基于脑电图信号分析的麻醉深度监测的研究进展

基于脑电图信号分析的麻醉深度监测的研究进展 朱根娣 朱政康谢海明2005-10-1413:09:4年10月第3卷第20期

华现代临床医学杂志2005关键词：麻醉深度【摘要】麻醉深度监测是外科手术中必不可少的工作。脑电图作为检测大脑皮层活动的最主要信号，在目前麻醉深度监测研究中处于主导地位。本文基于脑电图信【关键词】麻醉深度；监测；脑电图；分析Abstract】Themonitoringofanestheticdepthisanabsolutelynecessaryprocedureintheprocessofsurgicaloperation.Electroencephalogram(EEG),asaprincipalsignalindetectingbrainactivities,assumesaantpositioninthecurrentresearchfortheanestheticdepthmonitoring.TheprocessesofanestheticdepthmonitoringbasedonEEGanalysisareroducedhereindetailandthustheycanbereferencetothefurtheropment.Keywords】depthofanesthesia;monitoring;electroencephalogram;analysis麻醉在外科手术中的作用极为重要，合理的麻醉可以在患者无痛觉的情况下进行手术治疗，使患者免受痛苦，同时方便医生正常工作。但如果麻醉不当，不但不能消除患者的痛苦，还会带来一系列其他的问题。麻醉过深，有损患者的健康，并可能留下神经后遗症甚至危及生命；麻醉过浅，则不能抑制伤害性刺激，使病人疼痛不适或本能体动导致手术难以进行或出现意外，还可能引起术中知晓，造成病人有手术中记忆，从而可能引起严重的精神或睡眠障碍。随着新的肌松药和镇痛剂等药物的联合应用，全身麻醉的麻醉深度、意识状态常被掩盖或难以识别，判断并控制合适的麻醉深度已成为临床迫切需要解决的问题。麻醉深度的监测有利于控制麻醉剂量，可利用最少的麻醉药物达到最佳的麻醉效果，缩短复苏过程，且能避免术中知晓导致的病人心理和行为伤害及医疗纠纷等种种不良后果；还可减少全麻病人出现的各种危险情况。脑电图信号是大脑皮层神经细胞群突触电位变化的综合反映，有反映意识活动的优势及无创性特点，是目前检测麻醉深度中最有潜力的方法之一，已取得较好的研究成果。基于脑电信号展开的麻醉深度监测方法主要包括：双频指数、麻醉趋势、人工神经网络方法、复杂度和小波分析法、脑电非线性分析等，现将近年来的研究进展阐述如下。基于脑电图信号分析的麻醉深度监测方法双频指(bispectral双频指数是包含了时域频域和高阶谱变（双谱分析三种特性的脑电(EEG)定量分析指标其通过一个特定的非线性算法Medical将四个不同的EEG参数，即突发抑制率（burstsuppression、“QUAZI”β比(beta和快慢波的相对同步性（synchfast综合成一个100-0的无量纲数字用于表示大脑的抑制程度1997年被FDA批准作为监测麻醉深度和镇静水平的指标，进入临床应用和研究阶段。由于双频谱指数包括了位相信息在内的高阶信息，使得双频谱指数分析在脑电图信号分析中有了重要价值，因而BIS是目前脑电监测麻醉镇静程度的一种常用方法迄今为止已有大量有关应用BIS进行麻醉深度评估的报经研究证实，BIS可用于评价麻醉药镇静程度和伤害性刺激。随着麻醉或镇BISBISICUBIS大约60左右），减少因不明确麻醉状态水平而导致的药物使用不当的发生率，同时也减少了可能伴发的一些不利作用，提高了患者术中安全性，为指导麻醉药追加使用和患者早期恢复提Glass等［3，7］研究也证实，一种基于BIS的连续实时麻醉深度监测方法，能够优化每个病人的麻醉药物应用，从而减少麻醉药剂量可能不足和过量的情况。但是，作为麻醉深度监测技术有其明显的局限性，许多因素都会对BISDetsch［8～10］麻醉药的使用，如BIS与七氟醚的吸入浓度相关性良好，与异氟醚吸入浓度则无相关性，而且，N2O和氙气的麻醉对BISOrtolani等［11］S具有人种差异。麻醉趋势（narcotrend，NT）NTEEG，利用Kugler614标，即、B0～2、C0～2、D0～2、E0～1、F0～1，并同时显示、、γδ波A(012C(012；D(012E(012；F(01Kreuer［1同时还能对麻醉深度做典型分级，而且还发现麻醉趋势分析与双谱分析在麻醉深度监护中有相似的效果Schultz［13］对NarcotrendPKγ0.90。Wilhelin等［14］通过对临床4630个静脉麻醉药物监测病例证明，Narcotrend是一可信性较高的新型麻醉深度监测方法。(artificialneural)方法人工神经网络监测麻醉深度是近年来发展起来的脑电分析技术，它是继BIS后又一种从所有脑电功率谱数据中提炼出单变量的方法。