基于光电容积脉搏波(PPG)与机器学习(ML)的吸烟习惯对血压动态影响研究

本研究通过分析吸烟前后光电容积脉搏波(PPG)和心电图(ECG)信号特征，结合机器学习(GPR模型)首次量化了不同吸烟习惯(NC/EC/SH)对血压(BP)的急性影响。结果显示吸烟显著改变PPG形态特征(如收缩时间、增强指数AI)，且BP波动持续至吸烟后40分钟，ML模型预测误差仅0.01±0.29 mmHg，为心血管风险预警提供新方法。

　　

论文解读

吸烟作为全球可预防死亡的首要因素，其对心血管系统的危害已广为人知，但关于吸烟如何即时影响血压(BP)的动态变化，此前研究多聚焦长期效应，缺乏短时监测数据。更矛盾的是，既有文献中吸烟者与非吸烟者的血压比较结果各异：有的显示吸烟升高血压，有的却得出相反结论。这种争议部分源于传统研究依赖统计调查而非实时生物信号监测。此时，一项结合光电容积脉搏波(Photoplethysmogram, PPG)和机器学习的前沿研究应运而生。

来自约旦耶尔穆克大学和德国亚琛工业大学的研究团队，首次通过PPG与心电图(ECG)信号同步监测，捕捉吸烟前、中、后三个阶段的生理变化。他们设计了一套精密仪器系统，以660nm波长的LED光源采集PPG信号，配合单导联ECG，采样率达500Hz。研究纳入84名吸烟者（80男4女），按吸烟量分为轻、中、重、急性四组，对比传统香烟(NC)、电子烟(EC)和水烟(SH)的影响。通过MATLAB平台提取65个信号特征（如收缩时间ST、增强指数AI_systolic/_diastolic），并利用主成分分析(PCA)降维至12个关键特征，最终构建高斯过程回归(GPR)模型预测血压。

研究结果

观察性发现

• PPG信号振幅在吸烟期间呈现规律性涨落，提示血管收缩（图1）。
• 水烟(SH)导致脉搏波切迹位移（图2），且所有吸烟类型均引起40分钟内持续振幅波动（图3）。

特征分析

• PCA筛选的12个特征中，收缩时间峰度(systolic_time_kurtosis)和增强指数峰度(AI_kurtosis)最能反映吸烟影响。
• GPR模型对舒张压(DBP)和收缩压(SBP)的预测均方根误差(RMSE)分别低至0.2924 mmHg和0.0082 mmHg（图6-7）。

血压动态变化

• 吸烟期间SBP平均升高3.72 mmHg（NC最显著），而DBP短暂下降后于20分钟反弹至81.22 mmHg（表1）。
• 个体数据显示，即使30分钟后血压仍无法恢复基线水平（图9,13）。

结论与意义
该研究首次证实：单次吸烟即可通过尼古丁受体激活引发血管收缩，导致PPG信号形态改变（如AI指数升高）和血压波动，且效应持续超40分钟。其中传统香烟(NC)危害最大，电子烟(EC)相对温和。所开发的GPR模型能以<1 mmHg误差预测血压变化，为心血管疾病早期预警提供了非侵入性监测新范式。这项发表于《BioMedical Engineering OnLine》的成果，不仅填补了吸烟急性生理效应研究的空白，更通过PPG信号与ML技术的创新结合，为公共卫生干预提供了量化依据。