使用自动计算机算法方法对脉波平坦化进行回顾性分析，以检测G-LOC（重力失稳状态） Janina Sammito、Anthony Schwarz、Michael Nehring 和 Stefan Sammito

《Aerospace》：Retrospective Analysis of Pulse Wave Flattening for G-LOC Detection Using Automatic Computer Algorithm Methods Janina Sammito, Anthony Schwarz, Michael Nehring and Stefan Sammito

　　摘要：在驾驶现代高性能飞机时，重力引起的失意识（G-LOC）的可能性是一个关键问题。目前，尚无基于生理数据的识别方法。本研究旨在确定是否可以通过自动计算机算法可靠地识别出特定的脉波变化，以检测即将发生的G-LOC。研究人员分析了86名在人类离心机中经历G-LOC的人的脉波，并与一个在年龄、性别、国籍、训练和抗G设备方面相匹配的对照组进行了比较，使用计算机算法方法来分析G-LOC组中可能的更长时间脉波 flattening（脉波变平）现象。根据这些数据，研究表明，在使用AGSM（抗G应变动作）的离心机训练中，G-LOC组的脉波 flattening持续时间比对照组更长。然而，在具有主动飞行模式和更高起始加速度的离心机实验中，这一现象未能得到验证。遗憾的是，这意味着目前所使用的方法无法直接应用于实际飞行中。未来，通过结合额外的生理数据，有可能开发出更有效的识别方法。

1. 引言
自第一次世界大战以来，军用飞机的持续发展催生了第四代和第五代现代高性能飞机（HPA），这些飞机已成为许多空军不可或缺的一部分。它们的特点是高加速度率和复杂的飞行机动动作，这些动作伴随着高+Gz负荷。这些军用飞机的机动性常常将飞行员推向生理耐力的极限[1,3]。高+Gz力会影响呼吸系统和心血管系统[2]，导致血液和其他体液重新分布[4]，从而可能引起脑部灌注不足[3,5,6]。如果+Gz力造成的压力超过个体的耐受限度，眼睛的血液灌注减少会导致色觉丧失（称为“灰视”）和视野变窄，而脑部灌注减少则可能导致“几乎失去意识”（A-LOC）[1]。A-LOC会严重损害飞行员的认知、运动和情绪反应[7,8]，有时还会导致记忆缺失和肌肉功能控制能力下降[7]。A-LOC与由缺氧引起的完全失去意识（G-LOC）之间仅有一线之隔[4,5,6]。

G-LOC对飞行员构成危险，因为失去意识会导致完全无法采取行动[4,9,10,11,12]。G-LOC导致的完全丧失能力的平均持续时间为12秒[13]。飞行员可能需要12秒到2-3分钟才能完全从G-LOC中恢复，从而重新主动控制飞机[10,14,15]。因此，G-LOC可能通过所谓的“事故”对飞行安全构成重大威胁，在最坏的情况下可能导致人员伤亡和飞机失事[14,16]。

目前已有多种对策，旨在在+Gz压力下维持足够的脑部血流并增强耐受力[5,17,18]。这些对策包括弹射座椅的设计（特别是座椅靠背角度）、特殊的抗G服、正压呼吸系统（PBG）以及抗G应变动作（AGSM）[5,17,18]。这些对策能够减少上述G-LOC的危害，但无法完全消除它们[17]。此外，在离心机训练和研究中还使用了一些测量方法来记录飞行员在G力作用下的生理状况，以便识别可能导致G-LOC的变化[9,17]。这些方法包括肌电图（EMG）、心电图（ECG）、脑电图（EEG）和近红外光谱（NIRS）[2,4,7,17]。

G-LOC的发生机制较为复杂，迄今为止还没有已知的有效生理测量方法可以在飞行中根据生命体征的变化来明确识别G-LOC的发生[2,4,8,9,11,12,19,20]。因此，本研究的目的是确定是否可以通过自动计算机算法可靠地识别出特定的脉波变化，以便提前检测即将发生的G-LOC。

