脑电图特征鉴别马拉维发热昏迷患儿中脑疟疾与非疟疾病因的临床研究

在疟疾流行区，发热昏迷患儿的病因鉴别面临巨大挑战。来自马拉维的研究团队通过回顾性病例对照研究，利用脑电图(EEG)结合机器学习算法，成功区分了203例脑疟疾与87例非疟疾性昏迷患儿的EEG特征差异。研究发现疟疾昏迷患儿呈现更高电压、更慢背景频率等特异性EEG模式，组合定性定量分析时诊断效能最佳(AUROC=0.90)，为疟疾流行区昏迷病因的快速鉴别提供了创新性生物标志物。

　　

在疟疾肆虐的马拉维地区，发热昏迷患儿的病因诊断犹如破解医学密码。这项开创性研究收集了2013-2021年间入住布兰太尔女王伊丽莎白中央医院的290名患儿数据，通过对比203例脑疟疾和87例非疟疾（含细菌性脑膜炎、病毒性脑炎等）昏迷患儿的脑电图(EEG)特征，揭示了惊人的生物电差异。

定性分析显示，疟疾组患儿EEG呈现"三高两低"特征：更高电压（high voltage）、更慢背景频率（slower background frequency）、更多睡眠元素（sleep elements），同时伴有更低的变异度（less variability）和连续性（less continuity）。定量波形分析则发现疟疾组功率谱显著增强。

研究团队祭出机器学习"组合拳"，运用四种算法训练出平衡集成分类器SuperLearner。当定性(AUROC=0.86)与定量(AUROC=0.85)方法强强联合时，诊断准确率飙升至0.90，相当于为临床医生装配了"病因识别雷达"。这项突破不仅破解了疟疾流行区昏迷鉴别的诊断困境，更开创了EEG生物标志物在热带病精准医疗中的新纪元。