决新生儿循环功能不全和脑血流动力学改变所带来的重要问题。在这篇综述中，我们讨论了在支持病情危重早产儿（特别是极早早产儿）脆弱大脑方面面临的四个主要挑战，以及AI如何能够为此做出贡献。

章节摘录

挑战1：我们能否建立一个准确的室周/脑室内出血病理生理模型，并准确预测其发生时间，从而提供一个可干预的窗口期？

识别出最容易发生P/IVH的高风险婴儿对于产前咨询、预后评估以及标准化产后重症监护以改善治疗结果至关重要。在临床试验设计中选择高风险人群还可以提高研究效力、减少样本量并优化研究资源利用。

挑战2：我们能否在P/IVH发生时及时准确检测到它？

建议对妊娠30周或更早出生的婴儿在出生后7至10天内进行常规颅脑超声筛查，尤其是那些有明显脑损伤临床症状的婴儿²⁷。然而，P/IVH可能突然发生，且没有明显的临床症状。因此，当通过颅脑超声检测到P/IVH时，出血可能已经发生数天。P/IVH的延迟发现使得我们难以对其发病机制进行研究。

挑战3：我们能否创建一个实时的多模态计算心血管生理模型，并利用它来指导治疗？

已经开发出多种数学模型来模拟不同发育阶段的心血管系统⁴⁹。其中一个模型将心血管系统的 lumped-parameter 模型与血压和灌注-代谢影响的神经控制相结合，以提高对胎儿酸中毒和心血管衰竭的检测能力⁵⁰。这些数学模型假设血管系统可以通过定义其阻力、容量和惯性的参数来表示。

挑战4：我们能否创建一个闭环系统来自动化治疗调节？

如果临床决策支持工具显示出高准确性和一致的有效性，就可以开发出一个闭环系统来在监督下管理患者的某些护理方面。这一概念已经在实践中得到应用。例如，一些呼吸机已经配备了自动氧浓度（FiO₂）控制算法，机器会根据需要调整FiO₂以保持患者的氧饱和度在目标范围内。研究表明，这种闭环FiO₂控制可以有效维持氧合状态。

结论

人工智能有潜力通过增强临床医生的能力来改善新生儿血流动力学的管理：处理大量数据、提供决策支持，并实时持续监测关键生理参数。使用机器学习（ML）算法的预测分析可能有助于准确预测脑血流紊乱和即将发生的脑损伤，从而及时采取适当的干预措施。

未引用的参考文献

5.; 6.; 10.; 23.; 24.