Судороги остаются основным фактором риска заболеваемости и смертности у новорожденных в критическом состоянии.

Золотым стандартом выявления судорог является непрерывная электроэнцефалограмма (ЭЭГ), но ЭЭГ требует больших ресурсов и доступна не всем.

Даже в учреждениях, где проводится ЭЭГ, это часто ограниченный ресурс, требующий принятия сложных решений о том, какие пациенты требуют длительного наблюдения, а для кого будет безопасно прекратить наблюдение.

Ранее исследования показали, что у младенцев с гипоксически-ишемической энцефалопатией, состоянием, которое сопряжено с высоким риском судорог, клинические особенности и исходные лабораторные показатели не позволяют предсказать, у каких младенцев разовьются судороги в первые дни после рождения.

Модели пытались предсказать развитие неонатальных судорог путем объединения клинических и ранних данных ЭЭГ, но с ограниченной чувствительностью и специфичностью.

В 2023 году журнал the Lancet Digital Health опубликовал результаты исследования, в котором ученые описали первую модель прогнозирования судорог у новорожденных для выявления детей с высоким риском для последующего ЭЭГ-мониторинга в отделении интенсивной терапии.

Модель позволяет лучше распределять ресурсы и раньше прекращать наблюдение за пациентами, у которых низкая вероятность развития судорог.

На данный момент диагностический сервис доступен в качестве онлайн-инструмента.

Исследователи проанализировали результаты 42 000 ЭЭГ у 1117 новорожденных.

У 150 из них была гипоксически-ишемическая энцефалопатия.

Изначально ученые использовали традиционную модель логистической регрессии, которая показала точность прогнозирования приступов на уровне 84% (95% ДИ 78-89) в общей когорте.

Однако после применения алгоритмов машинного обучения, исследователи разработали новую модель, достигнув точности прогнозирования приступов до 90% (95% ДИ 83-94).

Модель также хорошо зарекомендовала себя в подгруппе новорожденных с гипоксически-ишемической энцефалопатией, с точностью 97% (95% ДИ 88-99).

Так, технология обеспечивает чувствительность до 97% среди общего числа новорожденных и 100% среди новорожденных с гипоксической ишемической энцефалопатией.

Авторы работы отмечают, что внедрение этой модели в клиническую практику в режиме реального времени могло бы значительно улучшить качество и эффективность медицинской помощи, которую оказывают в критические первые дни жизни детей.

Источники:

Gabrielle R Barsh, Courtney J Wusthoff. Leveraging electronic medical record-embedded standardized electroencephalogram reporting to develop neonatal seizure prediction models: a retrospective cohort study. The Lancet Digital Health. 2023.