作者简介：梁冶矢，男，北京大学人民医院神经外科主任医师，神经外科副主任。2004～2007年国家自然科学基金资助项目“颅内高压动力学：数学模型和临床应用研究”负责人。在中华神经外科杂志、中华外科杂志、中华创伤杂志等核心期刊发表论著多篇。
  通讯作者，Email: liangyeshi@vip.sina.com

颅内压的无创与智能化监测
曾高，焦风，梁冶矢
（北京大学人民医院，北京100044）

关键词：颅内压；血流动力学；超声检查，多普勒，经颅
中图分类号：R651文献标志码：A文章编号：1002266X(2010)24000102

    颅内压增高（ICH）是涉及多种疾病的一组综合征，多种原发病均可引起ICH，是神经外科最常见的急症之一。当ICH不能得到有效控制而形成脑疝时，则可能成为较其原发病更为重要的致死、致残原因，它导致的脑血流动力学（CHD）紊乱也是引起继发性脑损害的重要原因。ICH及其原发病的及时有效治疗有赖于获得颅内压（ICP）的连续定量数据及对关键影响因素的准确判定。因此，监测ICP并根据压力选择治疗措施对于治疗ICH具有重要价值。
    ICP监测技术从1976年开始逐渐应用于临床，实现了从定性研究向定量研究的发展进程。该技术的优点是精度高，可以连续监测。根据压力传感方式的不同ICP监测可分为液压传感式、非液压传感式及光纤传感式。探头放置的部位有脑室、硬脑膜外、硬脑膜下、蛛网膜下腔、脑实质等。目前应用较多的是脑室、脑内和硬膜外，其中以脑室内置管法准确性更高，通常被称为ICP监测的“金标准”，同时还可适量引流脑脊液，达到治疗ICH的目的。但这些监测方法的使用时间一旦超过5 d，出现测量值偏差（压力漂移）以及颅内感染的风险将大大增加，尤其是脑室内监测感染风险更高；有创监测还可引起颅内出血、脑脊液漏、癫痫等；一些技术原因还可使监测失败，如导管阻塞、探头移位和装置故障等。尽管近年有创监测设备不断改进，植入装置向小型化发展，但仍不能有效避免有创监测的各种并发症。另外，有创监测只能获得ICP值，而不能体现导致ICH的内部诸多因素间的相互作用及作出压力的预测，因此我们仅能将其称之为功能单一的非智能化仪器。
    有鉴于上述有创监测方法的多种缺陷，国内外很多学者开始关注并尝试多种可能实现无创颅内压（nICP）监测的方法。nICP的获取途径有：经视网膜静脉压、视神经鞘直径，经耳鼓膜、闪光视觉诱发电位、生物电阻抗等，但这些无创测量途径和方法都因存在不同程度的测量精确度差、方法繁琐、影响因素多等缺点而未被广泛应用于临床。所以，为了扩大nICP监测的应用范围，新型的无创、准确、简便、可长时间连续监测且同时提供具有指导性治疗建议的ICP监测方法具有切实的临床需求。
    30 a前，国外即已开始建立脑脊液动力学模型和脑血流动力学模型，旨在用数学方法模拟ICP，期望实现nICP监测。Marmarou的早期模型模拟了脑脊液的生成、吸收阻力与ICP的关系，但该模型只限于针对与ICP有关的某个因素进行建模，大多只能模拟颅高压的部分病理生理现象，结果误差大。自1982年Aaslid发明经颅多普勒（TCD）检测CHD以来，至目前TCD已得到了越来越广泛的应用。TCD具有安全无创、简便经济、可重复检查等特点，为nICP监测的研究提供了重要手段。大量研究表明，ICP变化与CHD改变有较好的定量关系，通过TCD可以无创、快捷、准确地获知与ICH相伴随的CHD改变，进而利用两者间较好的定量关系进行CHD向ICP的转化（对应关系）研究，逐步确立了解ICH的又一新途径，且已得到了越来越广泛的认可。但这一关系具有复杂、多参数、非线性等特点，因此，当前摆在我们面前需要解决的主要问题是用何种方法准确量化CHD与ICP的关系。
    由于ICH和CHD参数间是多因素的复杂非线性关系，不同病因引起的ICH及其所涉及的CHD、物理因素和调节因素各有不同，还涉及个体差异和不同调节机制的交错、重叠，想通过分析CHD并从临床资料、参数值及其意义中提取ICP是极为困难和涉及多学科的研究工作。采用简单的数学关系难以准确表达，而数学模型则是描述这些以多参数、非线性关系为特点的生物系统的最佳方法。数学模型是数学理论对实际问题的一种数学表述，有解释、判断、预见三大功能，能够真实地、系统地、完整地反映客观事物，模拟不同条件下事物发生、发展的过程，揭示内部变化规律，预测未来发展趋势，并最终进行有效的预测，是人们可利用的一种解决生物系统问题的工具。因此，通过建立ICP数学模型来揭示各因素间的相互影响和作用、阐明其中的定量关系已成为目前国内外广泛关注的热点领域。

    目前已经建立了许多基于TCD的ICH数学模型。Ursino等对颅内压动力学变化的数学模型进行了大量研究，从CHD机理出发，考虑了ICH的众多因素，研究各个变量之间的协变关系，建立了一系列以机能模型为主的ICP数学模型。机能模型的优点在于能够更多地表达出颅内压变化的内部机制及其相互关系。但该式的大部分模型结构复杂、方程众多，不具应用价值。Schmidt等把整个颅内比作一个“黑箱”，忽略ICP变化的具体过程，将动脉血压（ABP）、CHD作为系统输入信号，ICP作为输出信号，在搜集了大量ICH患者的数据后，通过建立数学模型找到了ABP和CHD输入向ICP输出转化的统计规律，得到实时的ICP模拟曲线。黑箱模型优点在于模型简单，实用性强，可以反映与ICP最密切的参数的变化趋势。
    我国的科学工作者已经开展了多项nICP监测技术的基础与应用研究，积极探寻各种易测量的指标来实现ICP的无创监测。殷杰等曾于1987年报道了颅内容积—压力曲线数学模型的建立。魏新亭等于1994年曾报道了ICP增高与VMCA（大脑中动脉血流速度）关系的动物实验结果，并建立了二者的直线回归方程。丁光宏等的ICP模型以电路图为基础，建立了集中参数等效电网络模型及相应控制方程，对ICP无创检测进行了有益的探索。王笛等与本组合作在2004年报导了兔颅内压和VMCA的实验数据，建立了颅内压和血流速度关系的Logistic模型。本组近年陆续报导了建立实验动物（兔）与人从ABP向ICP冲击响应函数及颅内压与颅内顺应性、脑脊液吸收阻力、VMCA、平均动脉压之间关系等的多种数学模型，并已初步明确nICP监测的前景。
    在不断的研究中，人们总是期望发现某一模型对于ICH这一复杂过程能够有一个最佳拟合，找到准确性及通用性均达理想效果的模型，同时又希望数据易于采集、模型简明实用。然而，遗憾的是几十年的探索并未使这一最佳模型浮出水面。不同模型对于ICH过程的拟合有其不同的优势和劣势，预测效果与其应用条件相关联，存在局部最优而通用性欠佳的矛盾。建模时的参数选择面临着多与少之间的矛盾，参数多则模型复杂、稳定性差，参数少则会影响模型的准确性。同时，不能希冀用数学方法来完美避开多因素之间的相互影响。建立黑箱模型则难以体现ICH的内部机制，导致通用性差；机能模型又难以满足临床对实用性及简化性的要求。所以，将机能模型与黑箱模型结合应是有价值的研究方向之一，在保证准确性的基础上改善模型的简化性与通用性；充实、完善不同病因ICH的信息数据库；以黑箱模型为基本建模方法，通过TCD等获取数据，处理CHD与ICP的关系；以机能模型分析脑脊液动力学、脑血流动力学及脑血管调节机制等主要影响颅内压的因素；扬两建模方法之长，避其短，建立nICP的动态监测模型。
    综上所述，目前公认TCD经体外监测的CHD参数与ICP具有可靠的函数关系。基于TCD采集数据、利用CHD与ICP的相关关系建立数学模型模拟并预测ICP的方法是国内外的主要研究方向，有着良好的前景。尽管目前nICP数学模型仍处于临床前期的研究阶段，尚不具有临床应用价值，更无成熟的可供临床使用的仪器面世，但临床监测工具的无创化、数字化、智能化和机制分析的定量化是现代科技发展趋势对更新医学诊断手段的要求。相信随着未来国内外nICP监测技术研究的进一步开展，一定可以探寻并建立具备临床应用价值的、无创的、准确的动态ICP监测模型并开发为ICP监测仪，更好地服务于临床。