Prognostic significance of advanced neuromonitoring after traumatic brain injury using neural networks

Summary:

While the therapeutic impact of tissue oxygenation (P_tiO₂) supplementing ICP-monitoring is proven by several clinical studies, its prognostic value is not well studied. In the following study artificial neural networks (ANN) were used to analyze the accuracy of outcome prediction after traumatic brain injury (TBI) for different combinations of clinical data and parameters derived from neuromonitoring.

The total group included 95 patients suffering from TBI. For all patients clinical data (age, GCS, pupillary response etc.) were recorded and outcome was classified using Glasgow outcome scale after 6 months. In a first step a subgroup of 60 patients was chosen to train a neural network to predict outcome based only on clinical data. In a second step the resting 35 patients all having continuous neuromonitoring with automatic data storage of ICP and P_tiO₂ were chosen. Different network models were composed using the former clinical model plus up to three additional input units for the following parameters: (a) relative number of ICP > 40 mmHg, (b) relative number of P_tiO₂ < 5 mmHg and (c) relative number of ICP > 30 mmHg with simultaneous P_tiO₂ < 10 mmHg. For each model the following time periods were analyzed: day 1-2, day 1-3 and day 1-4 after trauma and additionally day 1-4 after trauma plus last day of neuromonitoring.

Pure clinical data allowed to predict outcome with 74.3% accuracy. A combination of clinical data with ICP (a) significantly increased the confidence levels of outcome prediction in all time periods (p < 0.05) with accuracy rates rising up to 82.9% for the longer time periods. The combination of clinical data and ICP & P_tiO₂ (c) lead to comparable results. In contrast, no significant increases were observed in the early time periods when combining clinical data with P_tiO₂ (b) while accuracy rates rose up to 80% for extended time periods after trauma. A combination of all parameters lead to results lying between the above results.

The results indicate that prediction of outcome can be improved by combining clinical and neuromonitoring data. The prognostic value of ICP might be superior to that of P_tiO₂.

Zusammenfassung:

Während der therapeutische Nutzen der Gewebe-Sauerstoff-Messung (P_tiO₂) in Verbindung mit ICP Messung durch mehrere Studien belegt wurde, ist ihr prognostischer Wert bisher nicht eingehend untersucht. In der folgenden Studie werden künstliche neuronale Netze verwendet, um die Wertigkeit verschiedener Kombinationen von klinischen Daten und Neuromonitoringparametern im Hinblick auf die Prognose zu untersuchen. Die Studie umfaßt 95 Patienten mit traumatischer Hirnschädigung, für die klinische Daten (Alter, GCS, Pupillenreaktivität usw.) sowie das Outcome (GOS nach 6 Monaten) erfaßt wurden. Zunächst wurde eine Untergruppe von 60 Patienten ausgewählt, mit deren Hilfe ein neuronales Netz trainiert wurde, das Outcome auf der Basis von klinischen Daten vorauszusagen. Für die Analyse wurden die restlichen 35 Patienten, die alle über eine kontinuierliche Aufzeichnung von ICP, und Gewebe-PO₂ verfügten, in einer zweiten Gruppe ausgewählt. Verschiedene Netzmodelle wurden erstellt, indem das obige Netz durch ein bis drei der folgenden Eingabeknoten ergänzt wurde: relativer Anteil von ICP > 40 mmHg (a), relativer Anteil von P_tiO₂ < 5 mmHg (b) und relativer Anteil von ICP > 30 mmHg bei gleichzeitigem P_tiO₂ < 10 mmHg (c). Für jedes dieser Netzmodelle wurden die folgenden vier Zeitspannen untersucht: Tag 1-2, Tag 1-3 und Tag 1-4 nach Trauma sowie Tag 1-4 nach Trauma einschließlich letzter Monitoringtag. Während rein klinische Daten in 74,3% der Fälle die richtige Prognose ermöglichten, stieg die Vorhersagegenauigkeit bei Kombination von klinischen Daten und erhöhten ICP-Werten (a) für die längeren Zeitspannen auf bis zu 82,9%. Gleichzeitig war das Konfidenzintervall für alle Zeitspannen signifikant erhöht. Die Kombination aus klinischen Daten und erhöhten ICP-Werten bei gleichzeitig erniedrigten P_tiO₂-Werten (c) ergab weitgehend die gleichen Ergebnisse. Für die Kombination aus klinischen Daten und erniedrigten P_tiO₂-Werten (b) konnte allerdings in den beiden frühen Zeitspannen nach dem Trauma keine Verbesserung der Vorhersagegenauigkeit festgestellt werden, während sie in den späteren Zeitspannen bis auf 80% anstieg. Die Vorhersagegenauigkeit bei Kombination aller Daten lag zwischen derjenigen der obigen Modelle. Durch Kombination von klinischen Daten und Neuromonitoring-Daten kann die prognostische Aussagekraft erhöht werden, wobei der prognostische Wert von erhöhten ICP-Werten demjenigen von erniedrigten P_tiO₂-Werten überlegen ist.

