馬彥 胡晰遠
(1.哈佛大學(xué)醫(yī)學(xué)院,Beth Israel Deaconess Medical Center,交叉醫(yī)學(xué)部,美國馬薩諸塞州波士頓,02215;2.中國科學(xué)院自動化研究所,北京,100190)
?
睡眠生理訊號的非線性特征及復(fù)雜度理論的潛在應(yīng)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(xué)醫(yī)學(xué)院,Beth Israel Deaconess Medical Center,交叉醫(yī)學(xué)部,美國馬薩諸塞州波士頓,02215;2.中國科學(xué)院自動化研究所,北京,100190)
生理訊號;復(fù)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(guān)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(xué)通過應(yīng)用特定的設(shè)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(xué)的量化方法來提供評測指標(biāo)。在目前備受關(guān)注且發(fā)展迅速的睡眠醫(yī)學(xué)中,生理訊號就是主要的日常采集數(shù)據(jù)之一。在多導(dǎo)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(yīng)用非線性的分析方法來進行處理和分析。
從分子生物學(xué)到生理學(xué)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(fù)雜疾病,通常容易忽略整體動態(tài)系統(tǒng)(即人體)的復(fù)雜特征變化及模式。任何復(fù)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(fù)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(fù)雜度相關(guān)的指標(biāo)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(yīng)用。簡言之,復(fù)雜度與“有意義結(jié)構(gòu)的豐富度”相關(guān),展現(xiàn)了相對更高的規(guī)律性?;陟氐臏y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(fù)雜性的計算方法,被越來越多地應(yīng)用于醫(yī)學(xué)領(lǐng)域,解決了很多關(guān)于健康、疾病、老齡化等量化研究的難題[3],并且復(fù)雜度的理論思想與哲學(xué)和傳統(tǒng)醫(yī)學(xué)的許多理論觀點都不謀而合[4]?;贛SE計算復(fù)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(biāo)應(yīng)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(fù)雜度的下降。此外,這些不同的生理狀態(tài)都對應(yīng)著不同的MSE曲線,意味著可以應(yīng)用于臨床診斷。這些結(jié)果表明在衰老及疾病中都符合“復(fù)雜度的下降”理論。這種分析方法也被應(yīng)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(fù)雜度的主要思想包括:在變幻莫測的環(huán)境中,只有適應(yīng)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(fù)雜性以應(yīng)對挑戰(zhàn),因此生物系統(tǒng)的復(fù)雜度反映了其適應(yīng)能力及所起功能的大??;生物系統(tǒng)需要跨越多個時空尺度進行控制,因此它們的復(fù)雜度也是多尺度的;疾病的狀態(tài)和衰老會降低個體適應(yīng)能力,同時也可能會體現(xiàn)為系統(tǒng)復(fù)雜度的下降。
截至目前,通過多尺度熵來評估信號復(fù)雜度的方法已經(jīng)被應(yīng)用于醫(yī)學(xué)的各個領(lǐng)域,從基礎(chǔ)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(fù)雜度理論在睡眠醫(yī)學(xué)領(lǐng)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