癫痫患者心率变异性复杂度的多尺度熵分析

2022-02-23刘洪运孟凡刚王卫东

医疗卫生装备 2022年1期

刘洪运，杨曌，湛萍，孟凡刚，王卫东*

（1.解放军总医院医学创新研究部生物工程研究中心，北京 100853；2.清华大学航天航空学院神经调控技术国家工程实验室，北京 100084；3.北京市神经外科研究所，北京 100070；4.首都医科大学附属北京天坛医院神经外科，北京 100070）

0 引言

癫痫是一种影响所有年龄人群的脑部慢性神经系统疾病，以突然、反复和刻板的癫痫发作为主要特征。全球癫痫患病人口超过7 000万[1]，约1/3癫痫患者伴有抑郁、焦虑等并发症，此外，隐源性或特发性癫痫患者的寿命比正常人群短2 a左右，而对于症状性癫痫患者而言，这一数值将达到10 a[2]。癫痫患者的死亡风险比普通人高出2～3倍，癫痫猝死（sudden unexpected death in epilepsy，SUDEP）约占全部癫痫死亡病例的38%[3-4]。

心血管系统组成单元及单元内部之间的动态变化关系是保持心血管系统稳定性、适应性以及复杂性的前提。体内、外环境变化诱发的生理、认知以及情绪等变化，通过敏感、灵活、动态的神经结构网络不同程度地激活自主神经系统的交感神经和迷走神经分支，实现心血管系统的非线性调节，表现为心率变异性（heart rate variability，HRV）。HRV是指瞬时心率或相邻2次心搏之间的时间间隔随时间的变化，HRV分析是目前评估自主神经功能的定量、无创、可重复、有效的技术手段。除了高并发症和高死亡风险，癫痫及癫痫发作具有非常复杂的神经、生理效应。研究表明，癫痫患者往往伴有不同程度的自主神经功能损伤，表现为自主神经系统的迷走神经、交感神经对心率调节作用能力的失调和HRV的异常改变[5-6]。然而，由于人体的生理系统是一个复杂系统，其各个组成部分在不同时间、空间尺度上存在非线性相互作用，传统的线性HRV分析方法量化自主神经系统调节心率这一非线性过程存在一定的局限性[7]。因此，利用非线性动力学方法来研究自主神经系统对心率调节这一复杂机制，提取反映人体生理状态和适应不断变化环境能力的HRV复杂度指标逐渐成为人们关注的焦点。早在1991年，Pincus[8]提出了近似熵（approximate entropy，ApEn）的算法，并于2000年经Richman等[9]改进后形成了样本熵（sample entropy，SampEn）的概念。ApEn和SampEn先后都被用于HRV分析，但仅能在一个时间尺度上通过检测心搏间期序列中重复片段出现的频率来量化HRV有序性和规律性，并不能很好地表征HRV复杂度。此外，将ApEn和SampEn用于疾病状态、衰老人群的HRV分析时，可能会得到高复杂度的研究结果，这与人们对衰老以及疾病状态会降低个体适应能力、降低个体输出变量所蕴含的信息量进而导致复杂度降低的认知不一致。

基于传统复杂度量化方法存在的不足，Costa等[10-11]提出了多尺度熵（multiscale entropy，MSE）复杂性测度分析方法，侧重于量化多尺度下复杂系统的非线性动力学特性。目前，MSE在心电（electrocardiogram，ECG）、脑电、脑磁图、血糖浓度、步态等多种生物信号时间序列分析领域得到广泛应用，应用MSE方法量化的复杂度指标进行中风、心力衰竭、原发性醛固酮增多症、糖尿病、终末期肾衰、阿尔茨海默病、自闭症障碍、帕金森病等疾病的诊断、分类、风险分层和预后判断以及疲劳、睡眠状态的评估[12-24]。已有一些研究将MSE用于癫痫患者的脑电分析，以揭示癫痫对脑电信号复杂度及动力学特性的影响[25-27]，前期本课题组也基于小样本数据利用MSE方法对药物难治性癫痫患者的HRV复杂度进行了初步的探索[28]，而其他关于癫痫患者心率动力学的MSE分析研究则罕见报道。

本研究拟利用MSE复杂度测度方法分析癫痫患者和健康对照自由活动状态下的ECG信号，研究癫痫患者HRV复杂度的特征，探索癫痫病理生理机制，以期为癫痫的临床辅助诊断、风险预测、治疗和预后提供客观的系统性生理指标。

