Hot News Biotechnology Optoelectronics Mobile APP


◆即時心臟狀態分析演算法與應用

簡介:
隨著人口結構老化、醫療成本增加,已是各國既成現況與迫切解決難題。此時,遠距醫療概念提出,嘗試將醫療照護延伸至居家健康照護,並整合醫療雲端,以提供可行方案。然而,現行運作模式與其應用情境設計,多採用串接式技術,區分量測、傳輸、分析、回饋等四階段。此法在小群組服務驗證上可行,但使用個體數增加後,易衍生諸多狀況。例如,受限於硬體端傳輸頻寬、功率消耗,使用者難以即時獲取回饋;再者,醫護端須面對龐大待診資料,造成人事及設備邊際成本增加,而徒增後續沉沒成本。這可大大地降低遠距照護實用性,也就是說,商業模式與實際應用可行性仍有明顯改善空間。此時,有必要進行技術創新,將時序量測的生理資訊,傳輸前進行特徵擷取,以利診斷與回饋。

即時心臟狀態分析演算法即基於此精神,從時域分析切入,善用時間延遲法,重建訊號的相位空間矩陣,計算其時間差異條件下矩陣間複雜度的差異值,做為特徵擷取要件;經臨床醫學中心驗證、國際知名期刊發表,對於異常的心臟波形訊號具有即時偵測的效果。基於特質,本演算法適用於週期、類週期生理訊號,具有容易實現、處理速度快、耗用資源低的特性,能提供即時回饋機制,適合於微小化、嵌入式、低耗能、可攜性及即時分析的應用。另外,嵌入於現存量測設備,可調整既有串接服務模式,降低資料傳輸量,強化傳輸品質,亦可提供使用者即時回饋並同時啟動後端平台服務。再者,大量減少醫護待診資料負擔,提升照護品質,以利於實現遠距醫療的應用目標。

訊號特徵:
心臟的構造,可分為心房及心室兩大部分,其中心房部分與上下腔靜脈連接,當右心房充滿由靜脈送回的血液時,右心房上的竇房結(Sinoatrial Node,簡稱 SA Node)會自發性的產生去極化(Depolarization)的動作電位,此電流訊號經由心房肌肉細胞傳遞至左心房,由於心臟肌肉細胞間具有利於電氣通連之離子通道(Gap junction),所以訊號傳遞非常迅速,使得左右心房幾乎同時去極化進而產生肌纖維的收縮而產生機械能量做功將血液擠壓至心室中,此時去極化電流訊號傳遞至右心房底部的房室結( Atrioventricular Node,簡稱 AV Node ),由於房室結傳遞訊號的速度較慢,所以使得心房有足夠的時間完成去極化收縮的動作,接下來,房室結將去極化電流訊號藉由浦金埃氏纖維(Purkinje fibers)傳遞至整個左右心室,促使左右心室同時去極化收縮,而將血液擠壓入上下腔動脈,完成一個完整的心臟跳動週期。由此可知,心臟透過微弱的神經電流訊號傳遞,作出收縮及舒張的動作,由於人體屬於導電體,所以此電流亦會透過人體組織的傳導而流經全身,此時若在體表上黏貼可以導電的電極貼片,便可以藉由訊號擷取電路紀錄此電流訊號,此訊號便稱為心電圖訊號(Electrocardiogram,簡稱ECG或EKG)。

一般在所謂的第二導程體表電極紀錄的心電圖訊號中,其主要訊號組成包括:P波表示心房去極化收縮時,體表所量測紀錄到的波形訊號,經過約0.15秒後量測紀錄到的是QRS複合波,表示心室去極化收縮,在此同時,心房產生再極化(Repolarization)舒張現象,但是心房的再極化訊號強度小於心室的去極化訊號強度,所以並無法在心電圖中觀察到,最後的T波則表示心室再極化舒張時所量測紀錄到的訊號。

由相關研究中可以發現,在許多的疾病的臨床診斷中,發現心電圖出現異常波形或異常變化,例如:心室肥大症、心律不整、心肌梗塞、冠動脈不全…等;一般在分析心電圖訊號中,主要著重的領域有兩大部分,一是心律變異(Heart Rate Variability ,HRV),利用計算ECG訊號中相鄰兩個R波間隔時間的變化情形(R-R Interval),分析心律受到交感及副交感神經影響之變化情形;另一是觀察ECG訊號波形的變化情形,由時域分析的角度出發,了解ECG訊號受到疾病影響電位傳導路徑所造成波形失真效應。

即時心臟狀態分析演算法利用異常ECG訊號發生時,其波形的規律性改變,透過量化此波行失真效應的變異程度,來作為心臟狀態判別的依據,如上圖所示,(a)表示原始ECG訊號,前半段為正常片段,後半段為心室震顫(VF)發生片段,(g)表示量化參數值(CPSD Values)的相對變化,可以發現在異常事件發生時,相對應的量化值會有明顯的變化,透過適當閥值的選擇,可做為心臟狀態的即時分析。

