基于穿戴式心肺生理参数的健康状态辨识方法探索

The state of health is an abstract concept. The investigation on health state quantification and identification is critical for both health-oriented medical mode and "sub-health" related researches. The application of wearable technology on healthcare will produce a large amount of dynamical data on personal health. Compared with rapid development of wearable devices, the ability of understanding and analyzing this type of dynamical data is limited. This project takes the physiological time series (ECG and respiration) acquired by wearable system as a window to observe the human complex system, and try to acquire new features and establish new methods on health state identification from two aspects: physiological time series dynamical fluctuation and cardiopulmonary coupling analysis. To achieve this purpose, we will first investigate the approaches and techniques used for processing and analyzing the dynamical time series acquired by wearable systems. Much attention will be paid on multiple scale entropy analysis and cardiopulmonary coupling analysis. Then, with these tools developed, we will investigate the state of health from several levels: sleep quality during nighttime, system complexity during daytime, reaction of physiological signals to exercise and recovery phase, cardio-respiratory coherence, fatigue-restoration cycle and interpretation of sleep, and obtain features and methods on health state identification. Finally, we will use large volume of data acquired by wearable systems to validate these features and methods for health state identification, and try to discover new knowledge. The research results will promote the application of wearable technology in healthcare, and contribute to the Healthy China 2020 program.

健康状态是一个抽象的概念。健康状态的量化表达和辨识对于"健康医学模式"的发展和"亚健康"相关研究都具有重要意义。可穿戴技术在健康监测领域的应用将产生大量、连续动态的人体生命信息数据，但目前对这类数据的解读和分析能力还十分有限。本课题以可穿戴技术获得的长时程（24小时）、动态心肺生理参数（心电和呼吸）为人体系统状态的观测窗口，从生理参数复杂波动和心肺耦合的新视角，探索健康状态量化表达和辨识方法。课题首先研究穿戴式、动态心肺生理信号处理和分析技术，重点研究多尺度熵分析技术和睡眠心肺耦合分析技术，然后以这些技术为工具，从夜间睡眠质量、白天系统复杂度、运动应激反应、心肺协调性、疲劳-恢复过程、睡眠过程信息解读等多个层次，归纳、总结健康状态量化表达和辨识方法。最后通过大样本数据库，进一步验证相关结论并发现新知识。本课题的研究成果将在基于可穿戴技术的健康监测领域发挥重要作用，服务于"健康中国"战略。

人体健康状态的量化表达和辨识对于"健康医学模式"的发展和"亚健康"相关研究都具有重要意义，本项目基于可穿戴技术获取的连续心肺生理参数，尝试从不同的角度和层次探索人体健康状态量化表达和辨识方法。本项目开展了以下主要研究内容：（1）穿戴式心肺生理信号处理和分析技术研究；（2）医用诊断级随行监护系统的研发及临床应用研究；（3）健康状态量化表达和辨识研究。本项获得了以下重要成果：（1）完成了从基础算法到批处理算法到机器学习等算法的研发工作，形成了一套能够支持穿戴式心肺生理参数处理和状态分析的算法；（2）研制了能够满足真实医疗场景使用的、穿戴式生理参数监测系统，其监测数据的准确性和可靠性以及系统舒适性达到了医用诊断级要求，基于该系统在临床环境下收集了大量高质量连续动态生理和临床数据；（3）从三个维度提供了人体健康状态量化表达和辨识的技术手段，包括基于纯生理时间序列分析的，如心肺耦合、整体健康度（心率多尺度熵分析）、睡眠质量分析、呼吸事件检测、心率变异性分析、去趋势波动分析、精神压力分析、活动量和能量消耗、风险事件分析等；与中医的“子午流注”等理论结合，通过生理参数节律变化、耦合关系变化、事件的时间分布特性分析等，基于中医的“象思维”来解读分析睡眠中的心肺生理参数，辨识健康状态；以及基于大数据和机器学习方法的健康状态量化表达，采用高斯核函数、相似度分析以及循环神经网络等技术，通过有监督和无监督学习的方式得到人体所处的不同状态（Baseline）信息，实现个体化健康状态评估。本课题的研究成果开创了一种新的基于可穿戴技术的慢病患者住院监护模式，代表了未来监护技术的发展方向；更重要的是为健康状态量化表达和辨识研究开辟了两个新的思路和视角：与中国传统医学中的“状态”相关理论的结合，以及与机器学习、人工智能技术的结合，后续随着高质量大样本临床数据的积累，这方面研究一定能取得更大突破，产生颠覆性创新成果。