1 研究方法

1.1 研究对象

本研究采用2014年8月13日至2019年5月5日收集的417例多中心癫痫患者和262例健康对照数据，并在ClinicalTrials.gov完成多中心临床试验注册（注册号：NCT02378792）。利用倾向性评分匹配方法对癫痫患者和健康对照进行1∶1匹配以控制年龄、性别、身体质量指数（body mass index，BMI）等基线混杂因素的影响。癫痫患者均进行了人口统计学特征、病史、抗癫痫药物（antiepileptic drug，AED）、24 h动态ECG监测等评估。此外，癫痫患者入组前3个月服用的AED保持不变，且有癫痫日记记录其基线发作频率。健康对照的选择基于其健康体检结果和以往的病史。所有研究对象，除癫痫患者服用AED外，均排除酒精、咖啡因、睡眠呼吸障碍及其他可能影响自主神经系统功能的药物、疾病等因素。

1.2 ECG采集与预处理

连续动态24 h ECG由北京世纪今科医疗器械有限公司生产的医用G-Plus版标准12导联动态心电图系统（型号：MIC-12H-3S）采集，12个导联ECG采样频率均为500 Hz。ECG监测期间，所有研究对象处于自由活动状态，但避免剧烈运动，以实现研究对象低心理负荷状态下的24 h动态ECG的获取。此外，要求研究对象及其家庭成员或护理人员记录24 h动态ECG生活日志及癫痫日记，主要记录可能发生的癫痫发作、可能影响心率活动的开始时间以及持续时间。

所有研究对象的24 h动态ECG记录均通过与动态心电记录盒匹配的自动分析软件（SkyHolter）进行数据读取回放。选择信号质量稳定可靠的胸导联V5作为主分析导联，标准肢体导联Ⅱ作为辅助分析导联，将V5和Ⅱ导联的原始ECG信号导出并存储成txt文件用于MATLAB（R2020，Mathworks，Natick）和Kubios HRV Premium（Kubios 3.4，University of Eastern Finland，Kuopio）软件分析。剔除被噪声或运动伪差淹没的ECG片段、异常QRS波以及30 s内心率变化超过30次/min的ECG片段[29-30]，消除运动、异位起搏点和可能的癫痫发作对分析结果的影响，最终得到V5和Ⅱ导联上相邻QRS波峰时间间隔序列，即RR间期时间序列。选取所有研究对象在清醒状态下（09：00—17：00）相同时间段内4 h的RR间期数据，以降低心血管系统昼夜节律特性及睡眠对分析结果可能产生的影响。此外，利用经验模态分解（empirical mode decomposition，EMD）方法去除4 h RR间期时间序列趋势，消除RR间期时间序列的趋势及非平稳特性对熵分析过程的影响[15，22]。

1.3 MSE分析

与传统ApEn、SampEn分析方法相比，MSE分析引入了表征时间概念的尺度因子τ，量化不同尺度因子下时间序列的SampEn，用以表征原始时间序列的复杂性。MSE分析主要包括粗粒化和SampEn计算2个步骤。

对于原始时间序列{x1，x2，…，xi，…，xN}（其中N为原始时间序列长度），粗粒化过程如图1所示，利用尺度因子τ对不交叠的滑动窗口内的数据点求均值构建粗粒化的时间序列yj（τ）[见公式（1）]，每个τ对应一个长度为L=N/τ的粗粒化时间序列，τ=1时，粗粒化时间序列就是原始时间序列。

对每一个尺度因子τ下的粗粒化时间序列yj（τ）求SampEn。假设任意粗粒化时间序列为{y（j）}（1≤j≤L），并按序号连续顺序构建L-m个向量Ym（i）：

式中，m为向量的嵌入维。

定义粗粒化时间序列m维向量Ym（i）与Ym（j）之间的距离d[y（i），y（j）]为2个向量对应元素差值最大的一个（其中1≤j≤L-m，j≠i），计算公式如下：

图1 粗粒化过程

设定相似容限值r，对每个i（1≤i≤L-m）的值统计d[y（i），y（j）]≤r的数目，即模板匹配数Bi，并计算模板匹配数与距离总数的比值，记作Bmi（r）=Bi/（L-m-1），求其对所有i的均值Bm（r），公式如下：

