研究者は新生児のけいれん発作のためのその種では初めての予測モデルを開発
フィラデルフィア小児病院 (CHOP) の神経科学センターの研究者は、新生児集中治療室 (NICU) でどの新生児が発作を起こす可能性が高いかを判断する予測モデルを開発しました。
このモデルをルーチンケアに組み込むことで、臨床チームが脳波測定 (EEG) を必要とする赤ちゃんと、EEG による監視なしに新生児ケアユニットで安全に管理できる赤ちゃんを決定するのに役立てることができます。
これにより、家族や医療提供者は、面倒で不必要な手続きをすることなく赤ちゃんの世話をすることができます。
この調査結果は、医療誌『The Lancet Digital Health』で公開されました。
新生児のけいれん発作は、新生児によく見られる神経学的問題です。
特に、低酸素性虚血性脳症 (HIE) として知られている、脳への酸素が一時的に不足している新生児の約30% が発作を起こします。
これらの発作のほとんどは、過去20 年間に発作のある新生児の管理を形作った重要な教訓ではなく、脳波モニタリングによってのみ検出できます。
HIE のある新生児は、後年、神経行動障害やてんかんのリスクが高くなります。
発作を検出して治療することは、発作による損傷を軽減するために重要であり、それによって早期発作を起こす新生児の転帰を改善します。
現在のガイドラインでは、HIE の新生児は、発作を検出するために 4 日～5 日間の脳波モニターを受けることが示唆されています。
ただし、これらの赤ちゃんの多くは継続的な脳波 (CEEG) の測定ができないNICU でケアを受けているため、この方法は常に実現できるとは限りません。
大規模な医療ネットワーク内にあるNICU でさえ、多くの場合、限られた EEG しか行えません。
特に、医師や技術者を含む医療チーム全体にとって EEG 測定値を解釈するまでには時間がかかるためです。
どの新生児が発作を起こすかを予測することは複雑であり、臨床データと EEG データを使用して将来の発作を予測するこれまでの試みでは、あまり正確な結果が得られませんでした。
これらの問題に対処するために、CHOP の研究者は、すべてのEEGに使用される最近開発された EEG レポートフォームのデータを使用して、機械学習手法を使用して予測モデルを構築しました。
「この研究では、新生児の発作を予測するモデルを構築するために、1,000 人以上の新生児の脳波データを使用しました。」
と、CHOPの神経学部門および小児てんかんプログラムの小児てんかん部門の医師で筆頭研究著者である ジリアン・マッキー医学博士は述べました。
「このデータは、どの新生児が NICU で EEG モニターを受けるべきかを最適化するのに役立ちました。」
研究者は、電子医療記録で報告された標準化された EEG 機能に基づいて、発作予測モデルを構築しました。
レトロスペクティブ研究では、これらのモデルが発作、特にHIEの新生児の発作を90%以上の精度で予測できることがわかりました。
モデルは、発作を見逃さないように調整でき、高い精度を維持しながら、コホート全体で最大 97%、HIEのある新生児では100%予測が可能です。
著者らは、これが臨床的に得られた標準化されたレポートに基づく発作予測モデルに関する最初の研究報告であることを示しました。
調査チームは、このモデルをオンラインツールとして公開しています。
「このモデルをさらに検証できれば、リスクの低い患者でのEEG の使用を減らすことで、限られた脳波測定リソースのよりも、的を絞った測定が可能になる可能性があります。
これにより、NICU で神経学的懸念のある赤ちゃんのケアがより個別化され集中できるようになります。」
と、神経学部門の小児神経科医であり、CHOPにあるENGIN (てんかん神経遺伝学研究所) の共同所長である上級研究著者のインゴ・ヘルビッグ医学博士は述べています。
「このモデルをリアルタイムの臨床診療に組み込むことで、人生の重要な初期段階で提供される医療ケアの質と効率を大幅に改善できると信じています。」
「このプロジェクトは、臨床診療の一環として標準化されたデータを効率的に取得して、より良いケアを提供できるようにする研究を推進できることを示しました。」
共著者でありCHOP の神経科学センターのシニアメディカルディレクターである、ニコラス・アベンド医学博士は述べています。
「私たちはすでに同じ方法を使用して、すべてのEEGレポート、時系列的に何千もの患者のてんかん発作による受診、および神経科学センター内の他の多くのそれに関するデータを収集しており、真の学習医療システムを確立しています。」
【以下のリンクより引用】
Researchers develop first-of-its-kind prediction model for newborn seizures
Medical Xpress