通常把EEG4个特征波形αδ作为EEGMACARBayesEEG数据按镇静水平进行分级［15，16］Ortolani［17］200150用于训练50ANNEEG14个变量，将BIS13个变量作为ANN（Aspect对每个记录数据给出信号品质指数quality并将SQI＜50ANN性能分析选择多层感知网络算法进行网络训练。NeuralSIMANNevaluated0～100NEDANNEEG变量和BISBISNED数据计算出PearsonBlandAltmanNEDBIS的Pearson0.9411，由BlandAltman-0.199-10.19（低限）和高限），说明偏差极小和一致性良好。此项实验研究表明，神经网络通过分析预处理过的EEG数据，可提供麻醉深度指数。Robert等［18］也比较了神经网络与BIS作为EEG分析方法对麻醉深度监护的效果，结果同样表明，神经网络通过分析处理过的EEG数据产生的麻醉指数和BIS相关性良好，而且神经网络还能处理缺少相位信息的EEG数据来评估麻醉深度。复杂度和小波分析法（complexityandwavelet复杂度是近几年出现的一种非线性动力学分析方法，由于脑电是一种非平稳信号，所以复杂度分析是刻画EEGChen［19］采用Lempel-Ziv法C（n）［20］，序列的复杂度与麻醉深度之间有着密切的Zhang和Roy［21］用一个联合了小波分析、复杂度分析和神经网络方法的系统来进行麻醉深度的监测。其先用小波变换将原始EEG信号分解成连续不同尺度成分的六段，计算出原始EEG及其相应各段的复杂度，然后将得到的复杂度889297％，是具有前景的监测方法。脑电非线性分析（EEG-nonlinear）利用非线性分析学中的混沌与分形理论等非线性动力学原理和方法来研究和分析围术期患者的脑功能变化状态，已经成为Shen等采用高阶谱分析技术统计量信息。然后建立以微机为核心的脑电双谱分析系统，对临床脑电信号进行非线Zhang等将非线性动力学中的KolmogorovKolmogorov熵动态变化曲线，结果显示，麻醉时Kolmogorov熵动态变化曲线与原始脑电信号所反映的各脑区抑制与兴奋状态的变化趋势有很好的一致性KolmogorovBruhn等［25］应用近似熵进行了一系列Vakkuri等［26］提出了时频均衡谱熵的概念，其临床应用的结果显示：在异丙酚、七氟醚和硫喷妥钠麻醉状态下，状态熵和总结脑电图信号分析方法应用于麻醉深度监测的研究已取得了一定的成果，但其进展还是让研究者们不尽满意，各种方法在临床上的应用仍然有许多局限性。双谱指数用于麻醉深度监测的研究正日益受到重视，该指标能较灵敏地反映麻醉深度，但由于它存在对不同麻醉药物、不同麻醉方法反映不同的缺点，使之还不能成为一种完善的技术而独立应用于临床麻醉监测。麻醉趋势、人工神经网络、复杂度、小波分析和脑电非线性分析等是近年来发展起来的具有潜力的麻醉监护方法，但还需要大量的研究来进一步证明其在临床应用方面的有效性和可行性。要达到这样一个目标，还需要进一步研究和完善用于麻醉深度检测的分析方法，同时还要利用多种相关的医学信号，以得到一个较为全面的综合指标。【参考文献】IraJRampil.AprimerforEEGsignalprocessinginanesthesia.sthesiology,1998,89:980-1002.SebelPS,LangE,RampilIJ,etal.Amulticenterstudyofbispectralelectroencephalogramanalysisformonitoringanesthesiaeffect.Anesthnalg,1997,84:891-899.GlassPSA,BloomM,KearseL,etal.Bispectralanalysismeasuresationandmemoryeffectsofpropofol,midazolam,isofluraneandalfentanilinhealthyvolunteers.Anesthesiology,1997,86：836-847.SNYeWKLo.Bispectralindexinassessmentofadequacyofgeneralanaesthesiaforlowersegmentcaesareansection.AnaesthIntensiveCare,2002,30：36-40.SebelMB，WhiteMB.Usingofbispectralindexinpredictinganestheticdepth.Anesthesiology,1996,85：468.SongD,IanetF.Isthebispectralindexusefulinpredictingfast-trackeligibilityafterambulatoryanesthesiawithpropofolanddesflurane.Anesthesiology,1997,87：500.AbsalomAR,KennyGN.Closed-loopcontrolofpropofolanaesthesiaingbispectralindex:performanceassessmentinpatientsreceivingcomputer-controlledpropofolandmanuallycontrolledremifentanilinfusionsforinorsurgery.BrJAnaesth,2003,90(6):737.DetschO,SchneiderG,KochsE,etal.IncreasingisofluraneconcentrationmaycauseparadoxicalincreasesintheEEGbispectralindexingicalpatients.BrJAneasth,2000,84:33-37.KureharaK,TakahashiM,KitaguchiK,etal.Therelationshipenend-tidalisoflurane/epiduralanesthesia.Masui,2002,51:642-647.GotoT,NakataY,SaitoH,etal.Bispectralanalysisoftheelectroencephalogramdoesnotpredictresponsivenesstoverbalcommandintsemergingfromxenonanesthesia.BrJAnaesth,2000,85:359-363.OrtolaniO,ContiA,Sall-KaB,etal.TherecoveryofSenegalesefricanblacksfromintravenousanesthesiawithpropofolandremifentanilsslowerthanthatofCaucasians.AnesthAnalg,2001,93:1222-1226.KreuerS,MolterG,BiedlerA,etal.Narcotrendstagesandend-tidaldesfluraneconcentrations.Aninvestigationduringrecoveryfromdesflurane/remifentanilanaesthesia.Anaesthesist,2002,51(10):800.SchultzB,GrouvenU,SchultzA.AutomaticclassificationalgorithmsoftheEEGmonitorNarcotrendforroutinelyrecordedEEGdatafromralanaesthesia:avalidationstudy.BiomedTech(Berl),2002,47:9-13.WilhelinW,KreuerS,LarsenR.NarcotrendEEGmonitoringduringtalintravenousanaesthesiain4,630patients.Anaesthesist,2002,51:980-988.VeselisRA,ReinselR,Sommeral.Useofneuralnetworkanalysistoclassifyelectroencephalographicpatternsagainstdepthofmidazolamsedationinintensivecareunitpatients.JClinMonit,1991,7(3):259.EckertO,WerryC,Neulingeral.IntraoperativeEEGmonitoringusinganeuralnetwork.BiomedTech,1997,42(4):78.OOrtolani,AConti,ADiFilippo,etal.EEGsignalprocessinganaesthesia.Useofaneuralnetworktechniqueformonitoringdepthofanaesthesia.BritishJournalofAnaesthesia,2002,RobertC,GaudyJF,LimogeA.Electroencephalogramprocessinggneuralnetworks.ClinNeurophysiol,2002,113(5):694.ChenXiao-ping，HeWei-xing，WenJun-ling.EEGcomplexity-basedstheticdepthmonitoring.JournalofJiangsuScienceEdition）,2003,24(6):73-75.LempelA,ZivJ.Onthecomplexityoffinitesequences.IEEEInformTheory,1976,IT-22:75.ZhangRJ.EEGComplexityasaMeasureofDepthofAnesthesiaforPatients.IEEEtransactionsonbiomedical1424.ShenMinfen,ShenFenglin,SunLisa.TheNonlinearDetectionandispectralAnalysisofEEGSignals.JournalofElectronicMeasurementan