位于纽约的Mount Sinai医院和Mount Sinai医学院的一组临床医生、科学家和工程师训练了一种深度学习姿态识别算法，该算法可以处理新生儿重症监护病房（NICU）婴儿的视频流，准确跟踪他们的运动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，可能带来一种微创且可扩展的方法，用于NICU中的连续神经监测，提供以前无法实现的关键实时婴儿健康洞察。
每年，美国有超过30万名新生儿被送入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中的神经恶化可能会意外发生，并带来毁灭性的后果。然而，尽管心脏和肺功能可以通过心电图（EEG）和专门的神经NICU进行连续监测，但大多数NICU仍然缺乏神经遥测技术。神经状态通常是间歇性评估的，使用不精确的物理检查，可能会错过亚急性变化。
Mount Sinai团队假设，一种用于跟踪婴儿运动的计算机视觉方法可以预测NICU中的神经变化。“姿态AI”是一种机器学习方法，可以从视频数据中追踪解剖标志；它已经革新了体育和机器人技术。
Mount Sinai团队在一个多样化的115名婴儿群体中训练了AI算法，这些婴儿在Mount Sinai医院的NICU接受了连续视频脑电图监测，视频总时长超过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，他们使用视频数据中的解剖标志来高精度预测两种关键条件：镇静和大脑功能障碍。
“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，它们还没有应用深度学习来监测患者，”该论文的资深作者、Mount Sinai儿科系新生儿医学讲师Felix Richter博士说，“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，从而可能更快地采取干预措施，改善结果。”
研究团队对“姿态AI”在不同光照条件（白天、夜晚和接受光疗的婴儿）和不同角度下的表现感到惊讶。他们还发现，他们的“姿态AI”运动指数与胎龄和出生后年龄有关。
“需要注意的是，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，“我们设想未来的一个系统，其中摄像头会连续监测NICU中的婴儿，AI提供类似于心率或呼吸监测的神经遥测条，当镇静水平或大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，为床边护理提供直观且易于解读的工具。”
研究团队指出了一些研究的局限性，包括AI模型是在单一机构收集的数据上训练的，这意味着该算法和神经预测需要在其他机构和摄像机的视频数据上进行评估。研究团队计划在其他NICU测试这项技术，并开发临床试验以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Mount Sinai，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，”Mount Sinai卫生系统的数据驱动和数字医学主任、Mount Sinai临床智能中心主任、Charles Bronfman个性化医学研究所主任兼该研究的共同作者Girish N. Nadkarni博士说，“AI工具已经在Mount Sinai卫生系统中推动了临床护理的发展，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，等等。我们很高兴现在将这种无创、安全且有效的AI工具引入NICU，以改善我们最小、最脆弱患者的结局。”
(全文结束)
