摘要
次声心动描记术（IH）通过耳内麦克风捕捉低频振动信号，提供了一种新的血压监测方法。我们报告了IH波形与心导管（CC）获得的主动脉血压测量值之间的强相关性（r=0.95）。时间分析确认了IH信号的主动脉起源，在12.1±1.6毫秒的微小差异范围内排除了外周起源假设。我们测试了基于波形形态学预测收缩压（SBP）和舒张压（DBP）的方法。12名受试者平均预测值与参考值的标准差为：CC数据SBP 4.1 mmHg/DBP 2.4 mmHg，IH数据SBP 5.8 mmHg/DBP 3.7 mmHg。这些结果表明血压信息编码在波形动态变化中。通过捕捉精确的心血管信号，IH技术可实现早期干预和个性化治疗。
引言
血压监测对于高血压管理、减少住院后复发以及评估临床试验中药物的心血管安全性至关重要。尽管高血压诊断相对简单且有经济有效的治疗药物，但全球仍有约5.8亿人未确诊，占男性51%和女性41%。联网式血压计提供了替代传统诊室监测的方案。目前开发中的无袖带血压监测技术需要进一步验证才能临床应用。近年来出现的连续无创血压（NIBP）监测技术包括光体积描记（PPG）和脉搏传导时间（PTT）等方法。随着可穿戴设备的普及，需要将这些技术整合到临床实践和日常生活中。
在这种背景下，次声心动描记术（IH）展现了前景。该技术利用现有降噪耳机技术，通过耳道麦克风测量<20Hz的低频生物声波信号。这些信号来自心血管系统，通过动脉、骨骼等传导至耳道，形成独特的"听觉组"特征。IH可在播放音乐或通话的同时进行生物信号记录，其性能已通过与心电图（ECG）的对比验证（r=0.99），并能监测呼吸引起的生理变化。基于IH数据的算法可区分心房颤动和窦性心律，其准确度与ECG相当。
尽管此前研究已验证IH在心律分析和血流动力学评估的潜力，但其在血压估算中的应用尚未充分探索。本研究提出基于耳道IH信号波形特征的连续无袖带血压监测新方法，首次将消费级无线耳机与侵入式金标准数据结合，应用机器学习模型训练压力波形。
结果
Wiggers图分析
在斯克里普斯医疗中心的临床研究中，我们分析了18名受试者的IH数据。图1和图2展示了两名典型受试者的Wiggers图，显示了IH波形与主动脉压力波形的高度一致性（相关系数0.997和0.976）。整个样本（2171个心动周期）的平均相关系数为0.95，表明IH信号能可靠反映血流动力学事件。
主动脉瓣启闭时序
通过同步IH、CC和ECG数据（毫秒级精度），我们分析了主动脉瓣启闭（AVO/AVC）时间。14名受试者左耳IH信号的左心室射血时间（LVET）与CC测量值高度相关（r=0.92），标准差11.1毫秒。左右耳信号比较显示标准差11.6毫秒。这种微小差异排除了颈动脉起源假说。
血压预测模型
基于波形形态学特征的机器学习模型实现了精确预测。12名受试者（≥90个心动周期）的预测精度：CC数据SBP标准差4.1 mmHg/DBP 2.4 mmHg，IH数据SBP 5.8 mmHg/DBP 3.7 mmHg。特征包括心动周期时序、波形一阶和二阶导数等。模型使用梯度提升和LASSO回归算法，5折交叉验证显示预测值在±5 mmHg范围内，符合临床标准。
讨论
本研究验证了IH技术在非侵入式血流动力学监测的潜力：1) IH波形与主动脉压力高度相关（r=0.95）；2) 确认信号源于心脏和主动脉（AVO时差1.6±12.1毫秒）；3) 波形形态学特征可实现高精度血压预测（个体模型标准差<4 mmHg）。该技术的优势包括：1) 与现有耳机整合；2) 避免"白大衣效应"；3) 结合惯性传感器提供运动背景数据。
研究局限性包括：1) 样本量小（18例冠心病患者）；2) 体位限制（卧位休息）；3) 设备原型依赖有线连接。未来需要扩大样本量，验证技术在不同人群和日常活动中的可靠性，开发无线微型化设备。
方法
数据采集
数据来自斯克里普斯医疗中心（NCT04636892）的临床研究，24名接受心导管检查的冠心病患者中18例纳入分析。同步记录MindMics耳机信号、心电图（ECG）、脉冲多普勒超声和心导管数据。数据采样率1 kHz，经数据采集系统（DAQ）传输至云端存储。
信号处理
通过专有算法校正仪器效应后，IH信号与CC波形配准。15个连续心动周期波形叠加生成平均波形，质量评估采用互相关评分（阈值>0.8）。最终数据集包含2171个心动周期的同步IH和CC波形。
机器学习模型
使用梯度提升（GBM）和LASSO回归算法，基于波形形态学特征预测SBP和DBP。个体模型训练采用80/20训练测试分割，5折交叉验证。特征包括：心动周期时序（IBI、LVET）、收缩期面积、波形矩量、导数振幅比等。添加5个测试受试者的训练数据后，模型精度显著提升（标准差降低至8.6/4.8 mmHg）。
【全文结束】
