基于N2睡眠期心电衍生心动周期信号的婴幼儿至青少年功能性自主神经年龄预测研究

研究人员针对儿科神经发育评估中缺乏客观生理指标的问题，通过分析N2睡眠期单导联心电信号，开发了功能性自主神经年龄(FAA)预测模型。结合1004例1月龄至17岁人群数据，特征回归与深度神经网络模型均实现高精度预测(wMAE=1.78年)，与脑电功能脑年龄(FBA)联合后误差降至0.81年，为多模态神经发育评估提供了新范式。

　　

在儿科临床实践中，约10%儿童存在神经发育迟缓问题，但现有评估主要依赖行为观察等主观方法。虽然基于MRI的脑年龄预测已取得进展，但反映自主神经系统(ANS)成熟度的客观指标仍属空白。这一缺口严重制约了对无法配合行为测试的低龄患儿或合并运动障碍患者的评估。更关键的是，ANS作为连接大脑与外周器官的"桥梁"，其功能状态能间接反映神经发育轨迹，但传统12导联心电在儿科应用受限，且成人心脏年龄预测模型不适用于发育评估。

赫尔辛基大学医院(University of Helsinki Hospital)的研究团队创新性地利用睡眠N2期(浅睡眠阶段)的单导联心电信号，通过对1004名1月龄至17岁健康人群的大规模队列研究，首次建立了从婴幼儿到青少年的功能性自主神经年龄(FAA)预测体系。这项发表在《Biomedical Signal Processing and Control》的研究表明，仅凭心动周期信号(tachogram)就能解释80%以上的年龄变异，当与脑电功能脑年龄(FBA)联合时，预测误差显著降低至0.81年，为多模态神经发育评估树立了新标准。

研究采用三大关键技术：1) 通过医院电子病历系统筛选1056例受试者构建回顾性队列，最终纳入1004例质量合格的N2睡眠期心电数据；2) 同时开发特征工程(提取HRV时频域特征)和深度神经网络两种建模策略，采用加权平均绝对误差(wMAE)和10折交叉验证评估性能；3) 创新性地将FAA与既有EEG-FBA模型融合，通过效应量(D值)比较组合效益。

【Abstract】

研究证实N2睡眠期心电信号蕴含强烈的年龄信息，平均心率随发育下降的规律最显著(r²=0.760)。特征模型(wMAE=1.78年)与神经网络(wMAE=1.85年)性能相当，但后者对原始ECG信号适应性更强。

【Methods】

采用高斯过程回归和ResNet架构，发现年龄与年龄平方项显著影响预测精度(t=-4.97和t=9.66)，但性别无干扰(t=-0.660)。信号预处理中，将ECG转化为tachogram可提升深度模型表现。

【Results】

多模态组合产生协同效应：EEG-FBA与ECG-FAA联合后，神经网络模型表现最优(wMAE=0.81年，D=0.77)，显著优于单模态预测。这种提升在婴幼儿期尤为明显，可能与ANS-CNS耦合发育关键期有关。

【Discussion】

该研究突破性地证明：1) 单导联睡眠心电可替代复杂12导联系统实现发育评估；2) ANS与CNS年龄预测存在互补性，组合模型误差降低55%；3) 建立的FAA生长曲线为临床监测提供了直观工具。未来可拓展至早产儿或自闭症等神经发育障碍群体的应用验证。

这项由Kartik K. Iyer团队完成的研究，不仅解决了儿科ANS功能评估的技术瓶颈，更开创了"心电-脑电"双模态年龄预测的新方向。其临床价值在于：为无法配合传统测试的患儿提供客观发育指标，通过FAA-FBA差异分析可能早期识别神经发育偏离，而基于睡眠生理信号的特性使其特别适合婴幼儿群体的大规模筛查应用。