2. 材料与方法
本研究对2013年1月1日至2023年9月15日期间，在人类离心机训练中经历G-LOC的所有参与者的生理监测数据、视频记录和技术数据进行了回顾性分析。离心机训练是在德国科尼格斯布鲁克（K?nigsbrück）的德国空军航空航天医学中心（GAFCAM）使用AMST公司（奥地利兰斯霍芬，1986年制造）的高G值离心机进行的，该离心机可产生高达+15 Gz的G力，最大加速度和偏移率为10 G/s（见图1）。在上述期间，共有2830名参与者接受了离心机训练，共进行了7175次离心机实验。参与者按照规定的顺序完成了不同的G值训练程序（见图2）。

首先进行标准化的适应程序（AP），随后立即进行线性程序（LP）（见图2A）。该程序的目的是让参与者在低+Gz负荷下适应离心机，并在达到自然耐受力时识别出相应的视觉症状。整个过程不使用抗G设备和AGSM。程序是预先设定好的，飞行员无法控制最大G值负荷及其加速度和偏移率。只有在AP结束时，在过渡到LP的过程中，需要按下并保持控制杆背面的按钮；一旦出现+Gz负荷引起的视觉症状，飞行员应立即释放按钮。释放按钮后，离心机会自动停止，并以1.5 G/s的减速率减速，直到达到+2.5 Gz的负荷，然后以0.5 G/s的减速率逐渐停止。

作为AP + LP程序的替代方案，根据不同国家的要求，在达到自然耐受力并出现视觉症状后，在LP过程中执行AGSM。随着加速度的增加和AGSM的继续，一旦再次出现视觉症状，就会立即释放控制按钮以停止离心机（见图2B）。

随后，部分参与者在更高G值的条件下进行了第二次离心机实验，并使用了抗G设备。从+1.4 Gz的基线开始，参与者可以通过主动拉动或释放控制杆来独立控制预定义的最大G值负荷及其加速度和偏移率（最大6 G/s）。仅使用抗G裤时，最大G值负荷为+7 Gz，并通过麦克风指导执行AGSM（Active I，见图2C）。使用全套抗G服时，最大G值负荷为+9 Gz。由于参与者的国籍不同，他们在G值负荷下的最大负荷和时间略有差异（Active II，见图2D）。在离心机实验过程中，参与者需要按住操纵杆上的“死人开关”。如果发生G-LOC，参与者通常会失去对该开关的控制，释放开关会自动触发减速机制，减速率为6 G/s。如果参与者经历了G-LOC但实验并未自动终止，控制室中的飞行外科医生可以根据视频监控并在没有收到参与者反馈的情况下，以6 G/s的减速率停止离心机。

所有参与者在离心机实验过程中都使用了1通道心电图仪（g.tec GmbH，奥地利希德尔伯格）来监测心率，同时使用耳夹（型号8000Q2，Nonin Medical, Inc.，美国普利茅斯）或额头传感器（型号8000R，Nonin Medical, Inc.，美国普利茅斯）来测量脉波（测量波长分别为660 nm和910 nm，用于检测脱氧血红蛋白和氧合血红蛋白）。此外，还通过视频监控和音频连接来评估参与者的状况。

所有参与者都必须持有有效的航空医学证书或国际认可的同等医学证明才能参加课程。在参与之前，还进行了额外的医学检查、血压测量和静息心电图检查，所有指标都必须正常。如果有任何可能降低体能的风险因素（如急性病毒/细菌感染或正在接受抗生素治疗），参与者将被立即排除在课程之外。

