纽约西奈山医疗系统的一组临床医生、科学家和工程师训练了一种深度学习姿势识别算法，用于新生儿重症监护室（NICU）中婴儿的视频流，以准确追踪他们的动作并识别关键的神经指标。这项新的人工智能（AI）工具的研究成果于11月11日发表在《柳叶刀·临床医学》上，可能带来一种微创、可扩展的方法，实现NICU中的连续神经监测，提供以前无法实现的关键实时洞察，了解婴儿健康状况。
每年，美国有超过30万名新生儿被送往NICU。婴儿的警觉性被认为是神经系统检查中最敏感的部分，反映了整个中枢神经系统的完整性。NICU中的神经功能恶化可能突然发生，并带来毁灭性的后果。然而，尽管心肺遥测技术可以连续监测NICU中婴儿的心脏和肺功能，但大多数NICU仍未能实现神经遥测，尽管在脑电图（EEG）和专门的神经-NICU方面已进行了数十年的工作。神经状态目前是间歇性评估的，使用不精确的体格检查，可能会错过亚急性变化。
西奈山团队假设，使用计算机视觉方法追踪婴儿动作可以预测NICU中的神经变化。“姿态AI”是一种机器学习方法，通过视频数据追踪解剖标志；它已经在体育和机器人领域革命性地改变了相关应用。
西奈山团队在一个多元化的115名婴儿群体中训练了AI算法，这些婴儿在西奈山医院的NICU中接受了连续视频EEG监测，总时长超过16,938,000秒。他们证明了“姿态AI”可以从视频数据中准确追踪婴儿的解剖标志。然后，他们利用视频数据中的解剖标志，以高精度预测两种关键条件——镇静和脑功能障碍。
“尽管许多新生儿重症监护室都配备了摄像头，但到目前为止，它们尚未应用深度学习来监测患者。我们的研究表明，将AI算法应用于连续监测NICU中婴儿的摄像头是一种有效的方法，可以早期检测神经变化，从而可能允许更快的干预和更好的结果。”该论文的资深作者、西奈山儿科系新生儿医学讲师Felix Richter博士说。
研究团队惊讶于“姿态AI”在不同光照条件下（白天、夜晚或接受光疗的婴儿）和从不同角度工作的效果。他们还发现，“姿态AI”运动指数与胎龄和出生后年龄有关。
“重要的是要指出，这种方法不会取代NICU中至关重要的医生和护士评估。相反，它通过提供连续的读数来增强这些评估，这些读数可以在特定的临床背景下采取行动。”Richter博士解释道。“我们设想未来的系统中，摄像头将连续监测NICU中的婴儿，AI提供类似于心率或呼吸监测的神经遥测带，当镇静水平或脑功能障碍发生变化时发出警报。临床医生可以在需要时查看视频和AI生成的见解，提供一个直观且易于解释的床边护理工具。”
研究团队指出了研究的局限性，包括AI模型是在单一机构的数据上训练的，这意味着该算法和神经预测需要在其他机构的视频数据和摄像头中进行评估。研究团队计划在其他NICU中测试这项技术，并开展临床试验，评估其对护理的影响。他们还在探索将其应用于其他神经疾病，并扩展到成人人群。
“在西奈山，我们致力于确保新的AI可能性得到调查和利用，以推进患者的护理。”西奈山卫生系统数据驱动和数字医学系统首席、西奈山临床智能中心主任、查尔斯·布朗夫曼个性化医学研究所所长Girish N. Nadkarni博士说。“AI工具已经在西奈山卫生系统中推进临床护理，包括缩短住院时间、减少再入院、辅助癌症诊断和治疗靶向，以及基于可穿戴设备生成的生理数据向患者提供实时护理等。我们现在很高兴将这种非侵入性、安全且有效的AI工具引入NICU，以改善我们最小、最脆弱的患者的结果。”
(全文结束)
