心沖擊信號研究進展及其在醫學中的應用

浙江省醫療器械審評中心，浙江 杭州 311121

引言

心臟跳動周期中心臟泵血能引起身體產生相應的運動，通過高靈敏度傳感器拾取該運動信號，并將其描記成波形，該波形稱為心沖擊圖（Ballistocardiogram，BCG）。因為BCG信號記錄的是心臟泵血引起的與心搏同步的身體運動，所以BCG信號間接反映了心臟動力和運動狀態。對BCG信號進行分析可以獲取與之相關的生命體征或生理參數，并有可能對相關疾病進行預測、診斷或跟蹤監測。

1877年，Gordon等[1]首先觀察到了BCG現象，即當人站在精制的體重計上時，指針會出現與心跳同步的有規則的擺動，發表了最早的BCG記錄。此后60年中，BCG研究沒有受到太多的關注。

1939年，Starr等[2]率先系統地研究了心臟收縮引起身體顫動，并設計、制造了一種能夠記錄身體運動的平臺，稱為高頻臺。通過該平臺，他們系統地研究了BCG信號中各種波形的形成機制及其與心臟動力的關系，從而奠定了BCG這門科學的基礎[3-4]。基于其對BCG技術的開創性研究工作，Starr被稱為BCG之父。

從1940年到1980年，諸多研究人員不僅提出多種BCG信號檢測方法，而且將BCG技術應用于多種生理參數檢測及相關臨床醫學應用研究[4]。在此之后，受制于落后的傳感器技術，缺乏標準化，以及在心臟疾病診斷上受到具有更高特異性的心電圖（Electrocardiograph，ECG）技術的沖擊，BCG技術研究逐漸減少，甚至一度處于停滯狀態[5]。近二十年來，隨著傳感器、電子和信號處理與分析等技術的快速發展，BCG信號檢測變得更加方便，測量精度也大為提高，BCG技術本身又具備無創、非接觸式和可長期連續監測等優點，因此，BCG信號重新引起了諸多研究人員的關注。BCG技術不僅向小型化、非接觸式、可穿戴式等檢測方向發展，而且被應用于心率、睡眠結構分析、心臟功能監測和評價等方面的定性、定量研究和臨床應用，并取得了一定的研究成果[4,6]。本文在簡單介紹BCG技術的基礎之上，對BCG信號檢測方法和BCG信號在臨床醫學中的應用如生命體征檢測、心血管功能參數和睡眠結構分析等研究和進展進行綜述、分析和展望。

1 BCG信號檢測方式和波形解釋

從1877年Gordon首先觀察到BCG現象至今，雖然對BCG信號的研究已經過了140余年，但是對BCG信號的檢測方式尚無統一的標準。目前，BCG信號檢測方式主要有四種：站立式、坐式、臥式和穿戴式[4-5]，其中，站立式與常見的電子秤類似，只是測量靈敏度、精度要求更高，而且測量的BCG信號是動態信號。坐式主要用于駕駛座，也有用于特定的座椅，甚至用于智能馬桶上。臥式主要為智能床墊，將傳感器置于床墊內部或床墊下面，用于在床BCG信號的檢測。穿戴式和其它穿戴式電子產品類似，可戴在耳朵，或固定在人體特定部位，甚至制成特定的衣服。BCG信號檢測常用的傳感器有壓電薄膜、壓電陶瓷、機電薄膜、應變計、液壓傳感器、光纖和加速度計等。近二十年，BCG信號檢測代表性研究如表1所示。盡管BCG信號檢測的方式和傳感器的類型各異，但是，不同BCG信號檢測設備所獲取的BCG信號波形比較類似，波形的解讀也比較統一。

表1 近二十年，BCG信號檢測代表性研究

一個健康人的典型BCG信號如圖1a所示。圖1b所示為對應的動脈血流圖。由于相對波動幅度較大，而且比較清晰，I-波和J-波是目前研究的主要興趣點。I-波是由于左心室中血液朝向頭部（頭向）射入上行主動脈，根據牛頓第三運動定律，身體會產生朝向腳部（足向）的反作用力，即身體產生足向運動。與I-波類似，J-波是由于下行主動脈中的血液向腳部方向流動，身體會產生頭向的反作用力，即身體產生頭向運動。實際上，關于BCG信號產生機制的理論有很多，Starr等人在1940年對BCG信號波形和產生機制進行了詳細的解釋（表2）[15]，并沿用至今。

圖1 典型BCG信號及對應動脈血流示意圖

表2 BCG信號波形產生機制與心動周期

2 BCG信號的臨床應用

如前所述，圍繞BCG信號的研究經歷了兩波熱潮。與之對應，BCG信號的臨床應用研究也有兩波熱潮，即從1939年到20世紀80年代和近二十年來，且正在倍受關注的時段。

2.1 BCG信號臨床應用研究的第一波熱潮

BCG研究的第一波熱潮中，以BCG之父Isaac Staar為代表的諸多研究人員圍繞BCG信號的獲取、處理和醫學應用開展了大量的研究工作。他們不僅提出多種改進的或新的BCG信號檢測方法，而且將BCG技術應用于多種生理參數檢測及相關疾病的臨床研究。這些研究，除了極少數對肺結核、急性風濕熱、肥胖等疾病的研究，絕大部分是針對心血管疾病如冠狀動脈疾病、心肌梗死、瓣膜異常的應用研究。研究工作主要圍繞BCG信號的幅值大小和波形異常程度與相關疾病的關聯程度展開。在這些研究中，BCG信號的幅值主要考察I-和J-波幅值。BCG信號波形通常按異常程度分為四級[16]：所有波形都正常；Ⅰ為主要波形正常，每個呼吸周期中有一兩個小的波形異常；Ⅱ為主要波形異常，每個呼吸周期中，通常只有少數最大的波形保持正常；Ⅲ為沖擊波形完全扭曲，無法辨別。