从GAFCAM的完整数据库中提取了在各种飞行程序中经历G-LOC的案例（n = 169）。由于个别参与者在完成不同程序时多次经历G-LOC，因此仅使用第一次G-LOC的数据进行分析，以排除任何可能的后续影响。因此，有47个G-LOC案例被排除在进一步分析之外。此外，还有36名参与者的完整生理数据无法获取，也被排除在外。最终共有86个G-LOC案例被纳入评估范围（=G-LOC组）。

对于每个G-LOC案例，都找到了一个在年龄、国籍、训练类型和抗G设备方面匹配的参与者，且该参与者在训练过程中未发生G-LOC（=对照组）。G-LOC组的平均年龄为24.7 ± 3.7岁，体重为79.6 ± 9.4公斤，身高为180.9 ± 5.8厘米（体质指数：24.3 ± 2.4 kg/m2）。该组参与者分别在无AGSM的LP（n = 3 [3%]）、有AGSM的LP（n = 17 [20%]）、Active I（n = 14 [16%]）和Active II（n = 52 [60%]）飞行程序中经历了G-LOC。由于参与者来自不同国家，因此在飞行程序和国家背景方面进行了1:1的匹配；在年龄和人体测量数据方面，G-LOC组与对照组没有显著差异（见表1）。

表1：经历G-LOC的参与者与匹配对照组的数据比较；出于安全考虑，国家信息已匿名处理；AGSM = 抗G应变动作。每位参与者的生理数据和+Gz加速度数据从离心机控制程序中导出，并传输到Microsoft? Excel?电子表格中（Microsoft，美国新墨西哥州阿尔伯克基）。使用计算机算法自动检测脉波间隔和幅度（见图3）。图3：利用算法自动检测脉波并计算时间间隔（t1–t4）和脉波高度（?h1–?h4）。图表中的时间戳表示离心机实验的开始时间。为了使用该算法分析脉波扁平化现象，为每次离心机运行定义并计算了三个参考值：(1) 人类离心机运行开始时30条脉波曲线高度的平均值（以下简称reference_n=30）；(2) 整个离心机运行过程中所有脉波高度的平均值（以下简称reference_average）；(3) 整个离心机运行过程中所有脉波高度的中位数（以下简称reference_median）。然后，算法根据这三个参考值分析每个单独的脉波，并计算其与这三个参考值的百分比比率。如果某个脉波低于相应参考值的90%阈值（然后以10%的间隔降低到20%），则认为存在脉波扁平化现象，此时将连续脉波中低于截止值的时段时间相加。例如，如果有三个连续的脉波低于参考值，则将这些脉波的时间间隔相加，得到脉波低于参考值的总持续时间（以秒为单位）。因此，每次离心机运行以及对每个参考值（<90%至<20%）都进行了八次分析。假设血流减少与G-LOC（重力性失意识）有关，根据G-LOC组的情况评估脉波扁平化的持续时间（以毫秒为单位）（忽略G-LOC之前和之后的所有其他脉波扁平化事件）。G-LOC的确切时间是根据视频分析确定的。在对照组中，使用整个离心机运行过程中最长的脉波扁平化持续时间（以毫秒为单位）进行进一步分析。图4显示了分析的总体流程图。图4. 自动分析不同步骤的流程图。分析对所有数据集进行了一次性处理，同时也分别对各个数据集进行了处理：一次针对允许飞行员自行确定起始时间的主动数据集（Active I：n = 14；Active II：n = 52），以及一次针对使用AGSM（抗G力训练）的数据集（n = 17）。由于在未使用AGSM的LP组中只有三名受试者发生了G-LOC，因此没有单独进行评估。统计分析使用IBM SPSS Statistics 24（IBM，阿蒙克，纽约，美国）进行。所有参数均以平均值及其标准差或中位数及其最小值和最大值的形式显示。由于根据Kolmogorov–Smirnov检验确定的数据分布不正常，因此使用Wilcoxon符号秩检验对每个参考值和每个截止值进行了配对样本比较。显著性水平设定为p < 0.05。本研究是GAFCAM部门研究活动的一部分。分析过程中未采取额外的医疗、诊断或治疗措施，根据萨克森州医师协会的伦理委员会规定（Az EK-BR-108/24-1），这种纯回顾性分析不需要正式批准。

