在腹膜透析期间低血压的风险分层管理中，可穿戴心电图（ECG）和脉搏血氧饱和度（PPG）监测技术的应用

《Biomedical Signal Processing and Control》：The use of wearable ECG and PPG monitoring technology in the risk stratification management of intradialytic hypotension

　　

聂玉辰|蔡云|朱强|周国辉|刘健|向伟|黄超|王道苗|钟高彦|邓新涛|袁英|谢家勇|杨翠薇

复旦大学生物医药工程学院，上海200433，中国

摘要

透析中低血压（IDH）是血液透析（HD）的一个重要并发症，与较高的发病率和死亡率相关。然而，在常规临床实践中，准确识别高风险患者仍然具有挑战性。大多数现有的预测方法依赖于静态临床变量或间歇性测量，对透析过程中IDH风险的变化了解有限。我们开发并验证了一个机器学习（ML）模型，该模型整合了可穿戴心电图（ECG）和光电容积描记（PPG）信号，以实现IDH的风险分层，并确定接受HD患者的临床信息窗口。

这项回顾性研究招募了来自中国四个中心的401名维持性HD患者。患者被分为三类：高风险（透析期间出现IDH）、中等风险（透析后一个月内出现IDH）和低风险（无IDH）。在三个时间窗口内收集了连续的心电图和PPG信号：早期阶段（开始后0-40分钟）、中期阶段（40-80分钟）和晚期阶段（80-120分钟）。采用带有SMOTE平衡和贝叶斯优化成本敏感框架的平衡随机森林（RF）分类器，在52名独立患者上进行了验证。

平衡RF模型在早期阶段的性能最佳，F1分数为0.537，准确率为0.687，高风险召回率为0.667。早期监测获得了最高的核心面积（AUC）0.753和 Area Under the Precision-Recall Curve（AUPRC）0.446，用于高风险检测。特征消融显示PPG减少了假阳性，而ECG提高了高风险敏感性。

早期可穿戴ECG和PPG监测能够实现有效的三级IDH风险分层，并具有临床意义的敏感性，为HD护理中的预防性干预提供了最佳操作窗口。

引言

血液透析（HD）是终末期肾病（ESKD）患者的生命维持疗法，但经常伴有透析中低血压（IDH），大约8-40%的透析会话会出现这种情况[1], [2], [3], [4], [5]。重要的是，IDH不仅仅是一个暂时的透析期间事件。反复发作的IDH与全因死亡率增加[6]、残余肾功能加速丧失[7]、心肌顿抑[8]、脑缺血[9]和血管通路血栓形成[10]有关，这凸显了其重要的临床意义[11]。

尽管IDH很重要，但在常规实践中预测它仍然具有挑战性。传统的风险分层工具主要依赖于透析前的静态变量（例如年龄、合并症和基线血压），往往无法捕捉超滤过程中发生的复杂和动态的血流动力学变化[12], [13], [14]。这些机制不仅因患者而异，而且在单次透析的不同阶段也会有所不同，因此很难依赖透析前的静态变量。

近年来，人工智能（AI）和机器学习（ML）技术越来越多地应用于IDH预测[15], [16], [17], [18], [19]，在多个独立队列中取得了有希望的结果。然而，当前的技术还存在几个关键差距。首先，大多数现有模型将IDH视为一个二元的透析期间事件，忽视了这样一个临床现实：即使在透析期间血压正常的患者，在治疗结束后也可能仍有发生低血压的风险[3], [20], [21]。这种关注限制了预测在透析后护理计划中的临床实用性。其次，以往的研究主要依赖于结构化的临床变量[15], [16], [17], [18]或单一的生理指标[19]。虽然这些方法提供了有价值的信息，但它们忽略了来自连续多模态生理监测的丰富补充信息，例如用于评估心脏活动的心电图（ECG）和用于检测外周血管张力的光电容积描记（PPG），这些信息对于评估心血管代偿机制至关重要。Wunderle等人最近的一项可行性研究[22]通过探索使用结合ECG和PPG得到的脉冲到达时间来跟踪HD期间的血压变化，为解决这一差距迈出了一步。然而，他们的工作仍然集中在血流动力学监测上，而不是直接预测IDH事件，其适用于不同透析阶段的风险分层还需要进一步研究。第三，现有的建模方法隐含地假设预测信息在整个透析过程中的时间同质性，没有系统地评估预测价值在透析不同阶段的变化，从而使得早期风险评估的最佳时机不确定。因此，早期风险评估的“黄金窗口”——是在第一个小时还是在透析中期——仍然没有明确，阻碍了针对不同阶段的预防性干预措施的发展。

为了解决这些最近研究中的局限性，我们假设将连续可穿戴生理信号与成本敏感的ML相结合可以提高常规HD护理中IDH风险分层的精确度。通过利用实时的ECG和PPG信号，而不是静态的透析前特征或间歇性的血压（BP）测量，我们捕获了透析期间动态的心血管和自主神经系统变化。具体来说，本研究在三个维度上对该领域做出了贡献：（1）我们通过引入三级风险分层方案，将IDH预测扩展到超越二元分类，从而实现更具有临床意义的患者脆弱性评估；（2）我们在不同的透析窗口进行系统的时间分辨分析，以表征阶段依赖的预测模式，从而确定最早和最有信息量的干预时间点；（3）我们实施了成本敏感的优化策略来解决类别不平衡问题，优先考虑高风险敏感性，以确保临床安全。

章节摘录

研究设计和可穿戴设备

这项回顾性研究于2024年10月至12月在中国兴化市的四个HD中心进行。研究方案得到了所有参与中心的机构审查委员会的批准（批准编号：JSXHRYLL-NK-202202）。鉴于研究的回顾性质以及使用了完全匿名化的数据集，因此免除了对患者进行知情同意的要求，因为研究对患者的风险很小。所有个人识别信息都被严格删除，以确保

结果

为了对我们的提出框架进行有针对性的评估，第3.1节首先展示了主要模型（平衡RF）在其最佳配置下的性能：使用早期索引窗口（0-40分钟）、全部109个提取的特征以及整合的重采样和成本敏感策略。这一重点介绍为后续的比较和探索性分析奠定了基础。其余部分的组织如下：第3.2节评估

时间动态和早期风险检测的临床重要性

本研究的一个关键发现是，透析开始后的0-40分钟窗口为IDH风险分层提供了最具信息量的时期，其性能优于中期和晚期阶段以及整个阶段的监测。这一发现得到了第3.2节和表3中的系统比较的支持，其中0-40分钟窗口在多个性能指标上始终优于中期、晚期和整个阶段的窗口，证明了其临床价值

结论

本研究表明，在HD早期阶段（0-40分钟）进行连续的可穿戴ECG和PPG监测可以有效地对IDH进行风险分层（高风险组AUC：0.753，召回率：0.667）。主要创新包括：（1）时间分割的性能分析表明早期监测阶段的优越性；（2）整合过采样和成本敏感优化的算法框架，以解决严重的类别不平衡问题；（3）揭示了

CRediT作者贡献声明

聂玉辰：撰写——原始草稿、可视化、验证、软件、方法学、调查、形式分析、概念化。蔡云：撰写——原始草稿、可视化、验证、软件、方法学、调查、形式分析、概念化。朱强：资源、数据管理。周国辉：监督、调查。刘健：方法学、调查。向伟：资源、调查。黄超：资源、调查。王道苗：资源，

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。

致谢

本工作得到了江苏省卫生健康委员会的医学科学研究教学项目（Z2022030）的资助。