MoniCardi , firma zajmująca się technologią medyczną i oprogramowaniem, wywodząca się z Uniwersytetu w Tampere, pilnie rozwija nowe metody zmienności rytmu serca (HRV) w celu rozszyfrowania skomplikowanych zjawisk ludzkiego ciała. Zespół MoniCardi ma na celu ujawnienie różnych cech fizjologicznych, na które wpływa zachowanie serca, otwierając nowe granice w pomiarach zdrowia i wydajności.
Podstawy: Walidacja przy użyciu ogromnych zestawów danych
Przełomowe badania MoniCardiego opierają się na metodach analizy statystycznej i szeregów czasowych pierwotnie opracowanych w fizyce obliczeniowej. Metody te mają zaskakujące, ale bardzo wpływowe zastosowania w elektrokardiografii, w tym w analizie HRV.
Nowe metody MoniCardi i ich użyteczność zostały potwierdzone w różnych badaniach naukowych [1-9] i były prezentowane na wiodących konferencjach kardiologicznych, takich jak Scientific Sessions of American Heart Association. Badania obejmują eksploatację ogromnych zestawów danych, takich jak rozległe badanie fińskiego układu sercowo-naczyniowego (FINCAVAS), które zawiera kompleksowe dane pomiarowe od 4386 uczestników klinicznego testu wysiłkowego. W niedawnym przełomowym badaniu [1] stwierdzono, że analiza HRV MoniCardi dotycząca jednominutowej fazy odpoczynku przed testem przewiduje nagłą śmierć sercową znacznie lepiej niż konwencjonalna analiza kompletnego 20-minutowego testu wysiłkowego (odpowiednio współczynniki ryzyka ~2,5 i ~1,5). Wyższość MoniCardi wzrasta jeszcze bardziej, gdy weźmie się pod uwagę wszystkie inne czynniki ryzyka w analizie.
Poza badaniami klinicznymi opatentowana metodologia MoniCardi umożliwia dokładną ocenę progów metabolicznych w zastosowaniach sportowych. Zostało to potwierdzone w przełomowym badaniu opublikowanym przez zespół w wiodącym czasopiśmie fizjologicznym w 2023 r. [2]. Badanie zostało zaprezentowane w kilku krajowych i międzynarodowych serwisach informacyjnych, w tym w całostronicowym artykule w głównej fińskiej gazecie Helsingin Sanomat (link poniżej). Wyniki są obecnie poddawane walidacji we współpracy akademickiej między Uniwersytetem w Tampere a Fińskim Instytutem Sportu Wyczynowego (KIHU).
Dzięki partnerstwu z firmą Suunto, które rozpocznie się w 2024 r., nowatorska technologia MoniCardi jest teraz dostępna dla profesjonalnych sportowców, entuzjastów sportu i wszystkich konsumentów zainteresowanych nowymi funkcjami, które przenoszą analizę zmienności tętna na zupełnie nowy poziom, gwarantując praktyczne i możliwe do wykorzystania wyniki.
Zrozumienie zmienności rytmu serca (HRV)
Zmienność rytmu serca (HRV) mierzy zmienność odstępów czasowych między kolejnymi uderzeniami serca. Analizując wahania w tych odstępach, można uzyskać wgląd w stan organizmu, w szczególności w wpływ autonomicznego układu nerwowego na serce. Konwencjonalnie HRV był używany do pomiaru stanów regeneracyjnych podczas snu poprzez RMSSD (średnia kwadratowa kolejnych różnic), który obserwuje nocne zmiany HRV w celu wykrycia poziomów stresu. W stanie spoczynku organizm wykazuje znaczną zmienność między uderzeniami serca, znaną jako HRV. Jednak gdy organizm napotyka na zwiększony stres, autonomiczny układ nerwowy przełącza się w tryb walki lub ucieczki, co skutkuje minimalną zmiennością rytmu serca. To zmniejszenie HRV może być wykorzystane jako wskaźnik oceny poziomów stresu.
Przedstawiamy DDFA: rewolucyjną technologię pomiaru
Metody HRV są konwencjonalnie dzielone na metody w dziedzinie czasu, w dziedzinie częstotliwości i metody nieliniowe. Jedną z najpopularniejszych metod nieliniowych jest Detrended Fluctuation Analysis (DFA), opracowana na początku lat 90. Kluczową informacją dostarczaną przez DFA jest ogólna długoterminowa charakterystyka HRV pod względem korelacji, w szczególności, w jaki sposób zmiany w odstępach uderzeń serca w pewnym momencie wpływają na zmiany w innym czasie. Informacje te mają potężną wartość predykcyjną, ale praktyczna użyteczność tych informacji została uwolniona dopiero niedawno, gdy opracowano Dynamical DFA (DDFA) [8,9] i dalej udoskonalono, aby oceniać zmiany korelacji HRV w sposób zależny od czasu [10]. Krótko mówiąc, DDFA wykorzystuje wiele „miar” od 4 do >50 kolejnych uderzeń serca. W każdym momencie DDFA podaje następnie tak zwany wykładnik skalowania — charakterystyczną cechę korelacji w odstępach uderzeń serca — dla wszystkich tych miar jednocześnie. Informację tę można precyzyjnie powiązać ze stanem fizjologicznym panującym podczas wysiłku fizycznego.
