Мультимодальная контрастивная прогностическая платформа для раннего прогнозирования неврологического исхода у пациентов после остановки сердца

Почему важен ранний прогноз состояния мозга после остановки сердца

После внезапной остановки сердца многих людей удаётся реанимировать, но они остаются без сознания, что оставляет семьи и врачей в мучительной неопределённости относительно того, восстановится ли мозг. Современные руководства часто откладывают окончательные прогнозы на три и более суток, хотя критические решения по интенсивности терапии, распределению ресурсов и ожиданиям семьи приходится принимать значительно раньше. В этом исследовании изучают, может ли искусственный интеллект безопасно использовать данные, доступные уже в первые часы после реанимации, чтобы дать более ясное и раннее представление о вероятном восстановлении мозга.

Глубже о проблеме

Внезапная остановка сердца ежегодно затрагивает сотни тысяч людей в США, при этом выживание с осмысленным восстановлением функций мозга остаётся редким. После восстановления кровотока многие пациенты остаются в коме из‑за гипоксии мозга. Врачи могут оценивать зрачки и движения, исследовать электроэнцефалограмму, измерять биомаркеры в крови и анализировать снимки мозга, но ни один из этих методов сам по себе не идеален. Седация, ограничения оборудования и противоречивые результаты тестов усиливают неопределённость. Из‑за этих сложностей во многих больницах ждут как минимум 72 часа перед вынесением окончательного прогноза, что создаёт пробел в ранний период, когда формируется стратегия лечения.

Новый способ объединять снимки и постельные данные

Чтобы сократить этот пробел, исследователи разработали мультимодальную систему ИИ под названием CLAIR, которая сочетает КТ‑сканы мозга с рутинной клинической информацией для прогноза по шкале Cerebral Performance Category — стандартной мере неврологического исхода при выписке из больницы. CLAIR не ограничивается одним изображением или одной цифрой. Модель обрабатывает реконструкции КТ по трём проекциям головы вместе с такими данными, как возраст, время до восстановления сердечной деятельности, температура тела, лабораторные маркёры и результаты электрической активности мозга, когда они доступны. Специальная архитектура позволяет признакам изображений и клиническим признакам «взаимно уделять внимание», так что значение снимка интерпретируется в полном клиническом контексте.

Как проверяли модель в исследовании

Команда ретроспективно проанализировала 208 взрослых пациентов с остановкой сердца, у которых между 2020 и 2022 годами был как минимум один КТ‑снимок головы в одном медицинском центре. Пациенты, у которых жизнеобеспечение прекращено по причинам, не связанным с состоянием мозга, были исключены, чтобы сосредоточиться на неврологических исходах. Всего собрано 306 КТ‑сканов, но ключевые тесты CLAIR использовали только снимки, выполненные в первые 24 часа после остановки сердца, при медианном времени чуть более трёх часов. Данные были разделены по пациентам на обучающую, валидационную и тестовую выборки, чтобы избежать пересечения. CLAIR обучали и оценивали в двух вариантах: один — только на информации, доступной рано после поступления, и второй — с добавлением более поздних результатов, полученных в ходе госпитализации.

Насколько хорошо показал себя CLAIR

Прогнозы CLAIR сравнивали с результатами сильной модели глубокого обучения, работающей только с изображениями, и с оценками двух опытных неврологов. При подаче и многопроекционных КТ‑сканов, и ранних клинических данных CLAIR достигла площади под ROC‑кривой 0,94, что существенно превосходит подход, основанный только на КТ, — около 0,80. Это означает, что CLAIR лучше отличала пациентов с последующим благополучным восстановлением мозга от тех, у кого исход был неблагоприятным. Обе версии CLAIR показали высокую точность, чувствительность и специфичность. В отдельном упражнении на 20 особенно сложных случаях и люди, и ИИ допускали ошибки, но клиницисты, которым показывали прогнозы CLAIR, совершали меньше ошибок в прогнозировании, чем при работе в одиночку, что указывает на то, что инструмент может выступать полезным вторым мнением, а не заменой экспертной оценки.

Что это может значить для пациентов и их семей

Исследование демонстрирует, что система ИИ, которая совместно анализирует ранние КТ‑снимки мозга и постельные клинические данные, может давать более точные ранние прогнозы неврологического исхода после остановки сердца по сравнению с методами, опирающимися только на изображение. Хотя работа основана на одноцентровой базе умеренного размера и требует подтверждения на более крупных и разнообразных популяциях, она наводит на мысль о будущем, в котором врачам и семьям не придётся ждать несколько дней, чтобы получить обоснованную картину вероятного восстановления. При аккуратном использовании наряду с клинической экспертизой такие инструменты могут поддерживать более своевременные и продуманные решения о дальнейшем лечении, коммуникации с близкими и справедливом распределении ресурсов отделений интенсивной терапии.

Цитирование: Kasturi, A., Proctor, A.R., Vosoughi, A. et al. Multimodal contrastive prognostication framework for early neurological outcome prediction in post-cardiac arrest patients. Sci Rep 16, 15582 (2026). https://doi.org/10.1038/s41598-026-45573-3

Ключевые слова: остановка сердца, неврологический исход, КТ мозга, искусственный интеллект, прогнозирование