《Neuroscience》：Reduced EEG complexity in stable coronary artery disease: an evidence of covert brain dysfunction
编辑推荐：
本研究针对冠心病（CHD）常伴随隐匿性脑损伤的问题，通过非线性脑电图（EEG）分析，首次系统评估了CHD患者静息态EEG信号的复杂度特征。结果表明，CHD患者在全脑多个电极位点的LZCmean、LZCmidp、SampEn、PLZC和PE均显著降低，且复杂度指标与年龄、病程呈负相关，与左室射血分数（LVEF%）正相关。这一发现为心血管疾病相关的中枢神经功能损害提供了新的电生理证据，提示EEG复杂度或可作为CHD患者脑功能损害的潜在生物标志物。
心血管疾病与神经系统功能障碍的关联日益受到关注。冠心病（Coronary Heart Disease, CHD）作为全球范围内致残和致死的主要病因之一，不仅直接损害心脏功能，越来越多的证据表明其常伴随脑组织的结构与功能改变。这类脑损伤可进一步引发认知、情绪及行为异常，显著增加医疗负担并降低患者生活质量。然而，由于早期脑功能改变缺乏典型临床症状，如何敏感、无创地识别CHD患者的隐匿性脑功能障碍，成为临床实践中的一大挑战。
传统脑电图（Electroencephalogram, EEG）分析多基于线性假设，难以充分捕捉大脑这一复杂非线性系统产生的信号动态特征。非线性动力学指标，如Lempel-Ziv复杂度（Lempel-Ziv Complexity, LZC）、样本熵（Sample Entropy, SampEn）、排列熵（Permutation Entropy, PE）等，能更有效地量化EEG信号的复杂性、不规则性和不可预测性，为揭示病理状态下脑电活动的细微改变提供了新视角。尽管此前有研究在心力衰竭等心脏病人群中观察到EEG异常，但针对CHD患者EEG复杂度的直接评估仍属空白。发表在《Neuroscience》上的这项研究，正是为了填补这一空白，旨在通过多维非线性指标系统刻画CHD患者的EEG复杂度特征，并探索其与临床指标的相关性，为理解CHD相关的中枢神经损害提供新的电生理证据。
为达成研究目标，研究人员开展了一项病例对照研究。他们从社区招募了27名经临床确诊的稳定性CHD患者，并匹配了27名在年龄、性别、教育年限等方面无显著差异的非CHD健康对照者。所有参与者均接受了详细的临床评估，包括 demographics（人口统计学资料）、血管危险因素、用药史以及匹兹堡睡眠质量指数（Pittsburgh Sleep Quality Index, PSQI）、汉密尔顿抑郁量表（Hamilton Depression Rating Scale, HAMD）、汉密尔顿焦虑量表（Hamilton Anxiety Rating Scale, HAMA）和简易智力状态检查（Mini-Mental State Examination, MMSE）等神经精神量表评估，以确保两组在基础状态上具有可比性。
研究的核心数据来源于静息态EEG记录。在标准化的实验环境下，使用64导联EEG系统采集参与者睁眼静息状态下的脑电信号，持续至少5分钟。获得的原始数据经过一系列严格的预处理流程，包括滤波（0.5–45 Hz）、降采样（至250 Hz）、坏道剔除与插值、独立成分分析（Independent Component Analysis, ICA）去除眼动、肌电等伪迹，最终得到干净的EEG数据用于后续分析。
关键的技术方法在于计算了四种非线性EEG复杂度指标：
- 1.
Lempel-Ziv复杂度 (LZC)：通过将EEG时间序列二值化（分别以信号均值LZCmean和动态范围中点LZCmidp为阈值），然后分析新模式出现的速率，量化信号复杂性。
- 2.
排列Lempel-Ziv复杂度 (PLZC)：在LZC基础上，先对EEG信号进行相空间重构和排列符号化，再计算复杂度，对动力学结构更敏感。
- 3.
样本熵 (SampEn)：衡量时间序列中模式重复出现的概率，熵值越低表示信号越规则、越可预测。
- 4.
