機器學習領域的最新進展為大腦信號建模提供了強大的工具。卷積神經網絡(CNN)被認為是提取腦電信號復雜特征的有效方法。本研究探討了CNN是否能夠提取與患者從昏迷中醒來的機會和3個月時的生存相關的對聽覺刺激的腦電圖反應模式。我們記錄了145例心臟停搏后昏迷患者的數據。在患者昏迷的第一天,我們收集了床旁EEG數據,利用CNN對聽覺刺激的單次試驗EEG反應進行了建模。這些反應在從昏迷中醒來和未醒來的患者之間以及在昏迷中醒來和未存活的患者之間進行了比較。采用腦功能分類(CPC)評估生存者的結局。根據患者的恢復水平對其進行CPC評分,1分表示完全恢復,2分表示中度的意識恢復,3分表示重度的意識恢復,4分表示昏迷或持續(xù)性植物狀態(tài),5分表示死亡。在分析的134例患者中,59%存活,41%預后不良(CPC:4～5)。使用CNN對覺醒的陽性預測能力為0.83,對結局的預測能力為0.69。結論:對心臟停搏后昏迷患者開展的這項研究發(fā)現(xiàn),利用深度學習評估的對聽覺刺激的EEG 反應可幫助預測患者從昏迷中醒來的幾率。