分享一個複雜的ICU醫生和護士的臨床因素是難以診斷非潛入狀態的癲癇症（NCSE）-AN無形的條件，必須積極管理，以防止持續損壞大腦。由於神經係統患者中NCSE的患病率可以達到60％，因為它越來越難以管理，即使在尚未確認的情況下，Neuro-ICU也傾向於用於非驚厥癲癇發作。如果他們沒有，他們完全錯過了診斷，對患者的後果範圍從神經元損傷到長期神經係統疾病和增加的死亡率。
病人的健康結果是解決這一診斷困難的最大原因。但是，對疑似癲癇的漏診和過度治療都削弱了中心輻射型機構對患者進行分類和適當使用資源的能力。一種帶有快速腦電圖(Rapid-EEG)的新型腦監測器，可以被任何一線臨床醫生應用和解釋，現在正在幫助識別並排除在幾分鍾內在護理點（Hobbs等，2018）存在非驚厥癲癇發作。這項技術允許我的機構在方便的地方評估更多患者，隻轉入那些真正需要更具侵略性神經科學護理到我們的“樞紐”醫院的人。隨著RAPID-EEG，與此前的其他護理技術一樣，我們正在擴展患者對臨床專業知識的訪問，並為他們提供更合適的護理。
挑戰1:缺乏意識
當一個病人有異常的神經係統檢查時，我們問的第一個問題是，“這是中風嗎?”病人發燒，精神狀態改變，心動過速，呼吸頻率增加:“這可能是感染嗎?”這種對某些指標的自動反應可以追溯到許多公眾和學術運動，以提高人們對中風和敗血症的認識。
“時間是大腦”是一種廣泛理解的麥克風，適用於中風的情況。然而，即使它適用於NCSE，另一個高度普遍和可治療的腦損傷來源，而且對這種情況沒有可比的運動。為什麼？答案可能歸結為長期的技術差距：缺乏工具，使診斷或統治患者在患者的工作中足夠早。
挑戰＃2：缺乏專業知識
缺乏工具更好地理解為缺乏專業知識。在Neuro-ICU中，至少，傳統的EEG機器是高度可訪問的。但即使在這裏 - 肯定在衛星診所，我們的許多患者呈現出首先 - 限製因素是采取腦電圖所需的專業知識並解釋結果。
在Rapid-EEG之前，非驚厥癲癇發作的評估需要癲癇患者，神經病學家或訓練有素的EEG技術人員解釋腦電圖。這種限製使得在15分鍾或更短的患者中，符合涉嫌非驚厥癲癇發作活性的患者推薦的指導方針，因為常規腦電圖通常需要數小時（或幾天，取決於日期和周的時間）提供結果（Yazbeck等，2019）。
沒有準確和快速診斷NCSE的能力，與缺血性卒中或敗血症周圍類似的廣泛意識運動毫無意義。更廣泛的快速eeg變化的可用性變化。
挑戰＃3：缺乏信心
配備了快速腦電圖描記器的大腦監測器確實可以生成原始的腦電圖圖像，但仍需要專業知識才能讀取。但這個監測器也利用聲音化和人工智能將原始數據轉化為NCSE的明確的“是”或“否”。任何護士、住院醫師或高級臨床醫師都可以立即確定是否存在NCSE，並在必要時將原始腦電圖傳遞給專家。
挑戰＃4：采用新技術的障礙
最後一個挑戰由三個相互關聯的挑戰組成：人類抵抗變革，采購成本和新技術，以及係統集成升力。
護理點超聲波提供了這些異議中的每一個的有用示例。當超聲波首次獲得應急醫生使用時，對前方的學習曲線有很大的恐懼。當然，當然，這些醫生的超聲波使用相當標準。在閱讀護理點超聲圖像的信心比與Rapid-eeg交付的是/否答案的培訓和判斷需要更多的培訓和判斷，但盡管如此，可能會有一些抵抗力。
與護理點超聲一樣，利用急流實施腦監測的成本和物流可能是由機構權衡的機構。然而，當證明超聲波產生價值並改善患者護理時，它被廣泛采用。盡管如此，必須在培訓，工作流程調整和數據/設備集成方麵進行投資，以便醫院實現其承諾的儲蓄和質量改進。
利用RAPID-EEG，培訓和數據集成方麵在很大程度上可以忽略不計（培訓可以在大約一小時內完成;通過雲存儲和傳輸EEG）。但它仍然落在每個ICU中，將這種監測納入患者的工作崗位，並在ICU的運營工作流程中邏輯地統一地嵌入技術。
獲得了什麼
由於NCSE的風險和患病率 - 也是由於其越來越多的克服患者的挑戰，以及提高醫生信心，並導致更好的健康結果。
最後一個案例說明了一些這些益處。在我們的衛星遺址之一，一名年輕女性患有可疑的非驚厥狀況，但沒有癲癇發作或癲癇的任何曆史。她被EMS在現場中預熱和藥物藥物，因此在抵達急診部門時受到麻醉。雖然在治療後，迅速腦電圖顯示她正在積極抓住。該信息意味著他們知道遵循癲癇症指南並用抗癲癇藥物治療她。盡管所有這些幹預措施，她都在一夜之間癲癇發作，而且致力於我們的神經ICU的關鍵護理醫生要求連續EEG監測。患者被轉移到我們的機構，我們提高了她治療的侵略性，並且終於出現了狀態。如果沒有快速腦電圖，患者的NCSE可能已經沒有令人未能，並且肯定沒有得到如此及時升級的護理。
從個別患者踩回來，前線提供商排除NCSE的能力可能會有更大的醫療保健收益。如果患者對ICU的高矛盾運動，即使沒有腦損傷的曆史，我們也最初懷疑癲癇發作。Rapid-EEG允許我們立即排除該診斷，避免可能進一步惡化患者精神狀態並可能導致機械通氣的不必要的藥物。避免不必要升級也將防止不必要的轉移，這將對該機構的大量成本節省。
未來可能獲得的東西
將NCSE的大腦活動數據轉換為yes/no警報是人工智能的一種應用，它對護理具有直接影響，特別是考慮到這些癲癇發作與ICU常見疾病相一致的頻率(Herman等人，2015年)。接下來會發生什麼?我們能否利用人工智能不僅分析癲癇發作的模式，還分析大腦缺血的模式?那麼譫妄或腦功能障礙的模式是否與癲癇發作無關呢?
這些可能性是幾年甚至幾十年。但是，關注點腦監測，我們終於能夠在我們為患者提供更好，更有效的護理之前才能表現出幾個挑戰的需求。
