心冲击信号研究进展及其在医学中的应用

浙江省医疗器械审评中心，浙江 杭州 311121

引言

心脏跳动周期中心脏泵血能引起身体产生相应的运动，通过高灵敏度传感器拾取该运动信号，并将其描记成波形，该波形称为心冲击图（Ballistocardiogram，BCG）。因为BCG信号记录的是心脏泵血引起的与心搏同步的身体运动，所以BCG信号间接反映了心脏动力和运动状态。对BCG信号进行分析可以获取与之相关的生命体征或生理参数，并有可能对相关疾病进行预测、诊断或跟踪监测。

1877年，Gordon等[1]首先观察到了BCG现象，即当人站在精制的体重计上时，指针会出现与心跳同步的有规则的摆动，发表了最早的BCG记录。此后60年中，BCG研究没有受到太多的关注。

1939年，Starr等[2]率先系统地研究了心脏收缩引起身体颤动，并设计、制造了一种能够记录身体运动的平台，称为高频台。通过该平台，他们系统地研究了BCG信号中各种波形的形成机制及其与心脏动力的关系，从而奠定了BCG这门科学的基础[3-4]。基于其对BCG技术的开创性研究工作，Starr被称为BCG之父。

从1940年到1980年，诸多研究人员不仅提出多种BCG信号检测方法，而且将BCG技术应用于多种生理参数检测及相关临床医学应用研究[4]。在此之后，受制于落后的传感器技术，缺乏标准化，以及在心脏疾病诊断上受到具有更高特异性的心电图（Electrocardiograph，ECG）技术的冲击，BCG技术研究逐渐减少，甚至一度处于停滞状态[5]。近二十年来，随着传感器、电子和信号处理与分析等技术的快速发展，BCG信号检测变得更加方便，测量精度也大为提高，BCG技术本身又具备无创、非接触式和可长期连续监测等优点，因此，BCG信号重新引起了诸多研究人员的关注。BCG技术不仅向小型化、非接触式、可穿戴式等检测方向发展，而且被应用于心率、睡眠结构分析、心脏功能监测和评价等方面的定性、定量研究和临床应用，并取得了一定的研究成果[4,6]。本文在简单介绍BCG技术的基础之上，对BCG信号检测方法和BCG信号在临床医学中的应用如生命体征检测、心血管功能参数和睡眠结构分析等研究和进展进行综述、分析和展望。

1 BCG信号检测方式和波形解释

从1877年Gordon首先观察到BCG现象至今，虽然对BCG信号的研究已经过了140余年，但是对BCG信号的检测方式尚无统一的标准。目前，BCG信号检测方式主要有四种：站立式、坐式、卧式和穿戴式[4-5]，其中，站立式与常见的电子秤类似，只是测量灵敏度、精度要求更高，而且测量的BCG信号是动态信号。坐式主要用于驾驶座，也有用于特定的座椅，甚至用于智能马桶上。卧式主要为智能床垫，将传感器置于床垫内部或床垫下面，用于在床BCG信号的检测。穿戴式和其它穿戴式电子产品类似，可戴在耳朵，或固定在人体特定部位，甚至制成特定的衣服。BCG信号检测常用的传感器有压电薄膜、压电陶瓷、机电薄膜、应变计、液压传感器、光纤和加速度计等。近二十年，BCG信号检测代表性研究如表1所示。尽管BCG信号检测的方式和传感器的类型各异，但是，不同BCG信号检测设备所获取的BCG信号波形比较类似，波形的解读也比较统一。

表1 近二十年，BCG信号检测代表性研究

一个健康人的典型BCG信号如图1a所示。图1b所示为对应的动脉血流图。由于相对波动幅度较大，而且比较清晰，I-波和J-波是目前研究的主要兴趣点。I-波是由于左心室中血液朝向头部（头向）射入上行主动脉，根据牛顿第三运动定律，身体会产生朝向脚部（足向）的反作用力，即身体产生足向运动。与I-波类似，J-波是由于下行主动脉中的血液向脚部方向流动，身体会产生头向的反作用力，即身体产生头向运动。实际上，关于BCG信号产生机制的理论有很多，Starr等人在1940年对BCG信号波形和产生机制进行了详细的解释（表2）[15]，并沿用至今。

图1 典型BCG信号及对应动脉血流示意图

表2 BCG信号波形产生机制与心动周期

2 BCG信号的临床应用

如前所述，围绕BCG信号的研究经历了两波热潮。与之对应，BCG信号的临床应用研究也有两波热潮，即从1939年到20世纪80年代和近二十年来，且正在倍受关注的时段。

2.1 BCG信号临床应用研究的第一波热潮

BCG研究的第一波热潮中，以BCG之父Isaac Staar为代表的诸多研究人员围绕BCG信号的获取、处理和医学应用开展了大量的研究工作。他们不仅提出多种改进的或新的BCG信号检测方法，而且将BCG技术应用于多种生理参数检测及相关疾病的临床研究。这些研究，除了极少数对肺结核、急性风湿热、肥胖等疾病的研究，绝大部分是针对心血管疾病如冠状动脉疾病、心肌梗死、瓣膜异常的应用研究。研究工作主要围绕BCG信号的幅值大小和波形异常程度与相关疾病的关联程度展开。在这些研究中，BCG信号的幅值主要考察I-和J-波幅值。BCG信号波形通常按异常程度分为四级[16]：所有波形都正常；Ⅰ为主要波形正常，每个呼吸周期中有一两个小的波形异常；Ⅱ为主要波形异常，每个呼吸周期中，通常只有少数最大的波形保持正常；Ⅲ为冲击波形完全扭曲，无法辨别。

