介绍

创伤性脑损伤后的主要并发症是颅内高压。颅内高压会导致脑疝并且减少脑灌注，所以颅内压监测是创伤性脑损伤治疗的核心。虽然有创颅内压监测被广泛使用，但很少有证据支持其适应症、益处和治疗中的作用。因此使用非侵入性技术来评估和监测颅内高压，可以避免颅内放置导管相关的并发症，并且可能是一种快速和低成本的颅内压评估方法。同时使用计算机辅助颅内压分析也取得了进展，可以从整体颅内压时间和颅内压波形中提取信息，并从这些数据中推导出各种指标(如压力反应性指数和最佳脑灌注压)。这些方法有利于在重症监护病房进行个体化颅内压管理。在这篇综述中，我们描述了目前的颅内压监测和治疗策略。我们讨论了过去5年来无创颅内压评估方法的进展，以及这些技术的局限性和潜在的应用。最后，我们研究了数据科学和人工智能如何可以改善对颅内压信号的解释，从而可能有利于更好的患者管理。

颅内压监测和治疗框架

1.评估发生颅内高压的风险

对于创伤性脑损伤后的患者颅内高压的识别是非常重要的。已确定或即将发生的颅内高压的征象包括影像学（颅内结构的扭曲和压迫）、意识减退（格拉斯哥昏迷评分法GCS）、瞳孔异常和全身改变（血流动力学和呼吸系统）（表）。根据脑创伤基金会的指南，最广泛接受放置颅内压监测仪的适应症是GCS评分小于9分和头部CT扫描显示出血、肿胀、疝或基底池压缩。但是支持颅内压监测的证据仍然薄弱。在过去的5年里，两个国际专家小组（神经外科医生和重症监护医生）评估了颅内压监测的适应症。综合这两个小组的研究结果，表明了一个可能有助于临床医生决策颅内压监测的方法（图1）。

2.颅内压监测技术

有创颅内压测量的两种主要选择是脑室导管和脑实质内传感器。为了准确测量，脑室内传感器应与Monro孔的水平对齐，并打开大气压以建立零水平。在监测期间，脑实质内传感器不能重新归零，随着时间的推移可以出现零漂移，使用现代技术这种漂移很小（平均小于1 mmHg），因此，这两种系统具有相似的准确性和可靠性。作为一种有创的神经外科手术，颅内压监测与血管损伤、感染和探针错位等风险相关。

3.颅内压阈值和剂量

在正常情况下，健康成人平卧位的颅内压从5 mmHg到15 mmHg不等。脑创伤基金会建议当颅内压达到22 mmHg应开始降低颅内压治疗。但是这个推荐值是基于单中心回顾性研究，颅内压是动态的并受到损伤模式、治疗和遗传学的影响。

计算机记录和分析颅内压信号的进展增强了我们对颅内压值和结果之间关系的认识。人们提出了不同的方法来评估颅内高压的强度及其持续时间（图2）。第一种方法通常使用计算颅内压曲线下的面积随时间的变化，从而产生压力-时间剂量（图2)。第二种方法是计算监测时间高于设定的颅内压阈值的比例（图2）。第三种方法侧重于颅内病变的数量超过特定阈值和特定持续时间的压力事件（图2）。这些方法可以帮助开发临床预警系统，以早期识别有害的颅内高压剂量。

4.控制颅内压的方法

一些可预防的病理生理机制可增加颅内容积而引起颅内高压。例如，缺氧、高碳酸血症和动脉性低血压可导致脑血管舒张和脑血容量增加。发热可提高脑代谢率、脑血流量和脑血容量，低钠血症加重脑水肿。此外，呼吸机异步性和过高的呼气末正压可减少脑静脉流出，从而增加颅内压。如果颅内压超过推荐阈值，即使在干预纠正这些可预防的情况后，也需要积极治疗，包括一系列医疗和手术干预（图3）。

颅内高压的治疗方法主要有两种治疗方法。第一种是针对其确切的原因治疗（如水肿和血管舒张），但确定病因机制可能是困难的。第二种是一个固定的干预序列治疗（称为阶梯方法），患者通过一个标准化的治疗序列取得进展，其不良反应的风险逐步增加。但这种方法没有考虑到个别患者的特征。为了克服这两种方法的局限性，一个国际专家组开发了一种颅内高压治疗算法，以确定创伤性脑损伤护理的层次。专家们使用了基于德尔菲法的共识方法，该方法需要80%的一致性。多种治疗方法（被认为具有相似的风险和益处）被分组在每一层中，而最高的一层（第3层）包含最大的风险（图3）

5.颅内压监测的好处、无效或危害

对于创伤性脑损伤患者脑损伤是否可逆的标志是颅内高压水平，颅内压监测有助于及时开始适当的干预措施。当颅内高压表明损伤不适合治疗时，颅内压监测是无效的，并会导致过度治疗。多中心观察性研究调查了颅内压监测的有效性，并结合了基于倾向评分匹配的更新统计方法。对急性脑损伤患者研究中，与未监测的患者相比，最严重损伤患者（至少有一个瞳孔无反应）的颅内压监测与较低的6个月死亡率和更好的恢复相关。然而，当双侧瞳孔反应性被保留时，颅内压监测没有发现任何好处。此外，先进的统计方法并不能克服这样的偏见：最严重疾病的患者可能会接受最严格监测。研究结果表明仅仅存在关联，而非因果关系，是无法衡量颅内压监测的潜在益处或危害。

