AI hỗ trợ EEG tại giường: theo dõi gánh nặng co giật dự báo kết cục khi xuất viện

Điểm nổi bật

Một hệ thống điện não đồ (Electroencephalography, EEG) tại giường bệnh, được hỗ trợ bởi trí tuệ nhân tạo (Artificial Intelligence, AI), định lượng được gánh nặng co giật ở người lớn bệnh nặng.
Gánh nặng co giật do AI xác định có mối liên quan phụ thuộc liều với kết cục chức năng xấu khi xuất viện.
Việc kết hợp thuật toán tại giường và thuật toán cổng thông tin có độ nhạy cao hơn giúp tăng cường mối liên quan với tiên lượng lâm sàng.
Nghiên cứu này cung cấp bằng chứng ban đầu ủng hộ việc diễn giải EEG dựa trên AI để định hướng chăm sóc thần kinh cấp tính và tiên lượng.

Bối cảnh nghiên cứu

Theo dõi cơn co giật ở bệnh nhân bệnh nặng là rất cần thiết, vì cơn co giật và trạng thái động kinh có thể làm xấu đi đáng kể kết cục thần kinh. Điện não đồ (EEG) là tiêu chuẩn vàng để phát hiện cơn co giật, nhưng khả năng tiếp cận và diễn giải EEG thông thường thường bị hạn chế do cần thiết bị chuyên dụng và bác sĩ sinh lý thần kinh được đào tạo. Khoảng trống này dẫn đến chậm trễ hoặc bỏ sót cơn co giật, cản trở can thiệp kịp thời. Gần đây, các thiết bị EEG điểm chăm sóc (point-of-care, POC) di động kết hợp với các thuật toán dựa trên AI đã xuất hiện nhằm hỗ trợ phát hiện nhanh cơn co giật tại giường bệnh. Tuy nhiên, ý nghĩa lâm sàng của các kiểu EEG do AI phát hiện và mối liên quan của chúng với các kết cục có ý nghĩa vẫn cần được đánh giá thêm.

Thiết kế nghiên cứu

Nghiên cứu này là một phân tích đoàn hệ thứ cấp từ nghiên cứu hồi cứu đa trung tâm Seizure Assessment and Forecasting with Efficient Rapid-EEG (SAFER-EEG). Dữ liệu EEG và kết cục lâm sàng được thu thập từ ba trung tâm y tế học thuật đã tích hợp hệ thống EEG POC của Ceribell vào chăm sóc thần kinh thường quy. Nghiên cứu tuyển chọn 400 bệnh nhân trưởng thành được theo dõi EEG; dữ liệu kết cục và lâm sàng đầy đủ có ở 359 người. Gánh nặng co giật (seizure burden, SzB) được định lượng bằng hai thuật toán AI: thuật toán “bedside” được thiết kế cho sử dụng lâm sàng theo thời gian thực và thuật toán “portal” nhạy hơn, được sử dụng ngoại tuyến. Kết cục chính là tình trạng chức năng khi xuất viện, được đo bằng thang điểm Rankin sửa đổi (modified Rankin Scale, mRS); kết cục bất lợi được định nghĩa là mRS lớn hơn 3. Mối liên quan giữa các chỉ số gánh nặng co giật và kết cục đã được hiệu chỉnh theo các yếu tố nhiễu lâm sàng liên quan.

Kết quả chính

Thuật toán AI tại giường phát hiện đỉnh gánh nặng co giật trong 5 phút lớn hơn 0% ở 39,8% bệnh nhân. Hoạt động co giật kéo dài hơn, được đo bằng thuật toán tại giường, có liên quan chặt chẽ với kết cục chức năng xấu khi xuất viện. Cụ thể, với mỗi giờ co giật được phát hiện thêm, khả năng xảy ra kết cục bất lợi tăng gần gấp đôi (tỷ số chênh đã hiệu chỉnh [adjusted odds ratio, aOR] 1,98; khoảng tin cậy 95% [confidence interval, CI] 1,11–4,29). Ở các bệnh nhân có đỉnh gánh nặng co giật trong 5 phút ≥90%, khả năng có kết cục xấu cao hơn 3,4 lần so với những người không phát hiện gánh nặng co giật.

