多站点地震心图测量用于估算主动脉狭窄患者的心输出量

《Biomedical Signal Processing and Control》：Multi-site seismocardiographic measurements for the estimation of cardiac output in patients with aortic stenosis

心脏输出量连续监测方法开发及在TAVI中的应用研究。提出一种基于可穿戴无线惯性测量单元（IMU）结合ECG和SCG信号的非侵入式心脏输出量（CO）实时监测方法，通过11例主动脉瓣狭窄患者术前评估的临床试验验证其可行性及准确性，并与间接Fick方法进行对比。结果表明不同胸廓测量点（主动脉瓣、二尖瓣、肺动脉瓣、三尖瓣及胸骨）及空间轴（x/y/z）的CO估算误差无显著差异（p>0.05），平均MAE为1.41±1.03 L/min，BAPE在34%-37%之间。该方法为术中动态血流动力学评估提供了便携式解决方案，特别适用于需要连续监测的TAVI等心脏手术场景。

　　心脏输出（Cardiac Output, CO）是评估心血管系统效率的重要指标，尤其在患有主动脉瓣狭窄的患者接受经导管主动脉瓣置换术（Transcatheter Aortic Valve Implantation, TAVI）时，其测量具有特殊意义。传统的CO监测技术，包括有创和无创方法，通常只能提供间歇性测量，无法有效追踪快速的血流动力学变化。因此，本研究提出了一种新颖的方法，利用可穿戴的无线惯性测量单元（Inertial Measurement Units, IMUs）持续监测通过心电图（ECG）和心震图（Seismocardiogram, SCG）信号进行CO估算。该方法结合了心震图技术与机器学习算法，以实现对血流动力学状态的实时评估，为传统有创监测系统提供了一个实用且便携的替代方案。

在TAVI手术过程中，CO的测量对于评估患者的心脏泵血能力至关重要，尤其是在严重主动脉瓣狭窄和左心室肥厚的患者中。当前的CO测量方法，如间接Fick法，虽然可靠，但其测量过程通常需要复杂的设备和操作，限制了其在手术中的实时应用。相比之下，本研究提出的基于SCG和ECG信号的无创监测方法，不仅提高了测量的便捷性，还提供了连续的血流动力学数据，有助于更全面地了解患者的生理状态。

在本研究中，使用了五个IMU传感器，分别放置在主动脉瓣、肺动脉瓣、二尖瓣、三尖瓣以及剑突区域，以采集不同部位的SCG信号。这些信号经过预处理，包括滤波和重采样，以提高信号质量并确保数据的一致性。随后，通过机器学习算法，特别是随机森林回归模型，对这些信号进行了分析，以预测CO值。结果表明，该方法在多个测量点上表现出良好的一致性，且误差指标（如MAE、RMSE和BAPE）均处于可接受范围内，表明其在临床应用中的潜力。

研究还探讨了不同测量位置对CO估算准确性的影响，通过Kruskal-Wallis非参数方差分析（ANOVA）对各项性能指标进行了评估。结果显示，不同测量位置之间没有显著的统计学差异，这表明该方法在多种测量点上具有良好的通用性。此外，特征重要性分析表明，心率（HR）和左心室射血分数（LVEF）对CO的预测贡献最大，而时间特征如预射血期（PEP）和左心室射血时间（LVET）对模型性能的影响相对较小。

本研究的结果表明，基于SCG和ECG信号的连续CO监测方法在TAVI术前评估中是可行的，并且能够提供准确的估算值。这种技术不仅有助于实时监测患者的血流动力学变化，还能够帮助医生在手术过程中及时发现潜在的并发症，如急性反流或心包积液，从而提高手术的安全性和成功率。此外，该方法的便携性和无线特性使其在多种临床环境中具有广泛的应用前景，包括心脏手术、术后恢复以及心力衰竭患者的日常监测。

尽管本研究的样本量较小，限制了结果的普遍适用性，但使用真实TAVI患者的原始数据而非公开数据集，增强了研究的临床相关性。未来的研究应扩大样本规模，以进一步验证该方法的可靠性，并探索其在不同患者群体中的适用性。此外，可以结合其他非侵入性CO监测技术，如生物阻抗或多普勒超声波，以进一步提高该方法的精度和临床价值。

本研究的创新之处在于其提出了一个基于SCG和ECG信号的连续CO监测框架，克服了传统方法在实时性和便携性方面的局限性。通过整合无线IMU传感器与机器学习算法，该方法能够提供持续的血流动力学数据，有助于临床决策的优化。尽管该方法在某些情况下可能无法完全替代传统的有创监测技术，但其在动态临床环境中的应用潜力不可忽视。未来的研究可以进一步优化该方法，提高其对运动伪影的鲁棒性，并适应不同患者体位和生理状态的变化，从而实现更广泛的应用。

总之，本研究为连续、无创的CO监测提供了一种新的解决方案，具有重要的临床价值和应用前景。随着技术的不断发展和临床验证的深入，这种方法有望成为心血管监测的重要工具，为患者的治疗和管理提供更加精确和实时的信息。