基于SSVEP（稳态视觉诱发电位）的脑机接口技术可实现分级呼吸困难自我报告：在健康志愿者中的概念验证研究

《Journal of NeuroEngineering and Rehabilitation》：SSVEP-based brain–computer interface enabling graded dyspnoea self-report: proof-of-concept study in healthy volunteers

机械通气患者因语言障碍难以评估呼吸困难，本研究通过SSVEP-BCI设计让患者通过视觉刺激频率反馈呼吸困难程度。49名健康志愿者在正常呼吸、呼吸阻力加载、阈值加载及二氧化碳吸入等条件下测试，采用检测型BCI（D-BCI）和LED量化型BCI（LAS）。D-BCI使用12-30Hz不同频段刺激，最佳20-30Hz时ROC曲线下面积(AUC)达0.89；LAS采用高低频组合，低频组AUC为0.84。结果显示BCI可有效检测量化呼吸困难，但需进一步验证临床适用性。

　　

摘要

背景

接受机械通气治疗的患者可能会经历呼吸不适，而在语言交流能力受损的情况下，这种不适很难进行评估。我们评估了一种基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）的性能，该接口旨在帮助患者在这种情况下自我报告呼吸困难情况。

方法

研究选取了49名健康志愿者，在五种不同的呼吸状态下进行测试：正常呼吸（NB）、吸气阻力负荷（IRL）、吸气阈值负荷（ITL）、二氧化碳吸入（CO?）以及恢复到正常呼吸状态（NBWO）。使用视觉模拟量表（VAS）来评估呼吸不适的程度。测试了两种BCI模型：一种是用于区分“呼吸正常”和“呼吸困难”的检测型BCI（D-BCI）；另一种是定量型BCI，采用基于LED的模拟量表（LAS）形式，由五个发光二极管组成。视觉刺激的频率分别为：D-BCI为12–15 Hz、15–20 Hz和20–30 Hz；LAS为低频（13–17–19–23–29 Hz）和高频（41–43–47–53–59 Hz）。通过接收者操作特征（ROC）曲线来评估系统的性能，ROC曲线下面积（AUC）作为主要评估指标。

结果

在D-BCI组中，参与者在IRL、ITL和CO?条件下报告了明显的呼吸不适；在LAS组中，则在ITL和CO?条件下报告了呼吸不适，这体现在VAS评分上明显高于正常呼吸状态。表现最佳的频率组合是D-BCI的20–30 Hz（AUC 0.89 [0.89–0.90]）和LAS的低频（AUC 0.84 [0.83–0.85]）。

结论

本研究表明，基于SSVEP的BCI能够成功检测并量化健康个体在实验中产生的呼吸困难。需要进一步研究以评估其在评估无法交流患者呼吸困难方面的临床适用性。