近红外光谱可能提供一种经济高效的无创监测颅内压的方法

近红外光谱可能提供一种经济高效的无创监测颅内压的方法

颅内压 (ICP) 升高是一种危险情况，可能由脑出血、脑肿瘤、脑水肿、脑外伤和脑积水引起。 因此，ICP 监测是这些疾病患者护理的一个关键方面。 此外，ICP 测量在估计脑灌注压 (CPP)（脑自动调节 (CA) 指标）时也很重要。

CPP 与神经元功能和神经血管耦合相关，而 CA 定义了大脑如何维持恒定的血流。 鉴于这些广泛的影响和在临床决策中的应用，精确的 ICP 监测是患者管理的重要工具。 虽然当前的 ICP 监测工具很准确，但它们可能会导致出血或感染，并且非常耗时。

尽管存在非侵入性替代方案，但它们具有普遍性差、预测能力低和缺乏可靠性等局限性。 因此，漫相关光谱（DCS）和近红外光谱（NIRS）正在成为有前途的非侵入性解决方案。 特别是，与其他非侵入性方法相比，NIRS 具有多个优势：成本低、床边兼容性适合长期连续监测以及用户独立性。

在《神经光子学》上发表的一项新研究中，卡内基梅隆大学 (CMU) 的研究人员成功地使用 NIRS 设备连续监测血红蛋白浓度的变化。 该团队以之前的研究为基础，根据 DCS 测量的心脏波形特征估计 ICP，并确定了氧合血红蛋白浓度相对变化与 ICP 之间的相关性。 但他们如何使用 NIRS 数据测量 ICP？ 该研究的第一作者 Filip Relander 解释说：“我们开发并训练了一种随机森林 (RF) 回归算法，将 NIRS 获得的心脏脉冲波形的形态与颅内压相关联。”

为了验证他们的算法，他们在临床前模型中进行了初步测试。 他们测量了有创ICP和动脉血压的波动，同时分析了血红蛋白浓度的变化。 然后，他们检查了源自血红蛋白浓度和 CBF 的信号的性能，以仔细检查其算法的准确性。

从概念验证的角度来看，结果非常有希望。 使用 RF 算法估计的 ICP 与使用侵入性技术测量的实际 ICP 之间存在高度相关性。

通过使用侵入性 ICP 数据验证结果，我们已经证明，应用于基于 NIRS 的心脏波形的经过训练的 RF 算法可用于高精度估计 ICP。”

Jana Kainerstorfer，卡耐基梅隆大学生物医学工程副教授、该研究的高级作者

此外，结果表明，RF 算法可以解释从 NIRS 和 DCS 中提取的波形特征，凸显了其可用性。

该算法中使用的参数可以通过 NIRS 测量结合心电图和平均动脉血压获得，这些参数经常用于临床评估。 因此，如果这个基于射频的平台能够在后续的人体研究中提供强大的ICP测量，那么它的临床应用潜力将是巨大的。 《Neurophotonics》副主编、坎皮纳斯大学教授 Rickson C. Mesquita 表示：“ICP 无创评估对于监测病情危重的患者（例如重症监护患者）具有重要价值。NIRS 在这一领域的未来令人兴奋！”

来源：

SPIE——国际光学与光子学学会

参考：

雷兰德、FAJ 等。 (2022) 使用近红外光谱和随机森林回归器来估计颅内压。神经光子学。 doi.org/10.1117/1.NPh.9.4.045001 。

。