自动检测和量化创伤性脑损伤患者阵发性交感神经过度活跃的计算框架

《PLOS One》:Computational frameworks for automated detection and quantification of paroxysmal sympathetic hyperactivity among traumatic brain injury patients

【字体: 大 中 小 】 时间:2026年03月04日 来源:PLOS One 2.8

编辑推荐:

  阵发性交感神经过度活跃(PSH)是一种综合征,发生在大量危重创伤性脑损伤(TBI)患者中,并与并发症和不良恢复相关。PSH的定义是在适当的临床背景下出现反复发作的生命体征(VS)升高。然而,标准诊断标准严重依赖主观判断,导致识别、监测和管理方面的挑战和延迟。本

  
阵发性交感神经过度活跃(PSH)是一种综合征,发生在大量危重创伤性脑损伤(TBI)患者中,并与并发症和不良恢复相关。PSH的定义是在适当的临床背景下出现反复发作的生命体征(VS)升高。然而,标准诊断标准严重依赖主观判断,导致识别、监测和管理方面的挑战和延迟。本研究的目标是开发专门利用客观床边连续生命体征数据的自动PSH检测和量化工具。研究人员使用一个由221名危重急性TBI患者组成的队列(其中至少14天连续生理数据,其中107名临床诊断为PSH),基于已建立的PSH评估量表(PSH-AM)标准开发了一个高分辨率临床特征量表,以及两种基于人工智能的发作检测模型,包括专家系统方法和机器学习模型方法,并使用临床医生标注的案例作为金标准。对于发作检测方法,PSH被量化为检测到的发作次数、持续时间和总体时间负担。为了评估性能,研究人员比较了PSH病例和对照组的量化结果,并探索了精确率和召回率。所有三种方法均显示出初步的表面效度,能够区分PSH病例和非PSH TBI对照组。未来对所述计算框架的优化和实时患者数据的实施,可以改善这一具有挑战性的临床综合征的标准监测和管理。
论文解读文章

**研究背景与问题**
创伤性脑损伤(TBI)是导致死亡和残疾的主要原因之一,其并发症中阵发性交感神经过度活跃(PSH)尤为棘手。PSH定义为在临床背景下反复发作的交感神经介导的发作性心动过速、高血压、呼吸急促、高热和运动姿势异常,发生率高达危重TBI患者的三分之一。PSH的发生与TBI后更差的功能结局和系统性并发症(如促炎状态、凝血功能障碍、内皮功能障碍)密切相关,并可能通过加重继发性脑损伤、心血管并发症和急性肾损伤等机制成为可修饰的风险因素。此外,PSH的治疗依赖镇静药物(如丙泊酚、溴隐亭)等抑制症状,但这些药物可能延长昏迷、制动和呼吸机依赖,增加院内并发症风险。有效管理PSH需要及时识别和密切观察症状严重程度随时间的变化,但临床识别困难且常延迟,主要原因在于标准诊断工具——PSH评估量表(PSH-AM)依赖主观判断和手动提取电子健康记录(EHR)中的每日生命体征数据,且无法捕捉PSH的发作性本质。目前缺乏自动化的PSH检测和量化工具,阻碍了实时监测和决策支持。因此,本研究旨在开发基于客观床边连续生命体征数据的计算框架,实现PSH的自动检测和量化。

**研究内容与结论**
研究人员利用2016年1月至2018年7月期间马里兰大学医学中心R Adams Cowley Shock Trauma Center收治的221例危重急性TBI患者(其中107例临床诊断为PSH,114例为对照)的连续生理数据(采样频率0.5 Hz,包括心率HR、呼吸频率RR、收缩压SBP、体温TMP和外周血氧饱和度SpO2),开发了三种自动量化方法。首先,基于PSH-AM的临床特征量表(CFS)阈值,研究人员构建了高分辨率临床特征量表(hrCFS),以0.5 Hz分辨率计算瞬时修正CFS评分(范围0-9,排除出汗、姿势和体温成分)。其次,针对PSH发作检测,研究人员采用专家系统(ES)方法,基于临床医生标注的单个TBI伴PSH患者(26天622.8小时数据,标注180次发作)的HR数据,提取规则(HR最小值>95,中位数>104,方差>37),通过滑动窗口(10分钟宽度,2秒步长)识别发作。第三,采用支持向量机(SVM)模型,从相同标注数据中提取HR统计特征(均值、标准差、最小值、最大值、中位数),以10分钟窗口(2.5分钟步长,75%重叠)训练模型,再应用于全体患者。所有方法均以发作次数、持续时间、时间负担(发作时间占总时间比例)量化PSH。性能评估通过比较PSH病例与对照组的量化趋势(表面效度)以及针对单个案例的修正精确率和召回率进行。结果表明,三种方法均能区分PSH病例与对照,主要表现为PSH病例在入院后约一周(PSH临床典型识别期)出现更高的hrCFS评分和更大的发作负担,且随时间推移(14天末)病例与对照组的差异减小,可能与症状自然缓解或有效治疗有关。ES和SVM方法在PSH检测中均显示出一定效果,其中SVM方法在召回率上略优,但两者在精确率上无显著差异。研究发表在《PLOS One》。

