馬彥 胡晰遠
(1.哈佛大學醫(yī)學院,Beth Israel Deaconess Medical Center,交叉醫(yī)學部,美國馬薩諸塞州波士頓,02215;2.中國科學院自動化研究所,北京,100190)
?
睡眠生理訊號的非線性特征及復雜度理論的潛在應用
Nonlinear Nature of Physiological Signals during Sleep and the Application of Complexity Theories
馬彥1胡晰遠2
(1.哈佛大學醫(yī)學院,Beth Israel Deaconess Medical Center,交叉醫(yī)學部,美國馬薩諸塞州波士頓,02215;2.中國科學院自動化研究所,北京,100190)
生理訊號;復雜度;多尺度熵(MSE)
人體中有許許多多潛在的訊號,他們與體內(nèi)生理系統(tǒng)有著密切的關系,而這些生理訊號可以反映出生物體內(nèi)各個器官、系統(tǒng)的生理或病理特征?,F(xiàn)代醫(yī)學通過應用特定的設備測量生理訊號可以客觀地描述生理或病理狀態(tài),然后就需要通過科學的量化方法來提供評測指標。在目前備受關注且發(fā)展迅速的睡眠醫(yī)學中,生理訊號就是主要的日常采集數(shù)據(jù)之一。在多導睡眠監(jiān)測(Polysomnography,PSG)中,醫(yī)生和技師會采集到大量的數(shù)據(jù),包括腦電、眼電、心電、肌電等電生理訊號,以及呼吸、胸腹運動、鼾聲、血氧、體位等多種電訊號。生理訊號具有動態(tài)、非穩(wěn)定性、非線性的特征,因此更適合應用非線性的分析方法來進行處理和分析。
從分子生物學到生理學間存在許多組織層級,因此,試圖單從分子層次了解和治療復雜疾病,通常容易忽略整體動態(tài)系統(tǒng)(即人體)的復雜特征變化及模式。任何復雜系統(tǒng),包括人體的生理與病理,或健康與疾病等,都可以通過動態(tài)非線性的研究方法加以分析。生理系統(tǒng)是由多個時空尺度下復雜機制所調(diào)節(jié)控制的。生物系統(tǒng)中的時域信號大都包含著隨機性與確定性成份。復雜度相關的指標在區(qū)分不同系統(tǒng)或同一系統(tǒng)不同狀態(tài)下的時域信號上具有非常重要的潛在應用。簡言之,復雜度與“有意義結(jié)構(gòu)的豐富度”相關,展現(xiàn)了相對更高的規(guī)律性。基于熵的測量方法,都會隨著隨機性的增強而單調(diào)遞增。由此診斷、治療及監(jiān)測疾病的新方法也得以發(fā)展出來。
近年來,非線性方法,比如多尺度熵(Multiscale Entropy,MSE)[1-2],作為一種分析時間序列內(nèi)涵信息之復雜性的計算方法,被越來越多地應用于醫(yī)學領域,解決了很多關于健康、疾病、老齡化等量化研究的難題[3],并且復雜度的理論思想與哲學和傳統(tǒng)醫(yī)學的許多理論觀點都不謀而合[4]?;贛SE計算復雜度的方法,主要是針對人體的生理數(shù)據(jù)進行處理、分析,為臨床醫(yī)師提供客觀的參考依據(jù),或可作為新的評價指標應用于科研。早期的研究,在衰老、心律失常(房顫)以及危及生命的綜合征(心臟衰竭)中都一致性的展現(xiàn)出復雜度的下降。此外,這些不同的生理狀態(tài)都對應著不同的MSE曲線,意味著可以應用于臨床診斷。這些結(jié)果表明在衰老及疾病中都符合“復雜度的下降”理論。這種分析方法也被應用于編碼及非編碼DNA序列中,發(fā)現(xiàn)后者具有更高的多尺度熵,這與目前新的觀點是一致的。
復雜度的主要思想包括:在變幻莫測的環(huán)境中,只有適應能力強的個體能夠存活,他們往往具有較高的動態(tài)發(fā)展的復雜性以應對挑戰(zhàn),因此生物系統(tǒng)的復雜度反映了其適應能力及所起功能的大?。簧锵到y(tǒng)需要跨越多個時空尺度進行控制,因此它們的復雜度也是多尺度的;疾病的狀態(tài)和衰老會降低個體適應能力,同時也可能會體現(xiàn)為系統(tǒng)復雜度的下降。
截至目前,通過多尺度熵來評估信號復雜度的方法已經(jīng)被應用于醫(yī)學的各個領域,從基礎到臨床、從生理到病理、從健康到疾病等各種生理訊號,包括腦電、心電、肌電、呼吸信號、脈搏信號、神經(jīng)影像、體溫、人體重心描記、步態(tài)記錄、情緒狀態(tài)等等。由此,我們相信,復雜度理論在睡眠醫(yī)學領域中的有很好的實踐方向,并且有著很好的發(fā)展前景,希望能幫助我們了解更多睡眠生理的意義,并進一步解開更多睡眠疾病的未知謎團。
[1]Costa M,Goldberger AL,Peng CK.Multiscale entropy analysis of complex physiologic time series[J].Phys Rev Lett,2002,89(6):068102.
[2]Costa M,Goldberger AL,Peng CK.Multiscale entropy analysis of biological signals[J].Phys Rev E Stat Nonlin Soft Matter Phys,2005,71(2R1):021906.
[3]Ma Y,Sun S,Peng CK.Applications of dynamical complexity theory in traditional Chinese medicine[J].Frontiers of medicine,2014,8(B1):279-284.
[4]Ma Y,Zhou K,F(xiàn)an J,Sun S.Traditional Chinese medicine:potential approaches from modern dynamical complexity theories[J].Frontiers of medicine,2016(1):28-32.
馬彥,E-mail:dr.yan.ma@gmail.com
R338.63
A
2095-7130(2016)04-225-226