Abstract Background The ability to determine severity of encephalopathy is crucial for early neuroprotective therapies and for predicting neurodevelopmental outcome. The objective of this study was to assess a novel brain state of newborn (BSN) trend to distinguish newborns with presence of hypoxic ischemic encephalopathy (HIE) within hours after birth and predict neurodevelopmental outcomes at 2 years of age. Method This is a prospective cohort study of newborns at 36 weeks’ gestation or later with and without HIE at birth. The Total Sanart Score (TSS) was calculated based on a modified Sarnat exam within 6 h of life. BSN was calculated from electroencephalogram (EEG) measurements initiated after birth. The primary outcome at 2 year of age was a diagnosis of death or disability using the Bayley Scales of Infant Development III. Results BSN differentiated between normal and abnormal neurodevelopmental outcomes throughout the entire recording period from 6 h of life. Additionally, infants with lower BSN values had higher odds of neurodevelopmental impairment and HIE. BSN distinguished between normal ( n = 86) and HIE ( n = 46) and showed a significant correlation with the concomitant TSS. Conclusion BSN is a sensitive real-time marker for monitoring dynamic progression of encephalopathy and predicting neurodevelopmental impairment. Impact This is a prospective cohort study to investigate the ability of brain state of newborn (BSN) trend to predict neurodevelopmental outcome within the first day of life and identify severity of encephalopathy. BSN predicts neurodevelopmental outcomes at 2 years of age and the severity of encephalopathy severity. It also correlates with the Total Sarnat Score from the modified Sarnat exam. BSN could serve as a promising bedside trend aiding in accurate assessment and identification of newborns who may benefit from additional neuroprotection therapies.

Abstract Objective Assess the capacity of brain state of the newborn (BSN) to predict neurodevelopment outcomes in neonatal encephalopathy. Methods Trends of BSN, a deep learning‐based measure translating EEG background to a continuous trend, were studied from a three‐channel montage long‐term EEG monitoring from a prospective cohort of 92 infants with neonatal encephalopathy and neurodevelopmental outcomes assessed by Bayley Scales of Infant Development, 3rd edition (Bayley‐III) at 18 months. Outcome prediction used categories “Severe impairment” (Bayley‐III composite score ≤70 or death) or “Any impairment” (score ≤85 or death). Results “Severe impairment” was predicted best for motor outcomes (24 h area under the curve (AUC) = 0.97), followed by cognitive (36 h AUC = 0.90), overall (24 h AUC = 0.84), and language (24 h AUC = 0.82). “Any impairment” was best predicted for motor outcomes (12 h AUC = 0.95), followed by cognitive (24 h AUC = 0.85), overall (12 h AUC = 0.75), and language (12 and 24 h AUC = 0.68). Optimal BSN cutoffs for outcome predictions evolved with the postnatal age. Low BSN scores reached a 100% positive prediction of poor outcomes at 24 h of age. Interpretation BSN is an excellent predictor of adverse neurodevelopmental outcomes in survivors of neonatal encephalopathy after therapeutic hypothermia, even at 24 h of life. The trend provides a fully automated, objective, quantified, and reliable interpretation of EEG background. The high temporal resolution supports continuous bedside brain assessment and early prognostication during the initial dynamic recovery phase.