ポイントオブケア脳波検査 (POC EEG) 記録に適用される人工知能 (AI) アルゴリズムによって定義される発作負荷は、機能的転帰の予測に役立ちます。
関連する補因子が制御された後、より高い発作負荷はより低い機能的転帰と相関した。 ニューメキシコ大学アルバカーキ校神経科の研究調査員マスーム・デサイ医学博士によると、研究に参加した患者は全員、発作の疑いがあるため、または発作の危険性があるため、標準治療の一環としてモニタリングされていたという。 、 言った メドスケープ医療ニュース、結果は「説得力のある」ものでした。
デサイ氏は、米国神経学会（AAN）2024年年次総会の記者会見で、「われわれの研究は、てんかんの活動と発作負荷のモニタリングにおける自動化の重要なニーズに取り組んでいる」と付け加えた。
極めて重要な変化
「数十年にわたる研究により、成人と小児の両方において、発作負荷と好ましくない転帰との間に有意な相関関係があることが浮き彫りになった」とデサイ氏は述べた。
しかし、EEGを手動で解釈して発作とそれに伴う負荷を特定する従来の方法は、「人的ミスやばらつきが発生しやすい複雑で時間のかかるプロセス」であると同氏は指摘した。
POC EEG は、高速アクセスの縮小モンタージュ EEG システムで、Clarity (Ceribell, Inc、カリフォルニア州サニーベール) と呼ばれる自動機械学習ツールと組み合わせると、発作負荷をリアルタイムで監視および分析できます。
このアルゴリズムには、結果に関連する EEG 特徴の包括的なリストが組み込まれています。 すべての脳波チャネルからの脳波活動を 10 秒ごとに分析し、過去 5 分間の患者の発作負荷を計算します。 発作の負担が大きいほど、患者が発作活動に費やす時間も長くなります。
SAFER-EEG試験に参加したPOC EEG患者344人（平均年齢62歳、女性45％）のうち、178人（52％）は記録中ずっと発作負荷がゼロで、41人（12％）は発作の疑いがあった。 てんかん重積状態 (最大発作負荷 ≥ 90%)。
臨床共変量を調整する前は、高い発作負担と好ましくない転帰との間に有意な関連性があった。
具体的には、発作負荷が 50% 以上の患者の 76% には、好ましくない症状が見られました。 修正されたランキンスケール 退院時のスコアが4以上であり、同様の割合で長期介護施設に退院したと彼女は指摘した。
関連する臨床的共変量を調整した後、発作負荷が高い患者（50 以上または 90% 以上）では、発作負荷のない患者と比較して、好ましくない修正ランキン スケール スコアのオッズが 4 倍増加しました。
記録の最後の四半期に存在する高い発作負荷は、特に好ましくない結果（確率が5倍に増加）を示しており、「発作の重要なタイミングと、それが患者の予後へ与える影響を示唆している」とデサイ氏は指摘した。
「重大な意味」
「私たちの研究の意味は深く、発作を伴う重症患者の管理において、AIと機械学習による自動EEG解釈の統合に向けた極めて重要な変化を示している」と彼女は付け加えた。
「私たちは前進するにあたり、この高度なツールを臨床現場での臨床意思決定に適用することに重点を置き、この高度なツールが患者の治療決定をどのように導くことができるかを検討し、最終的な目標は患者ケアを強化し、これらの神経疾患に影響を受けた人々の転帰を改善することです」挑戦だ」とデサイ氏は語った。
ブリーフィングのモデレーターでAAN科学委員会委員長のポール・M・ジョージ医学博士は、この要約は「神経学的治療の限界の前進」をテーマとした「トップサイエンス」記者ブリーフィングで取り上げられた3つのうちの1つであると述べた。神経学的状態の理解を向上させるために新しいテクノロジーを使用する革新的な方法」。
ジョージ氏は、この技術は「臨床専門医がほとんどいない現場では特に役立つ可能性がある。この技術が展開するにつれて、おそらくEDの医師やプライマリケアの医師が患者ケアを改善するよう導くことができるようになるのを見るのはエキサイティングなことになるだろう」と語った。
その点に関して、ジョージ氏は、AIを使用して意思決定を導くことはまだ「初期段階」にあり、「機械学習アルゴリズムが医師による神経疾患患者の治療の指導に役立つ可能性があることを確認するために、より多くの情報を収集することが重要だ」と警告した。 」
この研究への資金提供はウィスコンシン大学マディソン校と Ceribell, Inc. から提供されました。デサイ氏はこのプロジェクトのために Ceribell から資金提供を受けました。 ジョージには関連する開示はありません。