下载掌阅APP，畅读海量书库
立即打开
20世纪80年代前，人们对麻醉深度的评价主要靠自主神经反应，各种反应针对麻醉状态表现出的特异性均不高，包括肌肉紧张、瞳孔反射、出汗、流泪等定性判断临床指标，以及心率、血压等半定性判断临床指标，但是这些指标不能反映患者在术中的感知程度，与麻醉深度的相关性较低，难以准确反映麻醉深度。随着人们对麻醉深度的深入研究及神经刺激器、脑电技术的发展，研究者从生理学角度出发，将麻醉深度分解为镇静程度、肌肉松弛程度、镇痛程度3个方面分别予以量化评估，然后再加以综合，以实现对麻醉深度的客观判断。
在进行神经肌肉兴奋传递功能监测时研究者常使用神经刺激器，临床上应用4个成串电刺激（Train-Of-Four，TOF）等各种电刺激方式对人体的末端运动神经进行刺激，导致其控制的肌肉系统发生收缩。借助这种肌肉系统的收缩效应可以定性地评估肌肉松弛作用，进而反映肌肉松弛药物产生效果的时间延迟、强弱及阻滞特性。
研究者一般采用脑电双频指数（Bispectral Index，BIS）来进行镇静程度的监测，BIS是一种由多个参数共同合成的指标，在表征脑电图在各种麻醉状态下具有差异的双频谱参数中，通过多元逐步回归分析，排除与具体手术操作过程相关性较低的指标，得到一系列特异性较强的指标，并通过运算得到BIS的数值。由于BIS能够比较充分地反映患者的镇静程度，因此成为获得美国食品药品监督管理局（FDA）认证的镇静程度指标。
Mantzaridis等提出了听觉诱发电位（Auditory Evoked Potential，AEP），听觉诱发电位指数通过计算听觉诱发电位信号波形上0.56ms间隔的相邻点之间振幅模差值的开方和，来获得监测镇静程度的数值参数。AEP是继BIS之后获美国FDA批准用于临床麻醉深度监测的另一个指标，在反映受试者意识转换、意识消失、麻醉苏醒等方面与BIS各有优缺点。
Gajraj等的研究表明，AEP和BIS都能够描述人在麻醉过程中的镇静程度，都与人的意识状态相关，而AEP可以更清晰地预见人的意识状态的根本性改变。在人的意识状态由模糊缓慢转向清醒的过程中，BIS缓慢地升高，此过程与人苏醒的过程基本一致，这与BIS由自发神经活动产生有关；AEP在人的意识状态由模糊缓慢转向清醒的节点处会产生一个明显的阶跃，因此更能确认意识由无到有的质变。BIS和AEP两者互补虽然基本能达到镇静程度量化监测的要求，但还需要进一步完善。
关于镇痛程度监测，基于人在疼痛状态下心率会发生一定改变这一现象，有研究通过对人的心率变化进行时频分析，提取出心率变异性指标，将其作为评价交感神经、迷走神经均衡性的一个指标。患者对疼痛刺激的反应首先表现为交感-副交感系统的兴奋，而全身麻醉可显著抑制心率变异性指标，因此有研究建议用心率变异性指标作为评价麻醉过程中镇痛程度的指标。但经过量化的心率变异性指标受多种因素的影响，反映镇痛程度的特异性较差。因此，特异性镇痛程度量化监测指标的建立和研究成为目前国际上麻醉深度监测研究领域的研究重点。目前临床应用的镇痛程度评价或对疼痛的定性或定量分析多基于主观判断而缺乏客观指标，即缺乏敏感、特异和量化反映疼痛变化的客观指标。