**关键技术与方法**
本研究采用的核心技术方法包括:1)基于PSH-AM标准的高分辨率临床特征量表(hrCFS)自动计算,利用0.5 Hz连续生命体征数据(HR、RR、SBP)提取每小时最大值,按阈值评分并求和(范围0-9);2)专家系统(ES)方法,通过临床医生标注单个PSH患者的HR数据,手工提取三项规则(HR最小值>95、中位数>104、方差>37),以10分钟滑动窗口(2秒步长)检测发作;3)支持向量机(SVM)模型,从相同标注数据提取HR的统计特征(均值、标准差、最小值、最大值、中位数),以10分钟窗口(2.5分钟步长)训练径向基函数核SVM,再应用于全体患者。数据来自马里兰大学医学中心R Adams Cowley Shock Trauma Center 2016-2018年的221例危重急性TBI患者队列(纳入标准:头部简明损伤评分AIS>0,ICU住院≥3天,总住院≥14天;排除轻度非复杂TBI和脊髓损伤),PSH病例定义为接受普萘洛尔或溴隐亭治疗≥3天且病历确认的患者。所有分析基于脱敏后的连续生理数据(约3000患者·天),并采用修正的精确率和召回率评估发作检测性能。

**研究结果**
- **Included patient characteristics**:队列共221例TBI患者,包括107例PSH病例和114例对照。人口学、损伤、影像学和临床特征在表2中呈现,但本研究未详细描述各组特征差异,仅用于后续分析。
- **Summary statistics of detected PSH episodes**:来自单个案例标注的发作平均持续42分钟(标准差16分钟,范围3-206分钟)。对全体患者应用ES和SVM方法后,在14天内,两种方法在PSH病例中检测到的发作次数和负担均高于对照组,但平均发作持续时间相似。ES方法在病例与对照组间发作次数差异(Cohen's d=0.52)大于SVM方法(d=0.44),而SVM方法在负担差异(d=0.36)上略优于ES方法(d=0.30)。
- **PSH quantification trends**:图4展示了hrCFS和两种发作检测方法得出的负担评分在14天内的趋势(12小时无重叠窗口)。hrCFS(图4A)在PSH病例中整体高于对照组,但置信区间有重叠;ES方法(图4B)和SVM方法(图4C)的负担评分在入院后约一周时在病例与对照组间出现非重叠的置信区间,提示此时PSH最易被临床识别,且病例组负担在接近两周末时趋于对照组水平。
- **Precision and recall**:针对单个案例的180次标注发作,ES方法的精确率为0.61,召回率为0.30;SVM方法的精确率为0.62,召回率为0.44。SVM在召回率上略优,但两者精确率无显著差异。图5展示了高精确率/召回率、低精确率(假阳性)和低召回率(假阴性)的实例,说明人为标注可能遗漏某些发作,机器检测也需改进。

**讨论与结论**
讨论部分指出,本研究首次展示了三种基于连续生命体征数据的自动PSH量化方法,它们通过动态区分临床PSH病例与对照初步验证了表面效度,模仿了手动PSH-AM工具的功能。研究还发现,PSH自动量化在入院后约一周时差异最大,这可能对应PSH的自然病程或有效治疗。hrCFS与发作检测负担评分的不同趋势提示,这些方法可能提供关于TBI后交感神经活动的不同信息。然而,本研究存在局限性:发作检测模型仅基于单个患者的数据训练,可能过度约束于该患者的独特生理特征,导致对多样人群的敏感性不足;此外,由于数据限制,hrCFS仅使用CFS的3/6项标准(排除体温、出汗、运动姿势),可能降低灵敏度;温度测量数据稀疏且不一致,未纳入发作检测模型。未来工作将采用人机交互框架,整合临床专家反馈和更多患者数据迭代优化模型,并可能结合专家系统与机器学习形成混合AI方法,目标最终实现实时临床决策支持工具。
**结论**:本研究展示了使用患者高分辨率连续生命体征数据自动量化PSH的方法。类似于先前使用手动每日CFS评分的工作,基于生命体征的hrCFS在PSH最常首次诊断的时间段内区分了临床定义的PSH病例和对照组。本研究的发作检测方法成功识别了PSH发作,这些发作在最终临床诊断为PSH的患者中更频繁。为解决当前研究的局限性,未来工作将纳入人机交互框架,通过自适应学习能力增强检测方法性能。通过扩展过程以包含更多个体患者数据,并利用人类反馈和洞察迭代优化模型,自动PSH检测和量化工具的性能和可靠性将持续改进,并有望在未来作为实时临床决策支持工具实施。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号