研究结果可能为全球重症监护病房更广泛的神经监测技术铺平道路。
在西奈山医院，一支由医生、研究人员和工程师组成的合作团队开发了一种深度学习姿态识别算法，通过分析新生儿重症监护病房（NICU）中的视频录像，准确监测他们的运动并跟踪重要的神经指标。
这一创新人工智能（AI）工具的结果于11月11日在《柳叶刀电子临床医学》上发表，可能为NICU中的持续神经监测提供一种微创且可扩展的方法，提供以前无法获得的新生儿健康的实时重要见解。
在美国，每年有超过30万名新生儿被送入NICU。新生儿的警觉性被视为神经评估的重要组成部分，表明中枢神经系统的健康状况。不幸的是，NICU中的神经衰退可能会毫无预警地发生，导致严重的后果。尽管心肺监测可以持续追踪新生儿的心肺功能，但尽管在脑电图（EEG）和专业神经NICU方面有多年的进展，神经监测在大多数NICU中仍然难以实施。神经评估通常通过身体检查进行，这可能会忽视微妙的变化。
西奈山医院的团队推测，使用计算机视觉方法来监测新生儿的运动可以预测NICU中的神经变化。“姿态AI”是一种从视频数据中识别解剖标记的机器学习技术，显著推动了运动和机器人等领域的发展。
他们使用西奈山医院中115名持续接受视频脑电图监测的新生儿的超过16938000秒的视频训练了一个AI算法。他们的研究发现，姿态AI可以可靠地从视频录像中追踪新生儿的解剖标志。此外，他们利用这些标志准确预测了两个关键条件——镇静水平和脑功能障碍。
首席作者、MD、博士、儿科新生儿医学讲师费利克斯·里希特（Felix Richter）表示：“尽管许多新生儿重症监护单位都有摄像头，但尚未利用深度学习进行病人监测。这项研究表明，部署一个持续监测新生儿的AI算法与摄像头，可以有效地早期识别神经变化，从而可能导致更快的干预和改善病人结果。”
研究团队对姿态AI在不同光照条件（白天、夜间和光疗期间）以及不同角度下的表现感到印象深刻。他们还惊讶于姿态AI运动指数与胎龄和出生后的年龄之间的联系。
里希特博士解释说：“了解这种方法并不能替代医生和护士在NICU所做的评估是至关重要的，后者在NICU中是必不可少的。相反，它通过提供可以在特定临床情况下采取行动的持续数据来增强这些评估。我们预见未来的系统，其中摄像头持续观察NICU中的新生儿，AI提供类似于监测心率或呼吸功能的神经监测条，配备有关镇静或脑功能障碍变化的警报。临床医生可以根据需要查看AI生成的视频信息和见解，为床边护理提供简单且易于理解的工具。”
团队认识到研究的局限性，包括AI模型是在单一地点的数据上进行训练，表明这个算法及其神经预测需要使用其他机构和摄像系统的视频数据进行进一步验证。他们计划在更多的NICU中测试这项技术，并进行临床试验评估其对病人护理的影响。此外，他们还在探索其对其他神经疾病的潜在应用以及在成人病人护理中的扩展。
共同作者、马特·西奈健康系统数据驱动和数字医学首席医师、临床智能中心主任及查尔斯·布朗夫曼个性化医学研究所主任吉里什·N·纳德卡尔尼（Girish N. Nadkarni）博士表示：“在西奈山，我们致力于探索人工智能在提升病人护理方面的潜力。AI工具已经在马特·西奈健康系统内转变临床实践，例如，减少住院时间、最小化再入院、协助癌症诊断和治疗，以及基于可穿戴设备的生理数据提供实时病人护理等应用。我们很高兴将这一安全、非侵入性且有效的AI工具引入NICU，提升我们的最小和最脆弱病人的结果。”