过去在研究针刺镇痛原理时，常常以体感诱发电位（Somatosensory Evoked Potential，SEP）作为反映疼痛的客观指标。常规电刺激的SEP早成分的解剖结构及其主波的神经发生源已经基本明确，而其晚成分则受多种因素（如注意状态、受试者对刺激的预期性等因素）的影响。虽然常规SEP反映了多种类型的感觉纤维的兴奋与传导，但主要反映了外周有髓粗纤维传导深感觉的活动，其径路主要经薄、楔束及其薄、楔束核，内侧丘系，丘脑腹后外侧核，体感皮层及其相关皮层；而外周传导痛觉的细纤维（如有髓细纤维Aδ纤维、无髓细纤维C纤维）及脊髓丘脑束（Spinothalamic Tract，STT），用常规的SEP难以估计，例如，用于治疗顽固性疼痛的脊髓前外侧索切断术，术后常规SEP完全正常。
引出与疼痛相关的诱发电位信号的先决条件是对特异性疼痛刺激进行选择。20世纪80年代，曾有研究者使用皮肤疼痛点刺激、皮肤针刺刺激等，20世纪90年代初，仍然有采用2号牙钻在手指进行皮肤穿刺后，将刺激电极置于穿刺部位的刺激方案，但这些刺激都是对触觉、压力感觉、本体感觉、痛觉的复合刺激，而不是选择性刺激痛觉纤维，而且有的刺激具有明显的创伤性。1975年，Mor和Carmon采用CO 2 激光刺激器，其能量集中在极短的时间内释放，产生辐射热。由于辐射热属于长波辐射，所以这种刺激在表皮层约50μm内被完全吸收，仅能激活表皮内痛温觉的游离神经末梢感受器，即能够选择性兴奋Aδ纤维和C纤维，研究者对激光刺激经过脊髓丘脑束的上行传导过程也有了基本的认识。由于激光刺激器不直接接触体表，所以LEP无体感成分，痛觉纤维选择性高。因此，可以认为LEP是反映受试者疼痛程度的一个有效信号。激光冲击人的体表会令人感受到两种疼痛刺激，即反应时约200ms的瞬时体表冲击感痛温觉刺激，以及反应时约1200ms的依赖时间积累的体表灼烧感痛温觉刺激。对应上述两种疼痛刺激，LEP包含晚（Late）成分（与Aδ纤维有关）与超晚（Ultralate）成分（与C纤维有关）。LEP的晚成分在研究中被认为描述了中枢神经系统对痛觉的确认，如对痛点的定位和对疼痛程度的认知。绝大多数受试者的LEP都可以分成较弱的负相成分N200（N 2 ）和较明显的正相成分P200（P 2 ） [1] ，其中命名数字为其峰值的潜伏期。P 2 波幅与受试者所报的疼痛评分呈正相关关系，镇痛药吗啡对晚成分波幅也有下调作用。另外，激光具有良好的可控性，能提供连续可调的不同强度的疼痛刺激，为疼痛特异性激光诱发电位信号的筛选和相关性研究提供了必要前提。而且，激光刺激是无创刺激，易于被临床患者接受，有良好的推广前景和应用前景。
目前，国外已将LEP用于研究疼痛信号的传导机制、疼痛产生的脑机制、心理因素对疼痛的影响、清醒和苯巴比妥麻醉下LEP的差异，还用于测定周围神经中Aδ纤维、C纤维及脊髓丘脑束的传导速度，判定中枢神经系统疾病（如多发性硬化、脊髓空洞症和热带痉挛性截瘫）导致痛觉减退的机制和程度。目前在麻醉学领域已开始使用LEP对部分镇痛药物，如亚麻醉剂量的异氟烷（Isoflurane）的镇痛程度进行监测。但是，迄今为止，国际上尚未筛选出相关性良好的量化监测疼痛特异性的LEP指标，国内由于没有成熟的激光刺激器问世，所以此方面的研究尚属空白。
脑电信号的数字化处理开始于20世纪60年代，当时的研究重点主要集中在脑电信号的采集和检测上。随后，为检测棘波和慢波，有多种脑电信号自动检测手段被提出，如模拟法、专家系统检测法、神经网络法、小波变换法和非线性分析法等。