多模态神经监测

颅内压值对许多重要的大脑变化不敏感，如那些与代谢危机或缺氧相关的变化。在这些情况下，先进的脑特异性监测模式——如脑微透析或脑组织氧合（PbtO2）——可以提供额外的数据，可能有助于检测和治疗这些有害事件。例如，脑微透析可能有助于优化血流和葡萄糖输送到大脑，而PbtO2监测可能有助于使用过度通气来降低颅内压，以排除脑灌注不足。整合来自受损大脑的大量多模态数据，理论上应该为护理提供信息并改善结果。然而，在实践中，先进的监测增加了护理的复杂性，每个侵入性探针都增加了并发症的风险。该设备通常很昂贵，而且需要经过专门训练的人员。此外，虽然颅内压是一种全球性的脑测量方法，但PbtO2和脑微透析探针从较小的脑体积中获取信号，并对脑实质的局部改变很敏感。

无创方法

无创颅内压监测具有避免脑组织渗透的优势，同时对患者提供的监测风险很小。目前已经研究了多种技术用于估计间歇性或连续的颅内压。2023年间歇性颅内压评估被提出用于颅内高压检测。除了经典的CT表现外（即脑池压迫、中线移位和颅内病变体积），其他方法包括多普勒超声测量脑血流速度，这被认为是脑血流的替代品，无论是单独测量还是与动脉血压测量相结合，都可以提供有关颅内压的信息。然而，一些超声技术需要根据有创颅内压测量进行校准，并且仍需要前瞻性验证。

间歇性无创颅内压估计可能在特定情况下会有帮助。首先，创伤性脑损伤应该被认为是一种不断演变的状态。当患者不符合有创颅内压监测的标准时，基于超声的评估可能有助于进行风险分层，补充临床和放射学检查（表，图1）。第二，有创监测仪放置的禁忌症，如出血风险增加（不可逆性凝血病），使无创颅内压测量特别有用。最后，在资源匮乏的环境中，如在中低收入国家，颅内压监测可能无法进行。由于超声在全球重症监护病房广泛使用，我们有理由认为，测量视神经鞘直径和脑血流速度可以在关键的神经生理变化发生之前提供警告——例如，那些由脑干压迫引起的。当神经系统检查被镇静剂掩盖时，评估视神经鞘直径和脑血流速度也可能是有益的。

个体化患者管理颅内压的衍生指标

计算机记录颅内压可以提供各种衍生指标的实时供应，这可能有助于个体化的患者管理。

1.脉冲波形和脑顺应性

颅内压脉冲波形与每次心跳发生的脑血容量波动有关，也可能依赖于脑顺应性，这是颅骨耐受容量变化的能力（由脑水肿或血管充盈引起）。监测严重创伤性脑损伤患者的脑顺应性可能很重要。临床医生可以直观识别出颅内压脉冲波形形态的三个特征峰，包括P1（冲击波）、P2（潮汐波）和P3（双波）。P2高于P1的病理波形或三角形，提示大脑顺应性低。颅内压脉冲幅度与颅内压之间的相关系数（RAP）是大脑顺应性的另一个指标。RAP受损与弥漫性损伤和水肿的大脑CT模式相关。

2.大脑自动调节

脑自动调节是指脑血管在脑灌注压发生变化的情况下维持稳定的脑血流的能力。在自动调节范围内，脑血流的波动通过脑小动脉的主动血管收缩或血管舒张而最小化。脑灌注压与脑血流之间的关系在自动调节极限之外或当自动调节受损时变得更加被动，导致低脑灌注压缺血或高脑灌注压高血的风险增加（图4）。血管收缩或血管舒张可引起脑血容量的变化，这些反过来又反映在颅内压的变化中，特别是在脑顺应性降低的患者中。自动调节可以通过测量平均动脉压传递到颅内压的缓慢变化来估计。压力反应性指数（PRx）是大脑自动调节的替代指标（图4）。负指数表示保留了自动调节，正指数表示反应性受损，这对创伤性脑损伤的预后有负面影响。

人工智能与颅内压的临床应用

对于具有不同临床症状的患者，对颅内压值和颅内压衍生指数的解释可能具有挑战性。系统综述显示，机器学习和人工智能方法如何越来越多地应用于重症监护病房患者的颅内压分析。基于颅内压阈值、剂量、波形形态或多模态数据，已经提出了各种方法。

当检测到颅内高压时，人工智能也可能建议使用治疗方法（如甘露醇）。在适当的学习之后，人工智能系统还可以检查治疗的结果（例如，渗透治疗后血浆渗透压的变化），并提出纠正建议。但是在使用人工智能模型成为常规之前需要克服许多限制。第一，电子病历在数据收集方面没有标准化。第二，床边监测设备的互操作性较低。.第三，高分辨率的监测数据不被常规存档。第四，医疗干预和护理可能直接影响颅内压，因此其影响应与颅内压本身的自然过程相区分。第五，数据流很容易产生可以模仿生理事件的伪差和噪声。第六，目前为止还没有客观评价模型性能的参考数据库。最后，基于机器学习和人工智能的方法将需要专门的技术基础设施和监管机构批准。

结论及未来的发展方向

严重创伤性脑损伤的临床治疗的重心仍然是有创颅内压监测。过去5年发表的数据显示，颅内压监测可以为患者管理提供有用的信息。但是有创颅内压监测适应症和治疗方法是基于专家的意见，而不是基于高质量的试验。更多的研究不仅是为了更好地证明目前的实践，而且是为了开发新的有效的防治颅内高压的治疗方法。非侵入性方法还没有准备好取代传统的侵入性传感器，但他们正在积极研究。对颅内压信号的高级分析、自动调节的定量研究和多模态监测正在从理论研究转向临床试验。最后，人工智能可能会带来新的证据和实践，提高护理标准。