增加向量维数至m+1，重构m+1维向量Ym+1（i）与Ym+1（j）（其中1≤j≤L-m，j≠i），计算Ym+1（i）与Ym+1（j）距离小于等于相似容限值r的个数，即模板匹配数Ai，模板匹配数Ai与距离总数的比值记为，则Ami（r）对所有i的均值Am（r）为

则理论上该粗粒化时间序列的SampEn可以通过公式（6）计算：

通常情况下，分析的粗粒化时间序列长度L为有限值，此时该时间序列的SampEn估计值为

本研究在做RR间期时间序列分析时，参考MSE算法原始文献[11]，取嵌入维m=2，相似容限r=0.15×SDNN（SDNN为RR间期时间序列的标准差）。如图2所示，基于τ及其对应的SampEn值在二维直角坐标系中描绘曲线（MSE曲线），提取1～5连续5个尺度下SampEn值线性拟合的斜率Slope1-5以及5个SampEn值的总和Area1-5，6～15连续10个尺度下SampEn值的总和Area6-15，6～20连续15个尺度下SampEn值的总和Area6-20以及尺度5下的熵值SampEn5等特征参数，用于表征生理信号HRV的复杂度[11，15，22]。

图2 MSE曲线量化

1.4 统计学分析

纳入的研究对象由倾向性评分匹配方法进行1∶1匹配，HRV复杂度指标以及人口统计学特征中的连续变量用均值±标准差（）的形式表示。对于二值变量或分类变量，采用Fisher精确概率进行统计检验，而癫痫患者和健康对照间以及癫痫患者组内的连续变量则用非参数Mann-Whitney U秩和检验进行统计学差异分析。利用多元线性回归模型进行HRV复杂度指标与研究对象一般资料的相关性分析，基于ROC及其AUC评估HRV复杂度指标区分癫痫患者和健康对照的能力。所有统计分析均基于统计学软件SPSS（25.0，Chicago，Ⅲ，USA）实现，并采用假阳性错误发现率（false discovery rate，FDR）方法对多重比较得到的P值进行校正，校正后P＜0.05则认为有显著统计学差异。

2 研究结果

2.1 研究对象一般资料

经倾向性评分匹配后，212例癫痫患者和212例健康对照纳入本研究，其人口统计学资料见表1，2组研究对象的性别（P=0.425）、年龄（P=0.081）以及BMI（P=0.181）组成无显著统计学差异。212例癫痫患者中，癫痫病程最长者达44 a，1例患者尚未开始使用AED进行癫痫疾病的治疗，23例患者使用单AED控制癫痫发作，188例患者选择联合用药治疗，其中药物数量最多的1例患者同时服用7种AED，累计有114例患者服用抗胆碱能类AED。

2.2 MSE分析结果

癫痫患者和健康对照在清醒状态下HRV信号的MSE曲线如图3所示，2组MSE曲线总体趋势相似，除尺度因子τ=1外，癫痫患者其他尺度的SampEn值均显著低于健康对照。传统熵分析方法得到的SampEn以及基于MSE曲线量化得到的癫痫患者和健康对照的HRV复杂度指标见表2。癫痫患者和健康对照的SampEn无显著统计学差异（P=0.997）；癫痫患者的Slope1-5、SampEn5、Area1-5、Area6-15和Area6-20则显著低于健康对照，P均＜0.001，有显著统计学差异。

多元线性回归分析结果显示，癫痫患者的HRV复杂度指标Slope1-5与其服用的AED数量存在显著相关性（相关系数β=-0.012，P=0.001），而其余的HRV复杂度指标与癫痫病程、每月癫痫发作频率、服用AED数量以及每日服用AED剂量均无显著相关性（P＞0.05）。ROC曲线及AUC分析结果如图4所示。HRV复杂度指标Slope1-5、SampEn5、Area1-5、Area6-15和Area6-20区分癫痫患者和健康对照的AUC值均＞0.60，最佳指标为Slope1-5（AUC=0.764），在尤登指数取最大值时（临界值为0.089），其区分的灵敏度和特异度分别可以达到75.0%和68.9%。