Key words:

Severe head injury - outcome - cerebral oxygenation - intracranial pressure

Schlüsselwörter:

Schädel-Hirn-Trauma - Outcome - zerebrale Oxygenierung - Intrakranieller Druck

References

• 1 Bardt T F, Unterberg A W. et al. . Monitoring of brain tissue PO₂ in traumatic brain injury: Effect of cerebral hypoxia on outcome.  Acta Neurochir. 71 153-156 1998; 
• 2 Becker D P, Miller J D. et al. . The outcome from severe head injury with early diagnosis and intensive management.  J Neurosurg. 47 491-502 1977; 
• 3 Choi S C, Narayan R K. et al. . Enhanced specificity of prognosis in severe head injury.  J Neurosurg. 69 381-385 1988; 
• 4 Choi S C, Barnes T Y. Predicting outcome in the head-injured patient. In: Narayan RK, Wilberger JE, Povlishock JT: Neurotrauma. McGraw-Hill 779-792 1996
• 5 Dings J, Jäger A, Meixensberger J, Roosen K. Brain tissue pO₂ and outcome after severe head injury.  Neurol Res. 20, Suppl 1 71-75 1998; 
• 6 Facco E, Munari M. et al. . Assessment of brain perfusion in coma and comparison between SPECT and CT scan data: Preliminary report.  Neurol Res. 20, Suppl 1 S40-S43 1998; 
• 7 Houlden D A, Chen Li R AK. et al. . Median nerve somatosensory evoked potentials and the Glasgow coma scale as predictors of outcome in comatose patients with head injuries.  Neurosurgery. 27 701-708 1990; 
• 8 Lang E W, Pitts L H, Damron S L, Rutledge R. Outcome after severe head injury: An analysis of prediction based upon comparison of neural network versus logistic regression analysis.  Neurol Res. 19 274-280 1997; 
• 9 Marshall L F, Smith R W. et al. . The outcome with aggressive treatment in severe head injury (Part I).  J Neurosurg. 50 20-25 1979; 
• 10 Marshall L F, Marshall S B. et al. . A new classification of head injury based on computerized tomography.  J Neurosurg. 75 14-20 1991; 
• 11 Marshall L F, Gautille T. et al. . The outcome of severe closed head injury.  J Neurosurg. 75 28-36 1991; 
• 12 Miller J D, Butterworth J F. et al. . Further experience in the management of severe head injury.  J Neurosurg. 54 289-299 1981; 
• 13 Narayan R K, Greenberg R P. et al. . Improved confidence of outcome prediction in severe head injury.  J Neurosurg. 54 751-762 1981; 
• 14 Scherer A. Neuronale Netze: Grundlagen und Anwendungen. Braunschweig, Wiesbaden: Vieweg 1997
• 15 Teasdale G, Jennet B. Assessment of coma and impaired conciousness.  Lancet. II 81-84 1974; 
• 16 Teasdale G, Jennet B. Assessment and prognosis of coma after head injury.  Acta Neurochirurgica. 34 45-55 1976; 
• 17 Valadka A B, Gopinath S P. et al. . Relationship of brain tissue PO₂ to outcome after severe head injury.  Crit Care Med. 26 1576-1581 1998;