自动化脑电图分类追踪意识水平

一项新研究开发了一种自动化系统，可以从常规脑电图（EEG）记录中快速分类患者的意识水平。该方法基于ABCD框架，将静息态临床脑电图归类为反映丘脑皮质网络功能的不同类别。通过训练来自4611个手动分类的脑电图频谱的机器学习模型，该系统实现了与专家人工分类高度一致的性能。目前，ABCD分类是视觉检查功率谱，耗时且需要专业知识。该自动化工具可集成到床边监护设备中，为急性脑损伤患者提供即时的意识状态评估。该研究作为预印本发布，尚未经过同行评审。未来需要在独立队列中验证，并评估其临床实用性。