表1 研究对象的人口统计学及临床特征

图3 癫痫患者和健康对照的MSE曲线

3 讨论

本研究利用MSE方法定量分析了癫痫患者和健康对照在清醒状态下的HRV复杂度，发现癫痫患者的HRV复杂度较健康对照显著降低，而传统单一尺度的复杂性测度SampEn则无法揭示这一变化。此外，癫痫患者HRV复杂度指标与癫痫病程、发作频率等反映疾病严重程度的因素无显著相关性。

表2 癫痫患者与健康对照的HRV复杂度指标比较

图4 HRV复杂度指标用于区分癫痫患者和健康对照的ROC曲线

复杂度是介于周期性和随机性之间的一个概念，生理系统的复杂度与人适应不断变化的环境的能力密切相关。早在20世纪90年代，Goldberger等[31]指出疾病状态会使生理信号的规则程度升高而去复杂化，健康状态的复杂度和变异性均高于疾病状态，这主要是因为疾病使得机体在不同时间、空间尺度上相互作用的结构数量减少，耦合程度发生改变。这个理论已经广泛应用于HRV分析，Lipsitz等[32]也进一步丰富了这一复杂度理论，强调生理控制系统的复杂度使得机体能够在不同时间尺度上集中响应环境变化，从而达到新的稳定状态。心脑血管系统是一个复杂的生理系统，MSE方法将HRV视为心脑血管系统不同空间尺度上相互作用的生理过程在不同时间尺度上作用的输出，疾病或衰老会导致HRV趋向于周期性或随机性，表现为复杂度降低[33]。

越来越多的研究表明，癫痫及突然、反复、刻板的癫痫发作能够导致心脏自主神经功能失调，且这种损伤可能与SUDEP有关[3，30]。从20世纪90年代至今，基于HRV分析进行癫痫患者心脏自主神经功能无创评估的研究一直没有中断，而关于癫痫人群HRV复杂度的研究则不多见。Ansakorpi等[34]研究表明，与健康人相比，颞叶癫痫患者HRV的整体变异性及频域指标显著降低，但ApEn未发生显著变化，Ronkainen等[35]通过扩大研究对象的样本量对上述结论予以证实。本课题组前期基于小样本量的研究也得到类似结果，虽然药物难治性癫痫患者的传统HRV指标较健康对照组降低，但2组的ApEn和SampEn指标并无显著差异[28]。显然，在单一时间尺度上量化得到的复杂度指标与人们对于疾病造成生理系统复杂度降低的认知不一致，这也是传统熵分析方法存在的局限性。本研究通过MSE方法分析HRV时间序列并进行复杂性测度量化，得到的Slope1-5、SampEn5、Area1-5、Area6-15和Area6-20能很好地表征癫痫患者的HRV复杂度。而癫痫患者HRV复杂度指标与癫痫病程、发作频率无显著相关性，提示癫痫疾病本身可能会导致癫痫患者的心血管系统及自主神经功能障碍，该障碍可能与患者所患癫痫疾病的严重程度无关。此外，小尺度因子（τ≤5）下的Slope1-5和Area1-5指标反映了心率快速调节的能力[11，21，28]，癫痫患者清醒状态下Slope1-5和Area1-5指标的降低，提示其应激反应和适应环境的能力减弱，也是心脏迷走神经调节心率能力减弱的反映，这也与基于传统HRV分析方法得到的癫痫患者心脏自主神经功能受损的结论相符。心血管系统作为整体，倾向于在多状态间自发振荡，使得心率调节的各过程相互制约、相互平衡，确保心血管系统可以灵活响应环境的变化和刺激。癫痫疾病打破了这种动态平衡调节机制，可能使心血管系统陷入特定状态，不能有效响应系统输入，进而表现为HRV复杂度降低、自主神经功能失调。

本研究具有以下几个方面的局限：一是纳入的癫痫患者异质性程度高，癫痫病因、病灶部位、发作类型、发作控制情况等未进行子类划分，HRV复杂度与发作类型、病灶部位的相关性无法阐明；二是尽管ECG采集期间记录了癫痫日志并通过预处理剔除了心率变化超限的片段，无法完全排除可能的癫痫发作对ECG的影响，后续工作需要采取脑电和ECG同步采集方式，便于癫痫发作的诊断识别和指导ECG片段剔除；三是AED对HRV复杂度分析结果的影响难以确定，癫痫患者AED治疗方案各不相同，对于不同AED的可能心脏效应，还需要更加严格、规范的实验来进行论证。