大量的研究，特別是Starr等[16]的研究表明：a. 和正常BCG信號（I級）比較，輕度異常（II級）無明顯臨床差別；b. BCG信號中度異常（Ⅲ級）的人壽命往往較短。當和BCG信號嚴重異常（Ⅳ級）的人相比，BCG信號中度異常（Ⅲ級）的人平均壽命要長得多；c. BCG信號嚴重異常（Ⅳ級）的人，壽命顯著降低，而且大部分幾年之內死于心臟病。

臨床數據表明，BCG信號的幅值、波形異常的程度和比例均與心血管疾病有著密切的關系。典型的BCG臨床應用研究內容和結論如表3所示。

表3 1939—1980年BCG在臨床應用中的典型研究

從這些文獻可以看出，BCG信號特征與心臟功能如心輸出量、瓣膜狹窄、心肌梗死等有著密切的關系。這些研究主要依據醫生主觀判斷，且幾乎都為定性分析，缺乏定量分析，也沒有形成最終的診斷標準。從時間上看，這些研究工作也有點久遠，但是，研究范圍還是比較廣泛的，對現今的BCG技術在醫學應用中的研究仍然具有非常重要的參考價值，特別是BCG信號波形的定性分析為現在基于BCG信號的基本生命體征參數、睡眠質量、睡眠結構等定性或定量分析奠定了良好的基礎。

2.2 BCG信號臨床應用研究的第二波熱潮

隨著現代傳感器、電子和信號處理與分析技術的快速發展，BCG信號檢測變得便捷、精確， 加上BCG技術本身具備的無創和可長期連續監測的特點，其醫學應用研究在近二十年來受到格外關注，并得以快速的發展。BCG技術已被應用于基本生命體征監測、睡眠時相分析和心血管功能參數測定等方面。機器學習和人工智能分析算法的引入，有望進一步提高檢測、分析的準確性[22-23]。表4所示為近二十年，BCG信號臨床應用中的、具有代表性的研究。從這些研究可以看出，近年來，BCG信號在臨床醫學應用中的研究，主要有以下幾個方面：

表4 近二十年，BCG在臨床應用中的主要研究

（1）基本生命體征檢測：心率、心率變異等相關參數。研究的主要方向為更準確、穩定的自動檢測算法。

（2）睡眠時相分析：基于BCG信號，自動檢測心率等生命體征參數，并根據睡眠周期中，生命體征參數的變化特征，自動分析睡眠時相。

（3）心血管功能分析：主要研究不同病癥的特異BCG信號特征和智能化識別方法。

（4）其他研究方向：大部分研究如情緒檢測、運動恢復分析、哮喘預測等，主要是基于基本生命體征，進行進一步分析、識別人體狀態。

基于BCG信號的基本生命體征檢測水平已經與基于ECG信號的檢測水平非常接近。如心率檢測，和ECG信號比較，相關系數約為0.98[24]，每分鐘心率平均誤差低于1次[12]。已上市的產品，不是作為ECG的替代產品，而是作為ECG的補充，用于特定的場景，例如居家或機構老人的長期、智能監護[24-25]。

基于BCG信號的睡眠時相分析，目前主要識別覺醒、快動眼和非快動眼三個睡眠時相，對非快動眼和覺醒兩個時相識別準確率較高，對快動眼準確率較低。與目前臨床上的“金標準”-多導睡眠記錄儀相比，雖然還有一定的差距，但是已有不錯的結果。例如，以色列EarlySense公司開發的基于BCG技術的睡眠檢測系統，睡眠檢測靈敏度、特異性和準確度分別達到了92.5%，80.4%和90.5%[26]。在臨床上，非快動眼還可進一步細分輕度、中度、深度睡眠時相，但是，目前效果不夠理想。原因可能在于，采集到的BCG信號比較復雜，受個體差異、傳感器差異等多種因素的影響，難以歸一化。

基于BCG信號的心血管功能檢測、心血管疾病診斷等，尚處在研究階段，多數工作聚焦在信號特征提取，并進行分類，即疾病的診斷，實際的效果有待進一步驗證。

BCG信號不同于ECG信號，影響BCG信號檢測和分析的因素要比ECG信號復雜得多，如所用傳感器的形式和性能、受試者的姿態等。這就為BCG信號檢測的標準化，基于BCG信號的診斷標準的制定帶來很多的困難。這也是制約BCG技術向臨床應用的主要難點之一。總的來說，BCG信號檢測的多樣性，為其應用提供了更多的可能。但是，這種多樣性也為標準化提出了挑戰。

3 結論和展望

本文對BCG信號研究進展及其在醫學中的應用進行了綜述、分析，以梳理出BCG技術存在的問題和發展的方向。從公開的研究可以看出，基于BCG信號的基本生命體征檢測、睡眠時相分析相對較為成熟，已達到臨床應用水平。基于BCG信號的心血管功能分析、心血管疾病診斷等臨床應用尚處于研究階段。BCG信號處理與分析技術是目前BCG技術的研究核心。BCG信號檢測的標準化和基于BCG信號的診斷標準的制定等將是BCG技術向臨床醫學應用需要解決的問題和難點。BCG技術在臨床醫學中的應用前景已經初現端倪，隨著BCG信號檢測方法的不斷改進、機器學習和人工智能算法的不斷引入，基于BCG技術的醫療產品正逐步進入市場，BCG技術很有希望得到越來越廣的應用。