Das KI -Werkzeug schien versteckte Anzeichen eines Bewusstseins bei Patienten mit Hirnverletzungen zu erkennen

Eine neue Studie, die in Nature Communications Medicine veröffentlicht wurde, die von den Forschern der Neurochirurgie Sima Mofakham, PhD, und Chuck Mikell, MD, von der Renaissance School of Medicine (RSOM) von der Stony Brook University, zur Renaissance School of Medicine bietet Kliniker mit Daten über den Weg zum Bewusstsein nach traumatischen Hirnverletzungen (TBI), die dazu beitragen können, dass sie sich für eine personalisiertere und effektivere Patientenverstärkung und die effektiveren Patientenversorgungsstrategien und die Erkrankung der kritischen Pflege einsetzen können.

Jedes Jahr werden Tausende von Gehirnverletzten in Krankenhäusern in den USA als „nicht mehr reagieren“. Neue Forschungsergebnisse zeigen jedoch, dass bis zu ein Viertel dieser Personen bei Bewusstsein, aber einfach nicht in der Lage ist, dies zu zeigen. Diese Trennung, die als kognitive motorische Dissoziation (CMD) bezeichnet wird, ist einer der dringendsten diagnostischen blinden Flecken in der Neurologie und der Intensivpflege.

Um dieses Problem anzugehen, drs. Mofakham und Mikell entwickelten ein erstklassiges Tool für künstliche Intelligenz (KI) namens Secee, das Anzeichen eines verdeckten Bewusstseins erfasst, indem mikroskopische Gesichtsbewegungen analysiert werden, die für das nackte Auge unsichtbar sind. Ihre Ergebnisse deuten darauf hin, dass anscheinend Anzeichen für das Bewusstsein von vier bis acht Tagen früher als herkömmliche klinische Untersuchungen identifiziert werden können.

Die Arbeit befasst sich direkt mit dem zentralen Dilemma in einer Landmarke 2024 -Studie in Das New England Journal of Medicine Von Bodien et al., Die feststellten, dass 15 bis 25 Prozent der Patienten, die in der Intensivstation (ICU) als nicht mehr reagierende Gehirnfunktion (ICU) diagnostiziert haben, die Hirnfunktion auf hoher Ebene behalten, jedoch Standard-Nachttests sind nicht empfindlich genug, um sie zu erkennen. Diese Fehldiagnose verzögert die Behandlung und Rehabilitation bei Patienten, die sich ansonsten erholen können.

Wir scheinen die Lücke zwischen dem, was Patienten tun kann, und dem, was Kliniker beobachten können, entwickelt. Nur weil jemand seine Gliedmaßen nicht bewegen oder sprechen kann, heißt das nicht, dass er nicht bewusst ist. Unser Tool deckt die versteckten körperlichen Anstrengungen von Patienten auf, um zu zeigen, dass sie bewusst sind. „

Dr. Sima Mofakham, Senior Autor der Studie, Associate Professor und stellvertretender Vorsitzender für Forschungsergebnisse für die Abteilung für Neurochirurgie und Assistenzprofessor am Abteilung für Elektro- und Computertechnik

In einer klinischen Studie mit 37 Patienten mit akuter Hirnverletzung und Koma verwendete er ein hochauflösendes Video und die Computersicht, um unfreiwillige Gesichtsreaktionen auf verbale Befehle wie „Ihre Augen öffnen“ oder „Zeigen Sie mir ein Lächeln“ zu messen. Diese subtilen Antworten, die von Ärzten oder Krankenschwestern typischerweise nicht nachweisbar sind, wurden unter Verwendung maschineller Lernen aufgezeichnet und analysiert.

In den meisten Fällen dieser Patientenkohorte erkannte er eine zielgerichtete Bewegung bis zu vier Tage, bevor das klinische Versorgungsteam die körperlichen Bewegungen der Patienten erkannte.

„Diese Art von Arbeit zeigt, dass die Zukunft der Medizin an der Schnittstelle von Disziplinen liegt, da wir mehr Anwendungen von KI und Ingenieurwesen in der Medizin sehen. Mit einem solchen Ansatz wollen wir komplexe Daten in Tools umwandeln, die Ärzten helfen können, schnellere und bessere Entscheidungen für Patienten zu treffen, wenn jede Stunde zählt“, betont Dr. Mofakham.

Darüber hinaus war es bei den Patienten aus der Studie mit früher zu erscheinenden Reaktionen signifikant häufiger das Bewusstsein wiedererlangt und zeigten bei der Entlassung bessere funktionelle Ergebnisse.

Ein KI -Werkzeug für die Zukunft der klinischen Versorgung von TBI

„Dies ist nicht nur ein neues diagnostisches Instrument, es ist ein potenzieller prognostischer Marker“, sagt Dr. Mikell, Neurochirurgen, Co-Lead-Forscher und klinischer Associate Professor und stellvertretender Vorsitzender der Abteilung für Neurochirurgie.

„Familien fragen uns oft, wie lange es dauern wird, bis ein geliebter Mensch aufwacht, oder ob sie es jemals tun werden. Diese Studie hilft uns, diese Fragen mit mehr Vertrauen zu beantworten, die auf Daten beruht, nicht nur Erfahrung oder Instinkt“, erklärt Dr. Mikell.

Die Autoren schlagen auch vor, dass die ethischen Auswirkungen bei TBI -Patienten und der Genesung tiefgreifend sind. Die Fehldiagnose nicht reagierender Zustände kann zu einem unangemessenen Rückzug der Versorgung, einem begrenzten Zugang zu Neurehabilitation und fehlenden Fenstern für die Therapie führen.

Der Bodien et al. Die Studie betonte den dringenden Bedarf an objektiven Werkzeugen, um CMD am Bett zu erkennen, Werkzeuge, für die keine teure Bildgebung oder invasive Verfahren erforderlich sind. Es ist eine Lösung, da sie laut DRS nicht invasiv, kostengünstig und skalierbar ist. Mofakham und Mikell. Das System benötigt nur eine Kamera und eine Open-Source-Software, wodurch es auch in ressourcenbeschränkten Krankenhäusern und Intensivstationen geeignet ist.

Wenn er sich zu größeren klinischen Studien und potenziellen regulatorischen Zulassung bewegt, sieht das Forschungsteam vor, das Tool in die Standard-Intensivpraxis zu integrieren und es mit EEG und anderen Datenströmen zu kombinieren, um eine multimodale Bewusstseinsüberwachungsplattform zu schaffen. Sie glauben auch, dass ein starkes Beispiel dafür ist, wie KI den Patienten die Unabhängigkeit wiederherstellen kann, indem sie sie ohne Worte sprechen lassen.

Die Arbeiten für beide Studien wurden durch mehrere institutionelle Saatgutzuschüsse finanziert, die die kontinuierliche Zusammenarbeit zwischen den Abteilungen für Neurochirurgie und Elektro- und Computertechnik an der Stony Brook University unterstützen.

Weitere Informationen zur breiteren neurowissenschaftlichen Forschung zum Bewusstsein im RSOM finden Sie in dieser Verbindung zum Mofakham Mikell Laboratory.

Quellen: