皮电活动(EDA)是了解交感神经系统的理想指标之一。检测和研究人体对某些外部因素的反应及其医学应用是一个有待探索的研究领域。由于这些数据和算法的发展,有可能检测到紧张的情况或监测疾病,如癫痫。同时,着眼于这项技术的未来发展,已经开始研究其在评估自杀风险或早期检测抑郁症症状方面的可能应用。

目前,问卷调查和量表,包括自我评估量表,都被用来评估自杀风险。同时, 自杀风险因素(即以前的自杀企图、自杀意图、躯体疾病等)也被纳入考虑范围。然而,它们的应用并不能为准确区分每个人的自杀风险的严重程度提供足够的保证。

正如我们在以前的出版物中已经提到的,将生物电势传感器纳入手腕式可穿戴设备代表了这一领域的范式转变。 这些设备 ,能够连续存储和交流各种数据,然后通过人工智能进行分析。通过这些设备收集EDA、ECG、呼吸频率或温度变量具有很大的临床用途。许多公司,如三星,已经开始在其设备中加入EDA仪表。

皮肤电活动研究(EDA)

EDA与精神病学研究的相关性在1972年开始凸显,多年来,由于更准确地测量这一变量的容易性,其价值变得更加重要。除EDA外,还监测心电图(ECG)和呼吸频率,以寻找可能与自杀因素有关的情绪反应指标。

这些器官与交感神经系统和副交感神经系统相连,前者负责使身体为紧张的情况做好准备,后者负责减缓身体和新陈代谢活动,使身体为休息和安宁期做好准备。皮肤是上述说法的例外,因为汗腺和血管完全受交感神经系统的支配。皮肤电活动信号(EDA)是汗腺交感神经支配的一种电表现[1]。

EDA可以通过皮肤电导数据来测量,因为皮肤电导与汗液分泌成正比[2]。这使得皮肤电导率值成为衡量交感神经系统激活的理想指标。

理想的正常习惯性和与重复相同的非显著性刺激的呈现有关的皮肤电反应性。资料来源。[19]

与对刺激物的反应有关的EDA信号的剧烈变化或尖峰被称为皮肤电导反应(SCR)。

EDA和SCR的测量单位相同,通常是微西门子(µS)。EDA信号的频谱在0.045-0.15Hz之间,尽管在剧烈运动时它可以增加到0.37Hz[3][4]。定义SCR的参数是 [5]。

  • 潜伏期,即SCR峰值出现在触发刺激后1至5s之间[6]。
  • 振幅;EDA信号的变化要被认为是SCR,振幅必须至少是0.05µS或0.04µS。
  • 恢复时间。

图1.左边是理想的可控硅,有典型的参数。来源[20]。在右边,EDA信号被分解为强直和相位成分。来源[15]。

皮肤电导率水平(SCL)是指从EDA信号的强直分量中得到的平均电导率,是衡量EDA信号在测量时间内缓慢和平滑变化的一个指标。非特异性皮肤电导反应(NSSCRs)是指一段时间内与任何特定事件无关的SCRs数量,它们是自发的波动[5]。

临床应用

EDA信号与交感神经系统的关系使其分析不仅在医学领域非常有用,而且在心理学领域也非常有用。对EDA测量应用的广泛回顾可以在参考文献[1]中找到。以下是其中的一些,可穿戴设备被用来获取数据。

  • 衡量一个人的压力。例如:在工作场所[43],在手术前[7],在老年人[8]或患有痴呆症的人[9]。
  • 对癫痫患者进行监测[9],包括分析发作的严重程度[9][10][11]。
  • 用情感进行识别和分类[12][13]。
  • 实时检测毒品使用情况[14]。
  • 对工人的风险意识进行评估[15]。

智能数据公司提出的解决方案

可穿戴设备领域,智能数据公司已经在努力为市场开发一个创新的解决方案。我们正在开发适合在医疗保健环境中使用的设备,并内置皮肤电活动(EDA)测量仪。与其他生命体征测量仪一起,如EDA、ECG、呼吸率或体温,我们希望创建能够识别常规的设备,并促进其在医疗保健领域的工作。

