翻译：张伟东 编辑：汪洋
非侵入性方法
无创颅内压监测具有避免脑组织穿透的优点，同时对患者的监测风险小。研究者对用于间歇性或持续性颅内压估计的多种技术进行了研究(附录p2)。对于间歇性颅内压评估，在2023年，除了经典的CT表现(如脑池受压、中线移位和颅内病变体积)外，还提出了基于像素或体素灰度强度分布的影像组学特征用于检测颅内高压。其他方法包括多普勒超声测量脑血流速度，这被认为是脑血流量的替代指标，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，一些超声技术需要与有创颅内压测量进行校准，仍需要前瞻性验证。
在过去的16年里，视神经鞘直径作为颅内高压的一个指标受到了关注。视神经鞘是脑膜层的突出部分，其直径与蛛网膜下腔的脑脊液压力有关，随着颅内压的升高而增大，随着颅内压的降低而减小。视神经鞘直径可在重症监护病房床旁通过经眶超声测量。与颅内高压相关的数值范围为4.5 ~ 6.3 mm，但由于不同病理类型和系列的数据不一致，因此无法确定精确的阈值。
基于超声的间歇性颅内压估计方法对颅内压高压提供了相当的诊断准确性，特别是在联合使用不同方法时，但不允许进行连续监测。然而，机器人和小型化全电子系统的进步有望延长超声监测的持续时间，并使脑血流速度的测量独立于操作者并完全自主。其他持续估计颅内压的方法正在研究中，这些方法是基于光学技术、电阻抗断层扫描或压力诱导的微小颅骨变形，但颅骨变形和颅内压之间的关系很弱。
虽然可靠、连续、无创的颅内压测量仍是我们努力追求的，但间歇性无创颅内压估计可能在特定情况下有帮助。首先，应将创伤性脑损伤视为一种不断发展的疾病。当患者不符合有创颅内压监测标准时，基于超声的评估可能有助于危险分层，补充临床和影像学检查(表，图1)。其次，有创颅内压监测的禁忌证(如出血风险增加(不可逆的凝血病))使无创颅内压测量尤其有用。最后，在资源稀缺的情况下(如LMICs)可能无法进行颅内压监测。由于超声在全球重症监护病房中广泛应用，我们有理由假设，测量视神经鞘直径和脑血流速度可以在发生严重神经生理变化(如脑干受压引起的变化)之前提供预警。当神经系统检查被镇静掩盖时，评估视神经鞘直径和脑血流速度也可能有益。
个体化患者管理的颅内压衍生指数
计算机记录颅内压可以提供各种衍生指标的实时可用性，这可能有助于患者的个体化管理。如果在足够高的采样频率(至少50-60 Hz)下测量，颅内压信号是信息密集的。然而，获得、分析和解释高频数据需要专业知识和设备齐全的重症监护病房。分析最多的参数与脑顺应性和脑自动调节有关。
脉搏波形和脑顺应性
颅内压脉冲波形与每次心跳时发生的脑血容量波动相关，也可能取决于脑顺应性(附录p4)，即颅骨耐受容量变化(由脑水肿或血管充血引起)的能力。脑顺应性监测在重型颅脑损伤患者中具有重要意义，但在临床实践中并非常规监测。临床医师可直观识别颅内压脉搏波形形态的3个特征峰，即P1(叩击波)、P2(潮汐波)和P3(重搏波)。P2高于P1的病理波形或三角形形态提示脑顺应性低(附录p4)。CENTER-TBI于2022年对短期内的颅内压波形形状(从正常到病理性)进行了分类。与预后良好的患者相比，预后不良患者的非病理性波形发生率似乎较低，即使在低颅内压水平。颅内压脉冲幅度与颅内压之间的相关系数(correlation coefficient , RAP)是脑顺应性的另一指标(附录p4)。RAP受损与弥漫性损伤和水肿的脑CT模式相关，当RAP被纳入分析时，颅内压与预后的相关性更强。
脑自动调整
脑自动调节是脑血管在脑灌注压发生变化的情况下保持脑血流量稳定的能力。脑灌注压可在床旁计算为平均动脉压减去颅内压，平均动脉压传感器位于室间孔水平。对于创伤性脑损伤患者，不建议将换能器定位于心脏的高度，因为头部通常抬高(30 ~ 45°)，这可能导致脑灌注压的高估。