模拟法出现时期较早，首先根据经验定义出不同波形的基本形态，然后将波形特点编码，与实际波形进行比较并识别。在检测棘波时，主要通过比较波幅、尖度的大小来对脑电信号进行分类，所有设定参数完全基于波形特征，然而这些波形特征并不足以确定一个波形是否为棘波，因为其完全忽略了脑电信号对棘波的影响和对空间信息的作用。
专家系统检测法基于规则法，如Glover结合时空信息来消除脑电伪迹。专家系统检测法是通过模拟人类对脑电信号的专家认知过程，建立判别系统对脑电信号波形进行识别和确认，如Dingle使用多层专家系统识别癫痫波的存在。该方法在使用模拟法进行波形识别的基础上，应用专家系统处理了波形之外的若干特征信息，虽然这个过程基本取得成功，但规则量过大且规则标准不统一限制了此方法的应用。
近年来，人工智能和神经网络技术开始应用于脑电信号的检测与处理。神经网络具有波形提取和消噪功能，且不需要大量的规则描述。反向传播网络是目前较为常用的波形识别方法，其训练模式随着输入模式的改变而改变，有两种常见的输入模式：一种是特征参数输入法，其关键在于参数选择是否适当；二是原始数据输入法，该方法虽然可以完全保留脑电信号信息，但网络结构较大，计算时间较长。
小波变换被誉为“数学显微镜”，弥补了傅里叶变换在非平稳信号处理上的不足。小波变换具有较高的分辨率，且分辨率可分级，在时域和频域上能够处理信号的局域特征。但是，目前利用小波变换来检测脑电信号在近年来刚刚兴起。
目前研究脑电信号检测较前沿的方法基本上都是运用混沌理论。混沌系统是具有确定性支配的类随机性体系，该系统受到固定规则的支配，但表现出由复杂性产生的不可预测性，混沌系统状态会受到初始条件的细微改变的影响。混沌系统的稳定解被称为吸引子，吸引子的特性决定了混沌系统的诸多重要特征。近年来，脑电信号的混沌理论研究有以下热点：①对脑电信号的非线性证明。1985年，Babloyantz等研究发现，人类脑电信号在睡眠的第二阶段和第四阶段表现为混沌状态；Rapp等人模拟出了类似脑电信号的动态系统。②对脑电信号混沌系统维度的讨论。目前有许多研究者支持脑电信号来自低维混沌系统，其主要支持者有Rapp、Babloyantz、Başar和Röschke、Stuart和Soong；但同时也存在一些研究者不支持这一观点，Theiler通过实验分析认为，脑电信号并不处于混沌状态，仅具备非线性特性；Pritchard的研究结果表明，脑电信号至少在人平静状态下不处于低维混沌状态；Rapp和Theiler也对脑电信号的混沌系统维度提出了不同意见。20世纪90年代的一系列研究报道大多认为，原始脑电信号并不来自低维混沌系统，完全利用低维混沌理论进行脑电信号分析存在缺陷。目前关于脑电信号混沌系统维度的讨论仍存在很大争议，但是利用非线性动力学理论研究脑电信号的内在机理有很强的实用价值。
全身麻醉的目标包括使患者的思维、意识、感觉彻底消失，即实现患者的镇静。通过采用各种有效方法对患者麻醉期的脑电信号进行分析，完全可能提炼出定量表示麻醉深度的新指标，并可以与通过诱发电位信号制定的麻醉深度监测指标相互验证。
用于描述麻醉深度的各种指标，如峰值、中心频率、边缘频率、脑电双频指数等，均具有较大的个体差异性和药物差异性，严重限制了其临床应用。这主要是因为这些方法大多认为脑电信号是平稳的，没有考虑到脑电信号的混沌特性和麻醉药理作用的复杂性。本书的研究能够弥补这一缺陷，利用小波变换分析麻醉状态下的脑电信号，确定麻醉状态下评估意识消失程度和疼痛消失程度的有效指标，完善建立麻醉深度监测系统过程中使用的若干关键技术。