同时,我们正在努力开发算法 ,以计算病人 可能的健康风险

  • 健康发展,特别强调老年人和/或慢性病人的健康状况恶化和/或恶化。
  • 感染的预测和预防

在我们目前的解决方案中,我们强调 ID VitaID Vita是一款智能手表设备,具有最新的进展和软件,完全适应住宅、医院或其他活动的远程护理需求。EDA测量是按设备要求的可选功能。

与抑郁症筛查和自杀预防的关系

目前正在利用通过EDA获得的数据,进行一些与自杀和抑郁症有关的研究。我们特别强调2015年12月至2016年10月期间在韩国三星医疗中心进行的一项研究。该研究涉及30名严重抑郁症(MDD)患者和37名健康患者。所有参与者都是由专业的精神科医生根据《精神疾病诊断与统计手册-IV》DSM-IV)的标准进行诊断。

这项研究通过原则性实验证明,EDA信号可作为重度抑郁症的生物标志物。使用基于决策树的算法对MDD患者和健康患者进行分类,可靠性为74%。

该研究是专门为测试基于EDA的MDD患者分类的可行性而设计的。首先,为了提高辨别力,在受试者进行放松和压力诱导任务时测量EDA。其次,除了提取每个阶段的EDA特征外,还计算了代表两个不同阶段之间EDA差异的差异特征。因此,使用SVM-RFE进行的特征选择显示,EDA的差异性指标和在压力和放松任务中测量的指标对辨别非常有用。最后,这些发现表明,这里采用的拟议的机器学习方法考虑了EDA的多种改变,作为MDD的客观标志物提供了巨大的潜力,最终可以改善病人的诊断和治疗。

EDOR测试

在研究EDA与抑郁症和自杀风险的关系中,EDOR测试是关于EDA功效的主要研究之一。EDOR测试测量定向反应。Lars Håkan Thorell在林雪平大学的学习过程中,多年来开发和修改了一个过程。2014年,在此基础上,Emotra公司创建了一个标准化的EDOR系统。对抑郁症患者进行检查并测量其电反应性的诊断方法。为了最终评估这一工具在识别具有特殊自杀行为风险的人方面的有效性,Emotra启动了欧洲多中心临床研究,研究EDA与情感障碍患者自杀倾向的关系。到目前为止,已有超过1573人参加了这些试验。

EDOR测试。资料来源。[19]

在EDOR测试中,两个手指放在金电极上,根据标准,0.5V的直流电流通过表皮。同时,在测试过程中,通过耳机不时地发出适度的响声。对刺激的皮肤电反应代表了电导率的增加,这是由于填充的汗腺管数量增加,作为导体通过电高度抵抗的表皮。EDOR测试考察了与重复的中性听觉刺激有关的习惯化率。EDOR是一个缩写,是由"皮肤电"(ED)和"定向反应"(OR)这两个词组合而成的。它被用来识别极度亢奋和极度反应的EDA系统。测试中测得的EDA反应是不自主的,不能有意激活,因此不可能伪造测试结果,这是该方法的另一个优点。

结论

总之,皮肤电活动指标(EDA)的研究因其潜在的好处而成为一个不断研究的领域。可穿戴设备和其他测量系统所提供的信息代表了对人们的习惯和常规的临床研究的一个新的细节层次。由于这些数据,加上其他生物标志物,有可能获得新的指标,可以预防性地检测遭受癫痫发作的风险或评估病人自杀风险的增加或减少。