在自动调节范围内(即在大多数情况下，脑灌注压为40-140 mmHg)，脑血流量的波动可通过脑小动脉的活跃血管收缩或血管舒张最小化。脑灌注压和脑血流量之间的关系在自动调节范围外或自动调节受损时变得更加被动，导致脑灌注压低时缺血或脑灌注压高时充血的风险增加(图4)。血管收缩或舒张均可引起脑血容量改变;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。自动调节可通过测量平均动脉压的变化传递至颅内压的速度来估计。压力反应性指数(Pressure reactive Index, PRx)是脑自动调节的替代指标(图4)。在创伤性颅脑损伤患者中，指数为负值时提示自身调节功能保留，指数为正值时提示反应性受损，对预后有负面影响。
PRx可用于识别危险的低脑灌注压，与反应性下限相对应，从而为脑灌注压管理提供个体化目标。PRx和脑灌注压在较长时间内的关系常呈" u "形，这意味着存在一个PRx更负的脑灌注压(对应于最佳保存的血管反应性)。与此最低点相关的脑灌注压值被称为最佳脑灌注压，远离最佳脑灌注压的值与较差的预后相关。目前唯一完成的最佳脑灌注压试验是一项2期随机多中心研究COGiTATE，该研究探索了在重症监护病房的创伤性脑损伤患者中，将脑灌注压目标定为最佳点的可行性和安全性，并每4小时调整一次目标。本试验表明，以最佳脑灌注压为目标是安全的，干预组的脑灌注压在目标范围内的时间占监测时间的46.5%。这一比例显著高于可行性终点(36%)。更频繁的调整可能会提高脑灌注压达到最佳的时间百分比，并可能提高治疗的临床相关性。
人工智能与颅内压的临床应用
对于不同临床特征的患者，颅内压值和颅内压衍生指数的解读可能具有挑战性。系统综述表明，机器学习和人工智能方法正越来越多地应用于重症监护病房的患者，或者更具体地说，应用于颅内压分析。人们根据颅内压阈值、剂量或波形形态或多模态数据提出了各种方法。这些技术有可能通过提供颅内高压的提前预警或建议合适的治疗来改善患者的治疗。在制定治疗降阶梯的决策时，也可能提高信心。在所有这些情况下，个性化的方法都是可能的。
在过去的5年中，三种主要的早期预测颅高压的模型已经被测试。第一种是深度学习模型，该模型基于脑自动调节指数、频谱能量和形态学脉冲指标，可提前8小时预测颅内高压事件。第二个模型使用1,346例接受有创颅内压监测的患者数据预测随后数小时内的颅内压增高，外部验证显示预测效果良好(最初数小时内稳健，但随时间推移而降低)。第三种模型预测事件发生30 min内有害颅内压的受试者工作特征曲线下面积为0.94，准确度为0.89。目前计划开展一项对该模型的安全性和疗效的2期试验(Meyfroidt G，比利时鲁汶大学医院，个人通讯)。
当检测到颅内高压时，人工智能也可能建议治疗，如甘露醇。经过适当学习后，人工智能系统可能还可以检查治疗的后果(例如渗透疗法后的血浆渗透压浓度变化)，并提出修正建议。然而，在人工智能模型成为常规使用之前，首先需要克服许多局限性。首先，电子病历在数据收集方面没有标准化。其次，床旁监测设备的互操作性较低。第三，高分辨率监测数据没有常规存档。第四，医疗干预和护理可直接影响颅内压，因此其作用应与颅内压本身的自然过程相区别。第五，数据流容易出现人造物和噪声，从而模拟生理事件。第六，目前尚无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批准。
结论和未来方向
有创颅内压监测仍然是重度创伤性脑损伤临床治疗的核心。过去5年发表的数据表明，颅内压监测可以提供对患者管理有用的有价值的信息。然而，支持颅内压监测和治疗的证据很少。适应证和治疗方法往往基于专家意见，而不是高质量的试验。我们需要开展更多研究，这不仅是为了更好地证明当前实践的合理性，而且是为了开发出预防和治愈颅内高压的新有效疗法。创新至关重要，无创方法还不能取代传统的有创检测，但它们正在积极研究中。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，人工智能具有一定的前景，假以时日，可能会带来可能改善治