在脉波扁平化的分析中，对照组在所有三个参考值（<70%至<90%）下的脉波扁平化阶段明显长于G-LOC组；而在更严格的截止值（相当于参考值的较低百分比）下，两组之间不再存在显著差异（见表2）。表2. G-LOC组与对照组在脉波扁平化持续时间上的比较，数据基于人体测量学指标（n = 86）。所有脉波扁平化值均以中位数[最小值–最大值]的形式显示。显著结果以粗体标出。在+9 Gz的主动数据集子分析中，两组在年龄、体重和身高方面也没有显著差异（见表3）。同样，对照组在所有三个参考值下的脉波扁平化阶段明显长于G-LOC组，某些情况下甚至达到了<50%的截止值。在更严格的截止值下，两组之间不再存在显著差异（见表3），但对照组中的脉波扁平化持续时间倾向于更长。表3. G-LOC组与对照组在脉波扁平化持续时间上的比较，数据基于人体测量学指标；主动表现数据集，最高+9 Gz（n = 52）。所有脉波扁平化值均以中位数[最小值–最大值]（以毫秒为单位）显示。显著结果以粗体标出。在+9 Gz的主动数据集子分析中，两组在年龄、体重和身高方面也没有显著差异（见表4）。在所有截止值和所有参考值下，两组之间基本上没有显著差异，尽管根据所使用的参考值不同，对照组倾向于表现出更长的脉波扁平化阶段（reference_average和reference_median）。表4. G-LOC组与对照组在脉波扁平化持续时间上的比较，数据基于人体测量学指标；表现数据集，最高+7 Gz（n = 14）。所有脉波扁平化值均以中位数[最小值–最大值]显示。显著结果以粗体标出。在LP子分析中，使用AGSM的受试者组与对照组在年龄、体重和身高方面也没有显著差异（见表5）。然而，与其他数据集相比，在<60%至<20%或更低的截止值下，G-LOC组的脉波扁平化阶段明显更长。表5. G-LOC组与对照组在脉波扁平化持续时间上的比较，数据基于人体测量学指标；线性数据集（LP）结合抗G力训练（AGSM）（n = 17）。所有脉波扁平化值均以中位数[最小值–最大值]显示。显著结果以粗体标出。