书目

[1] W. Boucsein,皮肤电活动。 2007。
[2] C. W. Darrow,"The RATIONALE FOR TREATING THE CHANGE IN GALVANIC SKIN RESPONSE AS A CHANGE IN CONDUCTANCE,"Psychophysiology, vol. 1, no. 1, pp. 31-38, 1964, doi: https://doi.org/10.1111/j.1469-8986.1964.tb02618.x.
[3] H. F. Posada-Quintero等人"用于交感神经功能评估的皮肤电活动功率谱密度分析",doi: 10.1007/s10439-016-1606-6。
[4] H. F. Posada-Quintero等人"运动中皮肤电活动的时间变化分析," doi: 10.1371/journal.pone.0198328。
[5] H. F. Posada-Quintero和K. H. Chon,"Innovations in electrodermal activity data collection and signal processing: A systematic review,"Sensors (Switzerland), vol. 20, no. 2. 2020, doi: 10.3390/s2002020479.
[6] W. Boucsein等人"皮肤电测量的出版建议,SOCIETY FOR PSYOPHYSIOLOGICAL RESEARCH AD HOC COMMITTEE ON ELECTRODERMAL MEAS-URES,"2012,doi: 10.1111/j.1469-8986.2012.01384.x。
[7] A. A. A. S.et al.,"Electrodermal Activity Based Pre-surgery Stress Detection Using a Wrist Wearable,"IEEE J. Biomed.痊愈。Informatics, vol. 24, no. 1, pp. 92-100, 2020, doi: 10.1109/JBHI.2019.2893222.
[8] R. K. Nath, H. Thapliyal, and A. Caban-Holt,"Machine Learning Based Stress Monitoring in Older Adults Using Wearable Sensors and Cortisol as Stress Biomarker, "J. Signal Process.体系。, 2021, doi: 10.1007/s11265-020-01611-5.
[9] B.Kikhia等人"利用腕带传感器测量痴呆症患者的压力水平,"传感器 ,第16卷,第12期。 2016年,DOI:10.3390/s16121989。
[10] S. Beniczky, A. A. Arbune, J. Jeppesen, and P. Ryvlin,"Biomarkers of seizure severity derived from wearable devices, "Epilepsia, vol. 61, no. S1, pp.S1, pp. S61-S66, Nov. 2020, doi: https://doi.org/10.1111/epi.16492.
[11] S. Vieluf等人"有癫痫发作和无癫痫发作患者的皮肤电活动记录的二十四小时模式",Epilepsia,第62卷,第4期,第960-972页,2021年4月,DOI:https://doi.org/10.1111/epi.16843。
[12] A. Bhatti, B. Behinaein, D. Rodenburg, P. Hungler, and A. Etemad,Attentive Cross-modal Connections for Deep Multimodal Wearable-based Emotion Recognition.ACIIW。
[13] S. Madhuri, J. Dorathi Jayasheeli, D. Malathi, and K. Senthilkumar,"Electrodermal activity (eda) based wearable device for qunatifying normal and abnormal emotions in humans, "ARPN J. Eng. Appl. Sci.vol. 12, no. 12, pp. 3730-3735, 2017.
[14] S. Carreiro等人"用可穿戴生物传感器实时移动检测药物使用:试点研究",J. Med.Toxicol.,第11卷,第1期,第73-79页,2015年,DOI:10.1007/s13181-014-0439-7。
[15] B.Choi, H. Jebelli, and S. Lee,"从可穿戴传感器获得的皮肤电活动(EDA)的可行性分析,以评估建筑工人感知风险,"Saf.科学。, vol. 115, pp. 110-120, 2019, doi: https://doi.org/10.1016/j.ssci.2019.01.022.
[16] C. Setz, B. Arnrich, J. Schumm, R. La Marca, G. Tr, and U. Ehlert.Ehlert,"Discriminating Stress From Cognitive Load Using a Wearable EDA Device,"Technology, vol. 14, no. 2, pp. 410-417, 2010, doi: 10.1109/TITB.2009.2036164.
[17] A. Y. Kim, E. H. Jang, S. Kim, K. W. Choi, H. J. Jeon, H. Y. Yu & S. Byun ,"Automatic detection of major depressive disorder using electrodermal activity" 。
[18] K. Wincewicz-Cichecka, T.Nasierowski ,"情感障碍患者的皮肤电活动和自杀风险评估"。
[19] M. Sarchiapone, M. Iosue, V. Carli, M. Amore, E. Baca Garcia, A. Batra, D. Cosman, P. Courtet, G. Di Sciascio, R.Gusmao, T. Parnowski, P. Pestality, P. Saiz, J. Thome, A. Tingström, M. Wojnar, P. Zeppegno, L. H. Thorell, 《EUDOR-多中心研究计划:对成人初级保健患者进行EDOR测试的自然、欧洲多中心临床研究。Wojnar, P. Zeppegno, L. H. Thorell,"EUDOR-多中心研究计划:对成年原发性抑郁症患者进行EDOR测试的自然、欧洲多中心临床研究 "。
[20] C. Setz, B. Arnrich, J. Schumm, R. La Marca, G. Tr和U.Ehlert, "DiscriminaSng Stress From CogniSve Load Using a Wearable EDA Device," Technology, vol. 14, no. 2, pp. 410-417, 2010, doi: 10.1109/TITB.2009.2036164.