脑复杂性与麻醉-意义及评估.docxVIP

脑复杂性与麻醉-意义及评估前g 对复杂系统的研究如何影响麻醉学的实践呢？整个身体是一个结构化但适应性强的 系统，由许多不同规模的大量相互作用的组件组成。因此，复杂的系统现象在生理 学和药理学的各个方面都可以看到。大脑是一个复杂的适应系统，会产生各种紧急 现象，如意识和记忆。对于大脑系统及其电生理输出：主要是自发脑电（EEG）记 录，也包括脑磁图或诱发反响。这样一个复杂系统的功能似乎不太可能用一个量化 其复杂性的数字来衡量。只有当大脑能够访问和协调适当的大量状态时，意识才能 出现，所以复杂性的测量和评估可以追踪麻醉对意识的损伤。那么，哪个大脑复杂 性指数最能捕捉到与意识特别相关的实际大脑复杂性仍是一个值得探索的问题。 复杂性指数的类型及其与燧的关系复杂性指数的类型分为三类：第一类复杂性度量指系统的基本设计或输出相对简 单，但具有难以描述的大量随机性；第三类复杂性度量指系统具有难以描述的复杂 内在结构；第二类复杂性度量那么是具有两者的混合。而烯可以用来量化系统中不规 那么性、随机性或可预测性程度。端经常被用作第一类复杂性度量，其中复杂性随着 随机性的增加而增加（图1A-B）。但是第一类复杂性度量存在局限性：最大随机性 不一定对应于涌现现象。因为最大随机性说明系统处于热力学平衡，而复杂系统的 特征之一是它们不处于平衡。而第二类复杂性度量就完美的解决了这一问题。当存 在完美的规律性时，以及当存在无约束的随机性但峰值位于这两个极端之间的某个地方时，都具有低值（图1C）。 A▲ bawlmc? twftunnc0 Mihagth kdaminc ■ ancMbctk kcuuiuiKRandomnessRandomness图1：显示了异氟酸和氯胺酮在麻醉和亚麻醉剂量下如何改变第一类和第二类复杂性指数。它说明，第一类复杂 性不能区分麻醉剂氯胺酮和基线清醒，事实上可能会显示麻醉剂氯胺酮的一些非常错误的高值；而第二类复杂 性正确地将低值归因于这些点。类型1和类型2的复合体在异氟酸昏迷时都能正确地产生低值。如果我们使用单个脑电通道的时间复杂性来估计大脑状态，那么第一类复杂性指数 （如Lempel-Ziv复杂性、排列嫡和近似嫡）似乎更加合理的阐释脑的复杂性。因为当 EEG信号具有高度随机性时，通常会出现意识，出现平坦的功率谱。而麻醉后意 识消失通常与a和 A ▲ bawlmc ? twftunnc 0 Mihagth kdaminc ■ ancMbctk kcuuiuiK Randomness Randomness 与分析单一脑电通道的不规那么性相比，如果我们测量空间大脑网络连接来量化大脑 的组织程度，那么第二类复杂性指数或第三类复杂性指数可能更合适，这是因为唤 醒状态不是以随机连接为标志，而是在存在某种连接结构和模式时出现。 时间复杂性大多数研究已经将各种复杂性算法应用于单通道脑电时间序列，并成功地说明麻醉 使脑电更简单/更可预测。为了产生最终的指数，需要进行一系列的方法选择。这 些包括脑电蒙太奇、频带或时间段长度的选择、符号序列的形成（过零、排列、阈 值的选择）、复杂性或焙算法的应用、归一化的作用以及替代物。 Lempel-Ziv复杂度是Zip文件压缩的基础，是熠率的估计器，因此是第一类型复杂 度指数。通过推导简单信号（例如深度麻醉）（图3A）和复杂的信号（例如可能在 清醒的大脑中看到的信号）（图3B）的Lempel-Ziv复杂性可以发现：规那么或简单的 信号只有四种类型的单词，而复杂或不规那么的信号具有较大的八个序列或单词的多 样性，因此具有更高的Lempel-Ziv复杂性（图3）。 EF bl 1 1 I 0*0 0 0 0 bl 1 I I 0 0 0 0 0 II-0-1 1-0 0-0 0 1?! I 1 I 0-0 0 1 I 0 I 0number ofwords = 4number of vwords=8 图3描述了推导简单信号（例如深度麻醉3a）和复杂的信号（例如可能清醒的大脑3B）的Lempel-Ziv复杂性的分析 过程的细节。 Lempel-Ziv的复杂性与信号频率、信噪比、噪声带宽和波形形状等有关。随着信号 频率的增加，Lempel-Ziv的复杂性也增加（图4A）；随着噪声水平的增加，Lempel-Ziv的复杂性也增加（图4B）；如果信号变得更非正弦，Lempel-Ziv的复杂性不会受 到影响，因为过零点（以及由此产生的。和1）保持不变（图4C）。因此，在清醒和额 肌张力较大的情况下，脑电的Lempel-Ziv复杂性较高。 B-4 2 0 8V 1 1 1 O? ? ? ? o o o O 3x@duJ0u NaidE 聋Number of harmonicsFrequency [Hz]图4： Lempel-Ziv