基于α波自相关特性的麻醉深度监测
作者：张连毅，郑崇勋    作者单位：上海电机学院电气学院,上海 200240
   【摘要】  目的 探讨脑自发电信号的自相关性与麻醉深度之间的关系，寻找计算简便、变化简捷明了、少导联的脑电临床麻醉深度监测参数。方法 对临床18例全麻胸腹手术患者的自发脑电信号的α节律进行自相关特性分析，观察其麻醉过程中的变化规律。结果 Fp1Cz与Fp2Cz通道中延迟时间参数kcr的动态变化曲线与实际麻醉进程有很好的一致性，且变化简捷明了；Fp1Cz通道与Fp2Cz通道中kcr随时间变化有很好的同步性。结论 该方法为少导联的临床麻醉深度监测提供了新思路和新工具,在临床及相关科研工作中有广阔的应用前景。
   【关键词】  麻醉深度；脑电图；自相关；全身麻醉；前额叶皮层
　　Monitoring on Depth of Anesthesia Basing on α Rhythm Autocorrelation of EEG Signals.ZHANG Lianyi, ZHENG Chongxun.
　　Abstract: Objective To explore the relationship between the depth of anesthesia and the autocorrelation of spontaneous EEG signals, and to find a new indicator which is easily calculated and involves fewer channels of ECG. Methods Eighteen patients with a surgical operation on chest or abdomen under general anesthesia served as the subjects. EEG signals of the patients were recorded.Change of α rhythm of the EEG signal during general anesthesia was investigated by autocorrelation. Results The changes of autocorrelation indicator in channels Fp1Cz and Fp2Cz were obvious and consistent with the process of anesthesia; The changes of autocorrelation kcr in the two observed channels were almost synchronous. Conclusion The autocorrelation indicator kcr may be a new idea and a new tool for monitoring depth of anesthesia with fewer channels and the method will find wide prospect of application in clinic and in related scientific research work.
　　Key words:anesthesia  depth;EEG;autocorrelation;general anesthesia;prefrontal cortex
　　Address reprint requests to:ZHANG Lianyi.Electric Engineering School,Shanghai Dianji University, Shanghai 200240, China
　　麻醉是临床医学重要组成部分，其基本任务是消除疼痛，为手术创造良好条件，从而保证手术的安全与成功。麻醉深度的监测和安全控制一直是生理学家和医生关注的一个生理学和医学的重要研究课题，对于手术中患者的生命安全和手术的顺利进行具有极其重要的意义［1］。就总体而言，目前临床上仍主要依靠全方位的监护（脑电、心电、呼吸、血氧饱和度等）及有经验麻醉师进行人工观察来监测麻醉深度，部分辅以BIS监测仪进行手术麻醉监控，目前尚无成熟的专用麻醉深度监测系统，研究工作仍在继续深入中。　　
