藤田保健卫生大学的研究人员已开发出一种创新的计算框架，用于实时、精准且个性化的心率变异性（HRV）监测。该框架通过心电图数据导出个体化HRV指标，并允许手动排除伪影易发时段，从而减少数据污染和误报警，特别适用于新生儿和重症监护等临床环境。
实时检测心血管系统功能的微小变化对管理危重患者（如新生儿和老年人）至关重要，可显著影响其预后效果。心率变异性（HRV）是指连续心跳间微小但正常的波动，通常通过心电图（ECG）测量。作为评估自主神经系统活动的成熟、定量且无创指标，HRV在临床监测中具有重要价值。然而，准确的实时HRV监测面临两大根本挑战：首先，HRV指标存在显著的个体差异性，受患者年龄和性别影响，而传统监测系统依赖固定的人群基准阈值，导致误报增多或结果失真；其次，临床操作中固有的程序性伪影（如患者移动、情绪波动或护理操作）频繁污染数据，引发非生理性波动，损害分析可靠性。此外，传统框架无法同步可视化多HRV指标的长期趋势与短期波动，限制了临床医生对患者状态细微变化的理解。现有HRV工具虽适用于研究和离线分析，却难以高效运用于真实临床场景。
因此，藤田保健卫生大学（FHU）的研究人员开发并验证了这一新型计算框架，旨在提供稳健、个性化且抗伪影的实时床边HRV监测。该研究于2026年1月29日在线发布，并将于2026年12月1日发表在《Journal of Medical Systems》第50卷第1期。
藤田保健卫生大学计算生物学系副教授中野隆（Takashi Nakano）联合藤野正之（Masayuki Fujino）、宫田正史（Masafumi Miyata）和吉川哲史（Tetsushi Yoshikawa）博士，通过整合自适应个性化算法与工作流程集成的伪影管理机制，开发了跨平台软件工具“CODO Monitor”。中野隆教授解释道：“CODO Monitor面向临床设计，可同步可视化短期波动与长期趋势，实现心电图/HRV的实时长时程分析。它支持患者特异性自适应警报，并通过伪影排除与事件标注提升分析稳健性。”
该框架基于四大核心组件构建：其一，自适应警报算法根据每位患者的独特数据动态计算HRV指标的个性化阈值，减少误报并优化临床决策；其二，伪影管理机制允许临床医生手动标记并排除伪影易发时段，确保HRV分析准确性；其三，同步分析与可视化时域和频域指标，全面呈现患者自主神经功能状态；最后，采用多尺度可视化方法，同时提供HRV指标的短期波动读数与长期趋势分析，促进统一的临床解读。
研究团队利用开源儿科及成人心电图数据库、合成噪声污染信号验证了框架的准确性与R波检测稳健性，并通过24名新生儿患者的床边心电图数据完成操作验证。此外，该框架兼容Windows和macOS系统。
突破性的CODO Monitor显著优于传统固定阈值系统，有望提高警报特异性、缓解医护人员警报疲劳，最终使实时监测更具临床意义。展望未来，中野隆教授表示：“本系统可支持临床床边实时HRV监测，实现早期检测与干预。个性化警报功能将减少‘一刀切’的报警问题，优化日常监测流程，推动个体化管理策略发展。长期来看，这将促进新生儿及重症监护环境中的安全护理与更好预后。此外，高质量的HRV数据积累还将加速自主神经功能、HRV指标与疾病关联的研究，催生新型预测标志物及监测标准。”
【全文结束】