大量的研究，特别是Starr等[16]的研究表明：a. 和正常BCG信号（I级）比较，轻度异常（II级）无明显临床差别；b. BCG信号中度异常（Ⅲ级）的人寿命往往较短。当和BCG信号严重异常（Ⅳ级）的人相比，BCG信号中度异常（Ⅲ级）的人平均寿命要长得多；c. BCG信号严重异常（Ⅳ级）的人，寿命显著降低，而且大部分几年之内死于心脏病。

临床数据表明，BCG信号的幅值、波形异常的程度和比例均与心血管疾病有着密切的关系。典型的BCG临床应用研究内容和结论如表3所示。

表3 1939—1980年BCG在临床应用中的典型研究

从这些文献可以看出，BCG信号特征与心脏功能如心输出量、瓣膜狭窄、心肌梗死等有着密切的关系。这些研究主要依据医生主观判断，且几乎都为定性分析，缺乏定量分析，也没有形成最终的诊断标准。从时间上看，这些研究工作也有点久远，但是，研究范围还是比较广泛的，对现今的BCG技术在医学应用中的研究仍然具有非常重要的参考价值，特别是BCG信号波形的定性分析为现在基于BCG信号的基本生命体征参数、睡眠质量、睡眠结构等定性或定量分析奠定了良好的基础。

2.2 BCG信号临床应用研究的第二波热潮

随着现代传感器、电子和信号处理与分析技术的快速发展，BCG信号检测变得便捷、精确， 加上BCG技术本身具备的无创和可长期连续监测的特点，其医学应用研究在近二十年来受到格外关注，并得以快速的发展。BCG技术已被应用于基本生命体征监测、睡眠时相分析和心血管功能参数测定等方面。机器学习和人工智能分析算法的引入，有望进一步提高检测、分析的准确性[22-23]。表4所示为近二十年，BCG信号临床应用中的、具有代表性的研究。从这些研究可以看出，近年来，BCG信号在临床医学应用中的研究，主要有以下几个方面：

表4 近二十年，BCG在临床应用中的主要研究

（1）基本生命体征检测：心率、心率变异等相关参数。研究的主要方向为更准确、稳定的自动检测算法。

（2）睡眠时相分析：基于BCG信号，自动检测心率等生命体征参数，并根据睡眠周期中，生命体征参数的变化特征，自动分析睡眠时相。

（3）心血管功能分析：主要研究不同病症的特异BCG信号特征和智能化识别方法。

（4）其他研究方向：大部分研究如情绪检测、运动恢复分析、哮喘预测等，主要是基于基本生命体征，进行进一步分析、识别人体状态。

基于BCG信号的基本生命体征检测水平已经与基于ECG信号的检测水平非常接近。如心率检测，和ECG信号比较，相关系数约为0.98[24]，每分钟心率平均误差低于1次[12]。已上市的产品，不是作为ECG的替代产品，而是作为ECG的补充，用于特定的场景，例如居家或机构老人的长期、智能监护[24-25]。

基于BCG信号的睡眠时相分析，目前主要识别觉醒、快动眼和非快动眼三个睡眠时相，对非快动眼和觉醒两个时相识别准确率较高，对快动眼准确率较低。与目前临床上的“金标准”-多导睡眠记录仪相比，虽然还有一定的差距，但是已有不错的结果。例如，以色列EarlySense公司开发的基于BCG技术的睡眠检测系统，睡眠检测灵敏度、特异性和准确度分别达到了92.5%，80.4%和90.5%[26]。在临床上，非快动眼还可进一步细分轻度、中度、深度睡眠时相，但是，目前效果不够理想。原因可能在于，采集到的BCG信号比较复杂，受个体差异、传感器差异等多种因素的影响，难以归一化。

基于BCG信号的心血管功能检测、心血管疾病诊断等，尚处在研究阶段，多数工作聚焦在信号特征提取，并进行分类，即疾病的诊断，实际的效果有待进一步验证。

BCG信号不同于ECG信号，影响BCG信号检测和分析的因素要比ECG信号复杂得多，如所用传感器的形式和性能、受试者的姿态等。这就为BCG信号检测的标准化，基于BCG信号的诊断标准的制定带来很多的困难。这也是制约BCG技术向临床应用的主要难点之一。总的来说，BCG信号检测的多样性，为其应用提供了更多的可能。但是，这种多样性也为标准化提出了挑战。

3 结论和展望

本文对BCG信号研究进展及其在医学中的应用进行了综述、分析，以梳理出BCG技术存在的问题和发展的方向。从公开的研究可以看出，基于BCG信号的基本生命体征检测、睡眠时相分析相对较为成熟，已达到临床应用水平。基于BCG信号的心血管功能分析、心血管疾病诊断等临床应用尚处于研究阶段。BCG信号处理与分析技术是目前BCG技术的研究核心。BCG信号检测的标准化和基于BCG信号的诊断标准的制定等将是BCG技术向临床医学应用需要解决的问题和难点。BCG技术在临床医学中的应用前景已经初现端倪，随着BCG信号检测方法的不断改进、机器学习和人工智能算法的不断引入，基于BCG技术的医疗产品正逐步进入市场，BCG技术很有希望得到越来越广的应用。