近红外光谱技术用于无创颅内压监测
颅内压(ICP)升高是一种危险的情况，可能由脑出血、脑瘤、脑水肿、创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，ICP测量与估计脑灌注压(CPP)有关，CPP是脑自动调节(CA)的一个指标。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液流动。
鉴于这些广泛的影响和临床决策的应用，精确的ICP监测是一个重要的患者管理工具。虽然目前的ICP监测工具是精确的，但它们可能导致出血或感染，并且耗时。虽然存在非侵入性替代方法，但它们有局限性，如概括性差，预测能力低，缺乏可靠性。因此，扩散相关光谱(DCS)和近红外光谱(NIRS)是一种很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，近红外光谱有几个优点:低成本，长期和连续监测的床边兼容性，以及用户独立性。
一项新的研究发表在Neurophotonics，卡内基梅隆大学(CMU)的研究人员成功地部署了近红外光谱(NIRS)设备来持续监测血红蛋白浓度的变化。该团队建立在先前的研究基础上，他们根据DCS测量的心脏波形特征估计了ICP，并确定了血氧血红蛋白浓度相对变化与ICP之间的相关性。但是他们是如何使用近红外光谱数据来测量ICP的呢?该研究的第一作者Filip Relander解释说:“我们开发并训练了一个随机森林(RF)，回归算法将通过近红外光谱获得的心脏脉冲波形的形态与颅内压．"
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，他们检查了来自血红蛋白浓度和CBF的信号的性能，以准确验证他们算法的精度。
从概念验证的角度来看，结果非常有希望。使用射频算法估计的颅内压与使用有创技术测量的实际颅内压之间存在高度相关性。CMU生物医学工程副教授、该研究的高级作者Jana Kainerstorfer解释说:“通过用侵入性ICP数据验证研究结果，我们证明，应用于基于近红外光谱的心脏波形的训练过的RF算法可以用于高精度地估计ICP。”此外，结果表明，射频算法可以解释从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近红外光谱测量中获得，并结合心电图和平均动脉血压，这些数据通常用于临床评估。因此，如果这个基于rf的平台可以在后续的人体试验中产生可靠的ICP测量，那么它的潜力临床使用将是巨大的。根据Neurophotonics副主编Rickson C. Mesquita，坎皮纳斯大学教授，“无创评估ICP对于监测危重患者(如重症监护病房的患者)非常有价值。近红外光谱仪在这一领域的未来令人兴奋。”