技術創新:
1. 快速即時的分析方法
根據世界衛生組織的定義,遠距醫療是「使用互動式視訊及資通訊技術,進行包括診斷、治療及諮詢等醫療照護行為,以及衛生教育與醫療資訊的傳遞」。大體而言,遠距醫療係整合文字、數字、圖形、影像、音訊、視訊等各種資料型式,傳送病患資料、檢驗報告、生理訊號、以及醫學影像等資訊,以利後續處理與即時應用。由於具備高度整合應用價值,國內外研究團體及營利單位爭相投入,並實際導入場域測試。
然而,從臨床端的角度來看遠距醫療應用再特定疾病管理時,仍有改善空間。例如,2010年Akshay S. Desai團隊發表在The New England Journal of Medicine研究成果指出,傳統Heart-Failure Disease Management的資訊傳遞流程結合遠距醫療後,雖可拉近病人與醫師的距離,但卻仍不盡完善,主要問題可能出現在:(1)量測結果需要使用者連接傳送至後端接收平台;(2)量測結果無法提供即時的有用資訊;以及(3)使用者需要等候醫師判讀後才知道所量測結果所代表的資訊。Sawat I. Chaudhry團隊亦於同年在The New England Journal of Medicine發表重要論文,針對1653位心臟病患比較導入遠距模式(Telemonitoring)與現行臨床照護(Usual Care)之成效,發現諸多評估要項未達顯著差異。綜以觀之,單純傳遞生理資料的遠距照護模式,無法增進照護品質與強化成效。面對此一應用發展瓶頸,本團隊投入即時分析方法的開發及硬體實現,縮短診斷回饋時間及增進整體照護品質。

在演算法部分,以心電圖(ECG)訊號分析為例:時域分析方式包括計算ECG訊號中相鄰兩個R波間隔時間(RRI)之平均值、標準差、均方根值等變化情形;頻域分析方式則利用快速傅立葉轉換(FFT)得到功率頻譜後計算LF及HF之能量的比值,以了解心率受到交感及副交感神經影響之變化情形。然而,時域分析方法執行速度快但是靈敏度及鑑別率較低,頻域及類神經分析方式有較佳判別結果但卻衍生出執行速度慢、需龐大資料量。即時心臟狀態分析演算法希望同時兼顧執行速度與判別效率,透過比較兩個時間片段之ECG訊號的波形相似度,即可作為判別的依據,此方式的特點是簡單快速,不須配合繁雜的數學運算,可以輕易的在不同應用平台實現並提供即時的資訊。

2. 臨床驗證的效能評估
為了進一步了解本訊號分析演算法於臨床應用上之分析效能,分為三個階段驗證:在第一階段中,利用網路上公開使用的資料庫(BIH-MIT,CU),下載原始資料並測試其分析結果;第二階段為透過與義大醫院心臟科合作,申請並進行分析演算法之人體試驗(IRB);第三階段為整合資料庫與臨床收案資料,統計並分析其結果。
在針對資料庫中PVC、VF及VT訊號部分分析之統計結果中可以發現,使用本演算法分辨正常與異常ECG訊號的靈敏度(Sensitivity)及鑑別度(Specificity)皆超過95%,符合歐盟針對醫療儀器之新的規範需求;為了進一步驗證臨床使用效能,於義大醫院申請IRB以進行臨床收案與結果統計分析,(IRB編號為EMRP-098-005),總共收案對象45位;由分析結果中可以發現,在正常個別與AF及VF的判別上,其靈敏度可以達到100%,鑑別率亦可達到98.8%,而臨床上不易分辨的AF與VF的判別上,亦可分別達到97.9%與98.4%,故本創新演算法可提供臨床與居家遠距醫療應用上更為迅速便捷的參考依據。

應用方式:
由於社會環境及飲食習慣的改變,造成心血管疾病(Cardiovascular Disease, CVD)長久以來一直為具有高風險及高好發性的疾病。一旦急性心臟疾病發作,若未能即時發現且予以適當的急救措施,將極易導致病人猝死,在國人十大死因中為僅次於惡性腫瘤的高致死率疾病,亦為全世界威脅公眾健康的主要問題,依據WHO的統計資料顯示,每年有近1710萬人死於心血管疾病。本演算法以心電訊號分析之應用為主,故針對急/慢性心血管相關疾病患者及健康族群為主,依據疾病管制局(CDC)統計資料顯示,心臟相關疾病為國人十大死因第二位,在美國更為第一位主要死因,依據WHO的統計(2010),全球每年死於心臟病人數超過1700萬人。由全球健康照護支出的比重分布相關統計資料可以發現,以治療為目的的支出逐年降低,取而代之的是以早期預警、診斷及監視等抗老概念出發的支出逐年增加,因此,本分析演算法所具有之快速分析與即時監護的特性,於未來應用上將相當具有值得期待的新藍海效益。

即時心臟狀態分析演算法最直接的應用,便是結合生理訊號擷取與監視裝置及系統,透過分析演算法的內嵌而增加其應用範圍及價值,將心電訊號量測裝置與本發明演算法的整合,可將量測結果作即時分析並傳送至後端顯示裝置平台,以提供使用者即時資訊及回饋,此外亦可串接至雲端醫療系統,建構完整之服務模式平台。



關於立創 產品介紹 聯絡我們

copyright © 2013 LiveStrong Biomedical Technology Co.,Ltd. All Rights Reserved