學會會訊
有一天就讀國小的女兒跟我說，你知道天上的星星代表一個個的賢人嗎？古時候的賢人死了之後，變成神，升到天上，現在我們看到的星星，就是一個個不一樣的神。如果星星變成流星掉向東北方，表示東北方將有一個賢人要誕生了...。我一開始聽到只是隨口應和，哦，這爸爸早知道了啊～卻突然想起三國演義一百零三回裡提到孔明扶病出帳，仰觀天文，十分驚慌，入帳謂姜維曰：「吾命在旦夕矣！」維曰：「丞相何出此言？」孔明曰：「吾見三台星中，客星倍明，主星幽隱，相輔列曜，其光昏暗：天象如此，吾命可知！」。
以前看到這段文字對於孔明的觀星象得窺天機的能力崇拜不已，但轉念想想，我們現在在醫院做的事情不也類似？急性中風病患一旦入院，測量生命徵象，評估NIHSS量表等神經學檢查，安排神經影像檢查，便可以診斷正在腦部進行中的急性中風傷害。然而，腦中風程度有輕有重，治療效果有好有壞，預後也是不一，甚或急性期隨時可能有中風惡化的風險，如何即時且準確的預知病況對第一線臨床醫師是相當大的考驗。
自律神經系統調控心跳，血壓等生理現象，因此，心率的變異能夠反應自律神經系統的快速變化。尤其，利用各種數學的演算法計算心率的變異度，能夠將自律神經系統的活性以數字量化。過去的研究顯示，中樞或周邊自律神經功能病變常引起心率的變異度下降，在急性中風方面，也已經有不少類似的研究發表。但幾年前我看著台大醫院腦中風加護病房每個中風病患的床側生理監視器，對於監視器仍舊單純呈現著心跳速率，血壓血氧值，以及心電圖波形感到不解，是否過去心率變異度的量化分析方法不夠精準，不能夠精確地反映病人的臨床變化？為何這樣的連續生理訊號不同時呈現可量化的心率變異度呢？
回溯文獻發現過去並沒有專門針對加護病房中有連續生理監視器的中重度急性腦中風病患的相關研究。然而這些病人卻是最需要早期判斷預後及容易在急性期有病情變化的中風族群，並且他們的心電圖也是最容易取得的及時研究資料。此外，過去的心率變異度的數學演算方法如傅立葉轉換等，是屬於線性的分析方式，但生物體各種的生理訊號其實屬於非線性的變動，因此，近來許多研究開始嘗試開發非線性的數學演算法來分析生物訊號的特性。其中，多尺度熵(Multiscale Entropy, MSE)是2002年時任哈佛大學醫學院助理教授的彭仲康發表於Physical Review Letters 期刊 (1)，用來分析生理訊號複雜度(complexity)的非線性演算法。這個演算法被應用於包括心電圖，及顱內壓等訊號，並顯示其優於傳統線性分析的強處。我在2011年七月因著加入台大醫電中心團隊的契機，得以與台大電機的老師合作並開始急性中風病患的生理訊號分析研究。
第一部分的研究結果發表於今年的JNNP (2)，對象為2012年2月到2013年8月，急性中風發病後24小時內入住台大醫院腦中風加護病房的個案，以及年齡與性別相當的非中風對照組。期間總共收錄了227位急性中風個案，包括77位心房顫動個案，以及150位非中風對照組。連續心電圖的收集長度為至少一小時，分析R-R間距（RRI）的方法包括傳統的線性分析（time and frequency domain analysis）及非線性分析（MSE）等指標，並將結果與臨床參數作相關性的分析。
結果顯示，相較對照組，非心房顫動的急性中風個案心電圖MSE分析得到的RRI複雜度顯著較低，而由於心房顫動有亂度高但低複雜度的訊號特性，因此心房顫動的心電圖MSE趨勢與前兩者完全不同 (2)（Figure 1A）。另外，非心房顫動的急性中風個案中，預後不佳（中風後三個月modified Rankin Scale >2或死亡）的心電圖MSE曲線較預後佳者顯著較低（Figure 1B）。進一步的多變項統計分析發現，調整臨床相關指標之後，各種生理訊號參數，包括入院的血壓值，24小時的平均心跳血壓及變異度，線性及非線性RRI分析值等，只有MSE分析的RRI複雜度可為預後的獨立因子。而且加上MSE的RRI複雜度指標，可以讓預測預後的ROC曲線的AUC數值從原本僅用臨床指標模式的0.853顯著增加到0.903。附帶一提的是，我們在今年台灣神經年會所發表的壁報論文顯示，入院後24小時的心電圖MSE分析的RRI複雜度也能夠有效預測急性期發生中風惡化（stroke in evolution）的可能性 (3)。
這是一個剛起步且仍在進行中的整合性研究計畫，後續的相關分析及結果可望陸續進行與發表，期待可以為腦部在受到急性中風傷害後釋放出有意義的生理訊號變化進行系統性的解碼。或許未來能夠有機會更接近當年諸葛孔明遙指天上墜星代表必損一將的能力。
參考文獻
