近红外光谱可以提供一种经济有效的方法来无创监测颅内压

颅内压 (ICP) 升高是一种危险情况，可能由脑出血、脑肿瘤、脑水肿、外伤性脑损伤和脑积水引起。因此，ICP监测是这些疾病患者护理的一个关键方面。此外，在估计脑灌注压 (CPP) 时，ICP 测量是相关的，脑灌注压 (CPP) 是脑自动调节 (CA) 的指标。

CPP 与神经元功能和神经血管耦合有关，CA 定义了大脑如何维持恒定的血流。鉴于这些在临床决策中的广泛影响和应用，精确的 ICP 监测是一种重要的患者管理工具。虽然目前用于 ICP 监测的工具是精确的，但它们会导致出血或感染并且非常耗时。

尽管存在非侵入性替代方案，但它们具有普遍性差、预测能力低和缺乏可靠性等局限性。因此，扩散相关光谱 (DCS) 和近红外光谱 (NIRS) 正在成为有前途的非侵入性解决方案。值得注意的是，与其他非侵入性方法相比，NIRS 具有几个优势——成本低、长期和连续监测的床边兼容性以及用户独立性。

在发表在Neurophotonics上的一项新研究中，卡内基梅隆大学 (CMU) 的研究人员成功部署了一个 NIRS 设备来持续监测血红蛋白浓度的变化。该团队建立在之前的研究基础上，他们根据使用 DCS 测量的心脏波形特征估计 ICP，并确定了氧合血红蛋白浓度的相对变化与 ICP 之间的相关性。但是他们如何能够使用 NIRS 数据测量 ICP?该研究的第一作者 Filip Relander 解释说：“我们开发并训练了一种随机森林 (RF) 回归算法，以将通过 NIRS 获得的心脏脉搏波形的形态与颅内压相关联。”

为了验证他们的算法，他们在临床前模型中进行了初步测试。他们测量了侵入性 ICP 和动脉血压的波动，同时分析了血红蛋白浓度的变化。在此之后，他们检查了源自血红蛋白浓度和 CBF 的信号的性能，以准确验证其算法的精度。

从概念验证的角度来看，结果非常有希望。使用 RF 算法估计的 ICP 与使用侵入性技术测量的实际 ICP 之间存在高度相关性。

此外，结果表明，RF 算法可以解释从 NIRS 和 DCS 中提取的波形特征，突出了其可用性。

算法中使用的参数可以从 NIRS 测量中获得，结合心电图和平均动脉血压，这些通常用于临床评估。因此，如果这个基于 RF 的平台能够在随后的人体试验中产生可靠的 ICP 测量值，那么它的临床应用潜力将是巨大的。根据Neurophotonics副主编、坎皮纳斯大学教授 Rickson C. Mesquita 的说法，“无创评估 ICP 对于监测处于危急状态的患者(例如重症监护室的患者)具有重要价值。NIRS 在这一领域的未来是令人兴奋!”