告别有创导管：肺动脉高压监测，正迎来一场静悄悄的革命 | 赵前程 严金印

　　你是否有过走路稍快就气息急促，爬一层楼就需要停下休息，或者即使没有明显劳累，也常感到乏力和头晕？大多数人会把这些变化归因于年龄增长、体力下降或久坐不动，但事实上，在这些看似普通的不适背后，可能潜藏着一种进展隐匿却后果严重的心肺疾病：肺动脉高压（PH）。据统计，在全球大约每100个人中，就有1人患病[1]。

　　肺动脉高压的逻辑很简单，血液要从心脏出发，通过肺动脉进入肺里“换气”，再回来供应全身。但如果患病，肺里的血管会逐渐狭窄、硬化，阻力持续升高。为了将血液挤过这条“狭窄的隧道”，右心室不得不超负荷工作。长此以往，心脏累垮了，心输出量（CO）下降，运动能力越来越差，直至出现右心衰竭。

　　图1 肺动脉高压导致的生理不适

　　在临床上，右心导管检查长期以来被视为诊断肺动脉高压的“金标准”[2]。“只需”将一根导管送入你的右心室和肺动脉，医生就可以测量肺动脉压、心输出量（CO）等关键血流动力学指标……且慢且慢，你是说要插一根管子到人的心脏里？这也太夸张了吧！虽然我们可以理解，现代医学已经可以执行这样的操作，但这样的事肯定还是尽量避免。用更专业的语言说，这是一项有创操作，不仅费用高、流程复杂，也给患者带来心理和身体上的负担，更不适合频繁重复。那能不能有一种办法，既不插管，又能精准掌握心肺状态呢？

　　这一愿景，正逐渐走向现实。一场围绕“无创血流动力学监测”的技术变革，正在悄然展开。未来，你只需要舒舒服服躺在床上，借助无创传感设备，手机或电脑就能告诉你：“今天你的心跳节律整齐，无早搏、房颤等心律失常表现”，“最近心输出量有上升趋势，坚持运动有成效”……你可以不用去医院、不用扎针、不用插管，躺在家里就能实时监测心肺状态。

　　这背后，光纤扮演着重要角色。它不是冷冰冰的工业零件，而更像一根极其敏感的“神经”，能捕捉到肉眼完全察觉不到的微小振动。除呼吸振动外，心脏每一次收缩和舒张，身体都会产生极其轻微的振动，这些振动信号被称为心冲击信号（BCG）。有人会想到心电图（ECG），它不也是监测心脏活动的信号吗？没错，但BCG更“懒人友好”。它不需要在皮肤上贴一堆电极,只要把光纤嵌入床垫里，就可以实时监测人体的微小振动。基于这个思路, 一款内置马赫-曾德尔（MZ）光纤干涉结构的智能床垫应运而生。它通过特殊封装手段，不需要直接接触皮肤，就可以连续监测BCG和呼吸信号。

　　图2 基于MZ光纤干涉仪的传感床垫结构

　　当有人躺在上面，其呼吸起伏与心脏搏动会使床垫内的光纤产生微形变，从而导致其中两束光路的光信号发生改变，系统可以精准捕捉使用者的BCG与呼吸信号。与此同时，再搭配一个我们日常测血氧常用的光电指夹，同步采集光电容积脉搏波（PPG）。BCG和PPG相结合，便构成了从心脏泵血到外周血液灌注的完整生理链条，而心输出量正是链条中最直观的指标。

　　图3 相关信号采集场景图

　　什么是心输出量？它就是心脏每分钟能泵多少升血，直接决定你能逛多久街、爬多高楼梯。很多研究都发现，肺高压患者只要能科学的进行康复运动，心输出量有所提升，喘气、疲劳的感觉就会明显减轻[3]。但需要注意的是，运动会增加血流量，加重心脏负担，万一练过头了呢？所以，最理想的状态是运动后可以多次方便地监测心输出量。

　　问题又绕回来了，不插导管怎么测？答案就藏在BCG和PPG信号的波形里，波形的特征与心输出量有着紧密的联系，但这种联系错综复杂，靠人眼看？难！近年来，深度学习尤其是卷积神经网络（CNN）在处理复杂生理波形方面展现出强大能力。CNN无需人工预先定义特征，便可通过多层卷积自动学习波形中的关键特征，直接从BCG和PPG信号中回归预测CO值。

　　图4 卷积神经网络模型预测CO流程图

　　在过去，已有研究验证了多种信号组合预测CO的潜力。有人利用PPG+动脉压波形，输入到U-Net（一种CNN）＋长短期记忆网络（LSTM）的组合模型里，预测的CO跟插管测出来的相关性在0.9以上。然而，动脉压波形的采集仍属微创操作[4]。还有人把心震图（SCG）+心电图+体质指数丢进CNN，也预测得很准，但在穿戴舒适度与监测实时性方面，仍有优化的空间[5]。

　　于是，我们找到一条更“生活化”的方式。在完全无创的前提下，利用光纤传感床垫无接触采集BCG信号，光电指夹采集PPG信号，再交给CNN。训练的参照标准，依然来自右心导管的真实测量CO值。

　　图5 日常监测技术和应用场景

　　结果显示，无论是训练集还是测试集，模型预测结果与“金标准真值”相当接近，而且这种方法兼具舒适、连续和实时监测的优势。

　　图6 BCG和PPG预测CO的训练集和测试集散点图

　　这项技术的意义在于实现了心输出量的无创监测，当心脏的状态能被如此轻松地捕捉，我们便能及时察觉异常，更早地采取行动。也许在不远的将来，肺动脉高压的管理不再完全围绕着“哪天去医院做检查”，而是融入到患者每天的生活里。

　　参考文献

　　[1]Mocumbi A, Humbert M, Saxena A, et al. Pulmonary hypertension [J]. Nature Reviews Disease Primers, 2024, 10(1): 1.

　　[2]Del Rio-Pertuz G, Nugent K, Argueta-Sosa E. Right heart catheterization in clinical practice: a review of basic physiology and important issues relevant to interpretation [J]. American journal of cardiovascular disease, 2023, 13(3): 122-37.

　　[3]Waziri F, Mellemkjær S, Clemmensen T S, et al. Long-term changes of exercise hemodynamics and physical capacity in chronic thromboembolic pulmonary hypertension after pulmonary thromboendarterectomy [J]. International Journal of Cardiology, 2020, 317: 181-7.

　　[4]Xu X, Tang Q, Chen Z. Improved U-Net Model to Estimate Cardiac Output Based on Photoplethysmography and Arterial Pressure Waveform [J/OL] 2023, 23(22):9057[10.3390/s23229057

　　[5]Wang J, Nouraie S M, Kelly N J, et al. Deep Learning Predicts Cardiac Output from Seismocardiographic Signals in Heart Failure [J]. The American Journal of Cardiology, 2026, 259: 97-104.