Hơn nữa, mức tăng dần của hoạt động co giật, chỉ ngắn tới 30 giây mỗi giờ trong gánh nặng co giật tối đa theo giờ (maximum hourly SzB), cũng có liên quan độc lập với sự xấu đi của kết cục (aOR 1,02; CI 95% 1,00–1,03). Đáng chú ý, việc kết hợp đầu ra của các thuật toán AI tại giường và trên cổng thông tin làm tăng sức mạnh dự đoán kết cục, đặc biệt ở bệnh nhân có gánh nặng co giật cao (đỉnh gánh nặng co giật 5 phút ≥90%), với aOR cho kết cục xấu là 4,4 (CI 95% 1,66–12,69).

Nhận định chuyên gia

Nghiên cứu này cung cấp sự xác nhận lâm sàng tiên phong cho việc định lượng gánh nặng co giật bằng AI từ EEG POC và ý nghĩa tiên lượng của nó. Quan trọng hơn, mối quan hệ đáp ứng theo liều được nhấn mạnh ở đây cho thấy không chỉ sự hiện diện của cơn co giật mà cả tải lượng co giật theo thời gian cũng ảnh hưởng đến hồi phục chức năng. Việc sử dụng đồng thời thuật toán thời gian thực tại giường và thuật toán ngoại tuyến có độ nhạy cao mang lại một cách tiếp cận cân bằng giữa tính khả thi và độ nhạy, qua đó tăng cường quá trình ra quyết định lâm sàng.

Tuy nhiên, nghiên cứu vẫn có các hạn chế, bao gồm thiết kế hồi cứu và khả năng có khác biệt trong quản lý giữa các trung tâm. Mặc dù mRS là thước đo kết cục thần kinh chuẩn, các kết cục chức năng và nhận thức dài hạn vẫn cần được tiếp tục nghiên cứu. Cần thêm các thử nghiệm tiến cứu để xác định liệu phát hiện cơn co giật và can thiệp được hướng dẫn bởi AI có thể cải thiện tiên lượng bệnh nhân hay không.

Dù vậy, các phát hiện này ủng hộ việc tích hợp EEG POC được hỗ trợ bởi AI vào quy trình làm việc hồi sức tích cực nhằm cải thiện phát hiện cơn co giật kịp thời và định hướng chiến lược điều trị cá thể hóa.

Kết luận

Gánh nặng co giật do AI xác định từ các hệ thống EEG POC có liên quan đáng kể với kết cục chức năng khi xuất viện ở người bệnh trưởng thành nặng. Mối liên hệ này phụ thuộc liều và vẫn bền vững sau khi hiệu chỉnh các yếu tố nhiễu. Nghiên cứu này là một bước xác nhận quan trọng cho diễn giải EEG tăng cường bằng AI, nhấn mạnh tiềm năng của phương pháp này trong việc bổ trợ theo dõi thần kinh và định hướng xử trí, từ đó có thể cải thiện kết cục ở các quần thể dễ bị co giật.

Tài trợ và đăng ký thử nghiệm lâm sàng

Nghiên cứu SAFER-EEG được hỗ trợ bởi các khoản tài trợ từ cơ sở và liên bang; chi tiết có trong bài báo gốc. Phân tích này là hồi cứu và thứ cấp; không áp dụng đăng ký thử nghiệm lâm sàng mới.

Tài liệu tham khảo

Parvizi J, Armenta Salas M, Aparicio MK, et al. Point-of-Care EEG Artificial Intelligence Measure of Seizure Burden Associates With Clinical Outcome at Discharge. Crit Care Med. 2026 Jun;54(7):1710-1720. PMID: 42223304.

Claassen J, Hirsch LJ, Kreiter KT, et al. Prognostic significance of continuous EEG monitoring in patients with seizures after traumatic brain injury. Neurology. 2004;62(10):1568-1574.

Hirsch LJ, Brenner RP. Continuous EEG monitoring in the intensive care unit: an overview of what clinicians need to know. Am J Electroneurodiagnostic Technol. 2006;46(1):8-19.