　　全身麻醉要求患者意识和记忆暂时丧失、痛感消失、肌肉松弛、反射减弱，若麻醉深度控制不当，会造成一系列严重后果：过浅时，镇痛不全、术中知晓、肌肉紧张和体动将使手术无法进行，甚至引起意外伤害；而麻醉过深，则包括对呼吸系统、循环系统在内的生命器官功能出现严重抑制，缺血缺氧，造成患者脑损伤，严重者会成为“植物人”无法苏醒。尽管实行全麻手术时必须有一个麻醉师一直在旁监护，然而，由于现代最常用的多种药物或麻醉方法的复合麻醉的麻醉诱导速度和麻醉征象变化很快，麻醉不当引起的医疗事故仍时有发生，严重者可造成患者大脑功能永久性损伤。对麻醉深度的定征表达和监测技术的研究对于临床手术顺利安全进行、对于手术病人的安全都有重要意义，对临床麻醉科学和脑神经科学的研究也具有重要意义和应用前景。　　
　　由于大脑是麻醉药物的靶效应部位，目前不少麻醉深度的监测方法是围绕脑电活动来展开的。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等特点，是目前检测麻醉深度中最有潜力的方法之一，国内外对利用脑电技术评价麻醉深度进行了大量的研究［27］，已取得较好的研究成果。本文尝试基于信号自相关理论，选择与麻醉状态关联密切的EEG中的α节律，在给定窗长时通过平移窗口计算出延迟时间参数随麻醉深度的变化来描述麻醉深度的变化，并从中发现了一些很有意义的现象。
　　方法
　　按照基本节律，脑电图可分为α波、β波、θ波与δ波。其中α波的频率为每秒8~13次，波幅为(20 ~100)μV。α波在清醒、安静、闭眼时出现。α波的波幅常由小变大，再由大变小；接着又由小变大，如此反复，形成所谓α波梭形，每一梭形持续约1～2 s。睁开眼睛或接受其他刺激时，α波立即消失转而出现β波，这一现象称为α波阻断(αblock)。如果被试者又安静闭眼，则α波又出现。　　全身麻醉过程中，患者是在安静、闭眼的状态下进行手术的，而临床麻醉深度监测的目的之一就是确定患者在术中的清醒程度。因此α节律在全身麻醉过程中必然会随着麻醉深度的变化而产生相应的变化。为此，本文将分析α节律信号自相关特性的延迟时间参数随着全身麻醉深度的变化规律。对于任一随机过程{X(t)},t=0, ±1, …，定义自相关系数f(0)=1；对于任一整数N(1≤k≤N-1)，定义自相关函数f(k)：f(k)=C(k)/C(0)(1)C(k)=∑Nk=t+1［X(t+k)-X］［X(t)-X］(2)X=∑Nt=1X(t)/N(3)
　　对于离散时间序列，t≥0。为了考察EEG信号中α节律在全身麻醉过程中的自相关性，选择时间延迟参数k作为自相关变量。在相空间重构理论中，时间延迟参数k的选择非常重要，如k太小，会使不同延迟向量之间几乎没有差别；如k太大，又会使延迟向量之间几乎没有关联，即使“实际”吸引子很简单，也会让重构吸引子非常复杂。本文时间延迟参数k的选取采用了相空间重构理论中时间延迟参数k的一般确定方法［8］, 并取自相关函数f(k) 第一次下降到1/e时的时间延迟参数为kcr。被试者 由于脑部疾病对脑电图有比较大的影响，为了不产生根据脑电图对麻醉深度的误判，所以不选择有脑部疾病以及有严重脑部疾病史的患者。同时，由于脑部手术会对脑电图的采集构成障碍，也不选择脑部手术的患者。为了比较同一麻醉措施的麻醉效果，对麻醉药物有特殊要求的患者亦不是本文所研究的对象。所以，手术患者均选择非脑部手术、无脑部疾病、无特殊麻醉要求的全身麻醉的手术患者。选择某医院2003年12月中下旬进行的全麻胸腹手术18例，其中男性10例，女性8例；年龄30~70岁，平均（57.4±11.2）岁。麻醉方案  复合麻醉（compound anesthesia）是指同时或者先后应用2种以上麻醉药物、麻醉方法及麻醉疗法，以达到完善的术中及术后镇痛、满意的外科手术条件，并保证病人安全和术后顺利康复的临床麻醉技术。本临床数据采用了一般临床手术中常用的全身麻醉方法，选用异丙酚、芬太尼、异氟醚静吸复合麻醉。