基于86名在人类离心机训练中经历G-LOC的受试者，并使用自动计算机算法，本研究能够表明，在使用AGSM的“渐进式启动”离心机运行模式下，G-LOC组的脉波扁平化持续时间比匹配的对照组更长。然而，在具有主动飞行数据集和更高启动率的离心机运行中未能验证这一点。独立于飞行数据集的脉波扁平化分析显示，G-LOC组中没有持续的脉波扁平化现象，这意味着该方法不适用于实际飞行。G-LOC在现代航空中仍然是一个严重问题，尤其是在高G力（HPA）飞行条件下。因此，开发可靠的程序来检测G-LOC本身或即将发生的G-LOC尤为重要，以防止飞行员失去能力，从而避免飞行员和飞机的损失。一方面，该方法应尽可能准确且100%可靠地检测G-LOC；另一方面，也应尽量减少误报，以免产生不必要的频繁“误报警”，分散HPA飞行员的注意力。从生理学角度来看，由于+Gz压力增加导致脑部灌注减少，可以假设脑部氧饱和度下降，这可能伴随G-LOC的发生。这一点通过非侵入性脑区氧饱和度测量得到证实[4,10,12,21,22]。然而，由于NIR光谱学中个体参数的高变异性，无法可靠预测G-LOC。另一种方法是使用EEG来确定人类离心机运行期间脑部氧饱和度降低的影响[23]。这里呈现的结果补充了这些发现，但还使用了一种基于自动计算机算法的额外分析方法，该方法一方面使脉波扁平化结果可被机器读取，从而可在飞机上使用；另一方面，也使得对脉波扁平化变化的分析范围更广。即使这种方法无法在G-LOC发生前检测到它，但在飞行过程中实现可靠检测——使计算机在必要时能够自动接管控制——仍然可以为将来挽救飞行员和飞机提供可能性。这些方法相对较新，需要进一步研究，目前尚不可用。例如，Ohrui等人在2024年的研究中[9]也使用了基于支持向量机的机器学习算法，通过脑氧合血红蛋白和脱氧血红蛋白浓度等变量来预测飞行学生在使用离心机时的G-LOC。然而，使用该算法只能在高+Gz压力开始后2.5秒以65%的准确率预测G-LOC。基于算法的方法也被用于其他生理测量方法来检测可能的G-LOC。例如，对EMG测量结果进行了分析[20]，但这些方法的预测能力也不足。本研究在多个方面扩展了先前的发现。首先，研究了在不同条件下的大量G-LOC案例，并在每种情况下使用了三种不同的参考值进行评估。逐步分析（截止值为初始值的<90%至<20%）也提供了差异化的评估可能性。有趣的是，一方面，“渐进式启动”的训练运行（即+Gz负荷的逐渐增加）在G-LOC组中产生了预期的显著更长的脉波扁平化效果；另一方面，在实际飞行中常见的主动飞行数据集中则没有这种现象。这可以解释为，渐进式离心机运行为心血管系统提供了足够的时间来激活并补偿脑部氧供应的快速下降，而在短时间内剧烈的+Gz变化中，脑部氧饱和度的下降过于严重，生理补偿机制无法及时发挥作用[21,22]。因此，这些快速变化无法在脉波扁平化中检测到，这与此处获得的结果一致。本研究有几个优点和局限性。本研究的一个优点是G-LOC组和对照组均包含86名参与者，样本量较大。另一个优点是对照组在年龄、国籍、训练类型和抗G设备方面1:1匹配，在子分析中两组在年龄、体重、身高和BMI方面几乎没有显著差异（Active II离心机数据组的BMI有一个例外）。另一个优点是基于机器的脉波高度算法分析。这种方法相对于传统方法有几个优势：例如，脉波扁平化以机器可读的格式进行评估，从而不受人类评估者的个人解释影响。此外，机器可读的评估结果便于后续在飞机上实现自动化系统。此外，这种方法允许进行广泛的比较，无论是选择不同的参考值还是脉波扁平化的程度，都显著扩展了评估范围。此外，除了纯训练运行外，还分析了三种不同的“飞行数据集”，包括增加的+Gz负荷，从而分析了更真实的+Gz负荷变化。不同的研究结果凸显了这种方法的重要性。然而，也应当指出该研究的一个局限性：分析仅使用了基于脉搏血氧仪的末梢氧饱和度数据，而未涉及其他生理参数和测量系统（如心率、肌电图或脑电图）。这是由于本研究采用了回顾性的方法论导致的。未来的分析应扩展此处使用的自动计算机算法，引入机器学习方法，以涵盖这些参数和测量方法，并分别或综合对其进行评估。

本研究表明，在某些情况下，可以利用自动计算机算法分析脉搏血氧仪中的脉搏波平坦现象，从而检测出“重力性意识丧失”（G-LOC）现象。由于分析的离心机参数不同，研究结果存在一定差异，这需要进一步研究。一种可能的解决方案是同时使用其他生理测量方法，这可能有助于更准确地检测或预测G-LOC的发生。

**结论**：总体而言，仅凭脉搏波平坦现象无法在重力负荷条件下检测出G-LOC。未来的研究工作应致力于扩充生理数据集，以便在G-LOC发生时至少能够实现可靠的检测，从而实现自动驾驶仪或远程接管飞行员的职责。