排列熵 (PE)：基于排列模式的概率分布计算香农熵，反映时间序列的随机程度。
统计分析采用独立样本t检验比较组间差异，并对p值进行错误发现率（False Discovery Rate, FDR）校正。在CHD组内，通过Pearson相关分析探讨EEG复杂度与年龄、病程、左室射血分数（Left-Ventricular Ejection Fraction, LVEF%）的相关性，并使用点二列相关分析复杂度与病变冠状动脉数量的关系。此外，还通过多元线性回归模型控制了阿司匹林用药等潜在混杂因素的影响。
研究结果
参与者特征
CHD组与非CHD对照组在年龄、性别、BMI、教育年限、吸烟饮酒史、高血压、糖尿病、高脂血症病史以及PSQI、HAMD、HAMA、MMSE评分上均无统计学差异，表明两组基线特征匹配良好。唯一显著的差异是CHD组服用阿司匹林的比例更高。后续分析中，研究者通过统计模型排除了阿司匹林对大部分EEG复杂度指标差异的影响，确认观察到的组间差异主要源于CHD本身。
EEG非线性指标的比较
与对照组相比，CHD组在多个头皮电极位点表现出显著降低的EEG复杂度：
- •
LZCmean 在T8、CP6、C6电极显著降低。
- •
LZCmidp 在T8、P8、FC6、C6、AF8、FPz电极显著降低。
- •
PLZC 在C4、T8、FC2、CP6、FT8电极显著降低。
- •
SampEn 在P1电极显著降低。
- •
PE 在T7、CP6、C2、C5电极显著降低。
地形图显示，这些差异分布广泛，涉及额叶（如AF8, FPz, FC2, FT8）、颞叶（T7, T8）、顶叶（P8, P1）、中央区（C2, C4, C5, C6）以及顶颞交界区（CP6）等脑区。这表明CHD相关的脑电复杂性降低并非局限于特定区域，而是具有一定普遍性。
CHD组内混杂因素与非线性指标的多元线性回归
在控制多种因素后，多元回归分析显示，较高的LVEF%与T8电极的LZCmean和FC2电极的PLZC呈正相关。而病变冠状动脉数量的增加则与T8电极的LZCmidp和C2电极的PE呈负相关。这表明心脏功能越好，某些脑区的电活动复杂性可能相对保留；而冠状动脉病变越严重，脑电复杂性可能越低。
CHD患者组内EEG非线性指标与疾病特征的相关性分析
相关性分析进一步揭示了EEG复杂度与CHD临床特征的密切联系：
- •
疾病病程 与FPz和FC6电极的LZCmidp呈显著负相关，即病程越长，这些脑区的复杂度越低。
- •
LVEF% 与CP6电极的PLZC和T8电极的LZCmean呈显著正相关，提示心功能较好的患者，其特定脑区的电活动复杂性也较高。
- •
年龄 与CP6电极的PE、P1电极的SampEn以及T8电极的LZCmidp呈显著负相关，符合年龄增长导致脑功能复杂性普遍下降的规律。
- •
病变冠状动脉部位或数量 与任何EEG复杂度指标均未发现显著相关性。
在非CHD对照组中，也观察到了年龄与部分电极（C6的LZCmean，T8、CP6、FT8的PLZC）复杂度的负相关，这反映了生理性衰老对脑电活动的影响。
研究结论与讨论
本研究首次综合应用多种非线性动力学指标，证实了稳定性冠心病患者静息态脑电图复杂性的广泛性降低。这一发现为“脑心轴”相互作用提供了新的电生理学证据，表明即使在无明显神经系统症状的CHD患者中，也可能存在隐匿的脑功能失调。
EEG复杂度的降低可能反映了CHD导致的脑组织缺血缺氧对神经元活动的影响。缺血缺氧会损害神经元的正常放电模式、突触可塑性及神经网络连接的效率，从而使脑电信号趋于规则化、简单化，复杂性下降。这与在阿尔茨海默病等认知障碍疾病中观察到的EEG复杂度降低模式有相似之处，提示CHD可能通过类似的机制影响脑功能，增加认知衰退的风险。
研究发现EEG复杂度与年龄、CHD病程负相关，与LVEF%正相关，这与既往研究显示的这些因素对脑功能的影响一致。年龄增长和CHD病程延长伴随的脑结构退行性变（如皮质变薄、灰质体积减少），以及心功能下降导致的脑灌注不足，都可能是驱动脑电复杂性降低的潜在病理生理机制。
尽管本研究未能明确EEG复杂度降低与特定行为或认知域损害的直接关联，但其结果具有重要的潜在临床意义。EEG复杂度指标或许能作为CHD患者脑功能损害的早期、无创生物标志物，有助于识别高危个体并进行早期干预。此外，理解CHD如何影响大脑，对于开发针对心脑共病的新型治疗策略至关重要。
当然，本研究也存在一些局限性，如样本量相对较小，横断面设计无法推断因果关系，EEG的空间分辨率有限等。未来研究需要更大样本的纵向队列，结合功能磁共振成像（fMRI）、经颅多普勒（TCD）等脑结构与脑血流评估技术，并深入探讨EEG复杂度与神经心理学表现的关联，以进一步明确其临床价值。
总之，这项研究揭示了冠心病患者大脑电活动复杂性的特征性改变，深化了对心血管疾病神经并发症的理解，为心脑疾病的交叉研究开辟了新的方向。