具体方案为：鲁米那100 mg，阿托品0.5 mg（伴高血压患者东莨菪碱0.3 mg）麻醉前30 min肌注。安定0.2 mg/kg，芬太尼3~5 μg/kg，异丙酚2~2.5 mg/kg，司可林1~2 mg/kg静注诱导插管。接麻醉呼吸机控制呼吸（VT 10 mL/kg，频率12次/min），吸入1%~3%异氟醚，同时持续滴注异丙酚4~5 mg/(kg·h)，间断静注卡肌宁0.5 mg/kg来进行麻醉维持，必要时（如在劈开胸骨、腹部探查时）追加芬太尼2 μg/kg。手术结束前30 min不再追加静脉麻醉药，术毕前20 min左右停止吸异氟醚。术中监测血压、心率、EEG示波、血氧饱和度及二氧化碳分压。血氧饱和度维持在98%以上，二氧化碳分压在(4.6~5.3)kPa。电极位置选择  从功能上看，中枢神经系统是复杂的，主要由许多输入回路、输出回路和反馈回路组成［9］。大脑皮层与基底神经节之间，是由运动神经回路和一个联合（复杂）回路这两个截然不同的回路连接的［10］，而将尾部（caudate）与联合皮层区域的输入及基底神经节的最终输出连接起来的联合（复杂）回路在大脑皮层前额叶区域表现得尤为突出。最新的相关研究成果也表明大脑皮层、基底神经节与丘脑之间是由若干多输入回路连接起来的［11］。基于上述考虑，实验设计中决定将电极放置在大脑皮层前额叶区域。为了不妨碍外科手术的正常进行，选用Fp1、Fp2两通道来同步记录手术中的脑电数据，同时记录了C3、C4两通道作为备用电极，参考电极粘贴在Cz处。电极位置的分布，见图1。
　　图1  电极位置分布位置（略）
　　Fig. 1  Location of electrodes
　　脑电图采集  本文的脑电图数据是在被试者手术时同步采集的。实验仪器为美国CADWELL公司生产的32导Easy Ⅱ，采样频率400 Hz，A/D转换为16位。采用10~20导联头皮电极系统，各电极经带通为0.16~70 Hz的模拟滤波器接入信号放大器，各导联阻抗均小于5 kΩ。脑电信号用Cardwell公司的电极帽进行检测。所有手术均持续数小时，所有病人均否认术中知晓。
　　结果与分析
　　本文只对Fp1与Fp2两导联进行了分析。分析窗长为5 s（2 000个采样点），分析窗沿时间轴不重叠地连续平移，得到kcr随时间变化的曲线。在全身麻醉过程中，肌电信号的强弱也从另一方面反映了麻醉深度的深浅。为了综合考虑全身麻醉过程中的各种影响，在本文分析的EEG中，没有剔除其中的肌电信号。本文将全身麻醉过程中的EEG分为两个部分：一是麻醉诱导阶段，另一是深度麻醉阶段。　　　为了得到自发EEG中的α节律，选用了一个8~13 Hz的FIR滤波器。麻醉诱导阶段EEG信号的延迟时间参数kcr随时间的变化趋势分析  为了考察从清醒到适当麻醉的麻醉诱导过程，我们分析了各被试者在麻醉诱导初期的EEG信号。18位病人Fp1导联与Fp2导联kcr的平均值随时间的变化规律基本相同，本文给出了Fp1导联kcr的平均值随时间的变化曲线，如图2所示。C3Cz、C4Cz通道在麻醉诱导过程中kcr的变化不明显，这里不进一步讨论。
　　图2  8位被试者 Fp1Cz 通道kcr的平均值随时间（从清醒到麻醉）的变化曲线（略）
　　Fig. 2  Changes of average kcr versus time (Fp1Cz channel) in 18 subjects
　　从图2可以看出：1) 在全麻过程中，前额叶区域EEG信号的时间延迟参数kcr对不同麻醉深度是比较敏感的。在麻醉诱导初期，时间延迟参数kcr呈现明显的抑制模式；随着麻醉深度的增加，kcr的值迅速衰减；当患者进入深度（适当）麻醉状态时，kcr的值在小范围内波动。由清醒到适当麻醉，时间延迟参数kcr的变化简捷明了，并且变化比较显著。故可以通过观察kcr在麻醉过程中大小变化对麻醉深度进行监测；2) Fp1与Fp2导联，其kcr的变化几乎是同步的。这意味着前额叶区域一个通道的EEG信号就完全可以进行麻醉深度的监测；3) 在图2中，kcr变化进入相对平滑区域的时间大约为2~3 min，这与临床实践中麻醉诱导的时间是一致的。深度（适当）麻醉阶段EEG的延迟时间参数kcr分析  作为麻醉深度监测的指标，在深度（适当）麻醉阶段应该是相对稳定的。为了考察深度（适当）麻醉阶段kcr的特性，分析了18位患者在麻醉诱导35 min后的EEG信号。18位病人Fp1导联与Fp2导联kcr的平均值随时间的变化规律基本相同，kcr的均数为7.6950，标准差为1.2639，95%可信区间为7.1411~8.2489。本文只给出了Fp1导联kcr的平均值随时间的变化曲线，如图3所示。
　　图3  全麻状态下18位被试者Fp1Cz 通道kcr的平均值随时间的变化曲线
　　Fig. 3  Changes of average kcr versus time Fp1Cz channel in 18 subjects during general anesthesia
　　从图3可以发现：1) 深度（适当）麻醉状态下，kcr值的波动范围很小，其值在6~10之间波动。这说明k〖WTXT]cr在深度（适当）麻醉状态下是相对稳定的；2) 深度（适当）麻醉状态下，Fp1Cz与Fp2Cz通道中kcr随时间的变化几乎是同步的。
讨论　　
　　对于以避免麻醉用药不当以致麻醉过深或过浅为主要目的的麻醉深度监测，由于每种麻醉药均有各自不同剂量的EEG波形变化，同时标准导联EEG记录技术电极连接复杂，在麻醉深度监测中EEG技术往往难以使用。时间延迟参数kcr反映了非线性信号本身的自相关性。基于相空间重构技术的kcr麻醉深度监测技术计算简便，所需导联少（仅一导），这有利于实时临床麻醉深度监测；从清醒到全身麻醉，kcr简捷明了的显著性变化，这意味着临床使用比较便利。在当前的临床复杂手术或复杂麻醉措施中，经常需要进行少导联的脑电图信号监测。因此，如能减少利用脑电图信号进行麻醉深度监测的导联数，会极大降低麻醉深度监测的成本。　　
　　全身麻醉是药物对大脑神经活动抑制的结果。也就是说，在麻醉药物的作用下，大脑神经活动的去同步性减弱，同步性增强，EEG信号之间的自相关特性趋于显著，自相关特性中的延迟时间值因而减少。本文是基于EEG信号中α节律自相关特性的延迟时间参数对全身麻醉深度的变化进行监测的，对于α波不很典型的部分人群，由于药物对大脑神经活动（EEG）抑制作用不变，这种麻醉深度监测方法应该是仍然有效的，但其简捷明了的显著特性将会受到影响。这种情况下可用双谱指数方法(bispectral index, BIS)或Kolmogorov熵方法［6］进行麻醉深度监测。双谱指数方法、Kolmogorov方法与自相关特性方法各有其优缺点，BIS的特异性、敏感性和准确性较好，而且变异性很小，但BIS的脑电监护效果明显依赖于麻醉药的使用［12~14］，且BIS具有人种差异［15］；Kolmogorov熵的麻醉深度监测，计算复杂，适用于对麻醉过程的细部描述；而基于α波自相关特性的麻醉深度监测，计算简便，所需导联少（仅一导）适用于对麻醉过程的总体监测。　　
　　本文通过观察18例非脑部手术、无脑部疾病、无特殊麻醉要求的全身麻醉的手术患者全身麻醉期间脑电图信号α波自相关特性中时间延迟参数的变化，发现该指标能较灵敏地反映麻醉深度，但由于受样本的局限，还无法检测它对不同麻醉药物、不同麻醉方法的反映，在成为一种完善的技术而独立应用于临床麻醉监测之前，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。
结论　　
　　通过对麻醉诱导阶段和深度（适当）麻醉阶段的EEG的延迟时间参数kcr分析，可以得出以下结论：1）Fp1Cz与Fp2Cz通道中延迟时间参数kcr的动态变化曲线与实际麻醉进程有很好的一致性，且变化简捷明了;2）Fp1Cz通道与Fp2Cz通道中k〖WTXT]cr随时间变化有很好的同步性。利用此特点，有可能实验利用单导联的脑电图信号进行麻醉深度监测;3）时间延迟参数kcr反映了非线性信号本身的自相关性。延迟时间参数kcr为麻醉深度监测提供了新的思路。
【参考文献】
　　［1］ HANG Yannan. Focus on the monitoring of general anesthesia depth ［J］. The Journal of Clinical Anesthology, 2000, 16(4): 165166.
　　［2］ Gajraj RJ, Doi M, Mantzaridis H, et al, Analysis of the EEG bispectrum, auditory evoked potentials and the EEG power spectrum during repeated transitions from consciousness to unconsciousness ［J］. British J of Aneasthesia, 1998, 80 (1): 4652.
　　［3］ Mi WD, Saqai T, Nudo T. The effect of plasma levels of fentany on recovery from propofol aneasthesiamonitoring with EEG BIS［J］.Aneasthesiolgy,1998, 89(1):106110.
　　［4］ Gajraj RJ, Doi M, Mantzaridis H, et al. Comparison of bispectral EEG analysis and auditory evoked potentials for monitoring depth of anaesthesia during propofol anaesthesia ［J］. British J Anaesthesia, 1999, 82 (5): 672678.
　　［5］ Singh H. Bispectral index (BIS) monitoring during propocolinduced sedation and anaesthesia［J］.Eur J Aneasthesiology, 1999, 16(1): 3136.
　  ［6］ ZHANG Lianyi, ZHENG Chongxun. A new method for monitoring the status of central nervous system during general anesthesia ［J］. Space Medicine & Medical Engineering (in public).
　　［7］ ZHANG Lianyi, XU Jin, ZHENG Chongxun,et al. Study on kolmogorov entropy of electroencephalogram for monitoring depth of anesthesia of rat ［J］. Journal of Xi’an Jiaotong University, 2005, 39(2): 218220.
　　［8］ Holger K, Thomas S. Nonlinear Time Series Analysis ［M］. Beijing: Qinghua University Press (Cambridge University Press. 1997），2003.
　　［9］ Abhijit C, Peter OB. Fatigue and basal ganglia ［J］. Journal of the Neurological Sciences, 2002, 179(1): 3442.
　　［10］ DeLong M, Georgopoulos AP. Motor Functions of the Basal Ganglia ［M］. In: Brookhart JM, Mountcastle VB, Brooks VB, ed.Handbook of physiology, vol. 2, Bethesda: American Physiological Society, 1981:10171061.
　　［11］ Alexander GE, Crutcher MD. Functional architecture of basal ganglia circuits: neural substrates of parallel processing ［J］. Trends Neurosci, 1990, 13(2): 266271.
　　［12］ Detsch O, Schneider G. Increasing isoflurane concentration may cause paradoxical increases in the EEG bispectral index in surgical patients ［J］. Br J Aneasth,2000, 84(1): 3337.
　　［13］ Kurehara K, Takahashi M. The relationship between endtidal isoflurane/epidural anesthesia ［J］. Masui, 2002, 51(3): 642647.
　　［14］ Goto T, Nakata Y. Bispectral analysis of the electroencephalogram does not predict responsiveness to verbal command in patients emerging from xenon anesthesia ［J］. Br J Anaesth, 2000, 85(7): 359363.
　　［15］ Ortolani O, Conti A. The recovery of Senegalese African blacks from intravenous anesthesia with propofol and remifentanil is slower than that of Caucasians ［J］. Anesth Analg, 2001, 93(10): 12221226.