Monitorowanie intensywności w czasie rzeczywistym
DDFA doskonale ocenia zmiany w czasie rzeczywistym w korelacjach uderzeń serca podczas ćwiczeń. Intensywność treningu bezpośrednio koreluje z zależnymi od czasu i skali zmianami wykładnika skalowania DDFA. Badania wskazują, że zwiększanie intensywności ćwiczeń fizycznych zmniejsza wykładniki skalowania. Ostatecznie, przy bardzo wysokich intensywnościach, interwały uderzeń mogą wykazywać tak zwane antykorelacje, gdzie duże i małe interwały uderzeń naprzemiennie zmieniają się w określony sposób w zależności od skali czasu. Informacje te umożliwiają precyzyjne monitorowanie intensywności ćwiczeń i progów fizjologicznych.
Wizualizacja DDFA w działaniu
Kluczowe badanie, „Estimation of Physiological Exercise Thresholds Based on Dynamical Correlation Properties of Heart Rate Variability”, opublikowane w Frontiers in Physiology w 2023 r. [2], ilustruje możliwości DDFA. Praca badawcza przedstawia scenariusz ćwiczeń, w którym intensywność wzrasta z czasem. Cyjanowe linie oznaczają dwa progi metaboliczne: LT1 (próg tlenowy) i LT2 (próg beztlenowy), a czarne kropkowane zestawy oznaczają miejsca, w których progi te byłyby oparte na poziomach mleczanu we krwi.
Ilustruje to idealny scenariusz, w którym analiza oparta na DDFA daje poziomy progowe niemal identyczne z tymi uzyskanymi przy użyciu definicji progów opartych na mleczanie. Chociaż jest to optymalny przypadek, w rzeczywistych zastosowaniach można się spodziewać odchyleń. Analiza DDFA i progi oparte na mleczanie mogą się różnić w zależności od przypadku, a pomiary tętna zazwyczaj pokrywają się z dokładnością do +-5 uderzeń na minutę. Istnieją również niepewności inherentne dla progów mleczanowych, które podlegają interpretacji.
Ważność do dokładności klinicznej
Metodę MoniCardi wykorzystano do przewidywania ogólnego ryzyka sercowego i nagłej śmierci sercowej [1] oraz kilku chorób serca, takich jak zespół długiego QT [4,5], migotanie przedsionków i zastoinowa niewydolność serca [w przygotowaniu]. Metody te zastosowano również do szacowania etapów stresu i snu [6,7]. Przewidywanie nagłej śmierci sercowej [1] zyskało popularność i zostało przedstawione we wszystkich dużych serwisach informacyjnych w Finlandii (YLE, Helsingin Sanomat, Ilta-Sanomat, Aamulehti) oraz na kilku międzynarodowych serwisach informacyjnych (lista poniżej).
W dziedzinie technologii medycznej MoniCardi współpracuje obecnie z Cardiolex Medical, szwedzką firmą MedTech, która opracowuje nowoczesne urządzenia i systemy EKG. MoniCardi poszukuje również partnerów w zakresie technologii noszonych, aby wprowadzić ocenę ryzyka sercowego na rynki masowe.
Odnośniki:
[1] Jussi Hernesniemi, Teemu Pukkila, Matti Molkkari, Kjell Nikus, Leo-Pekka Lyytikäinen, Terho Lehtimäki, Jari Viik, Mika Kähönen, Esa Räsänen, Prediction of nagłej śmierci sercowej z ultra-krótkimi wahaniami tętna, JACC: Clinical Electrophysiology, 2024
[2] Matias Kanniainen, Teemu Pukkila, Joonas Kuisma, Matti Molkkari, Kimmo Lajunen i Esa Räsänen, Estimation of Physiological Thresholds Based on Dynamical Correlation Properties of Heart Rate Variability, przód. Fizjol. 14 (2023).
[3] Teemu Pukkila, Matti Molkkari, Matias Kanniainen, Jussi Hernesniemi, Kjell Nikus, Leo-Pekka Lyytikäinen, Terho Lehtimäki, Jari Viik, Mika Kähönen i Esa Räsänen, Wpływ terapii beta-blokerami na korelacje odstępu RR podczas ćwiczeń, informatyka w kardiologii 50 (2023) 10.22489/CinC.2023.104
[4] Matias Kanniainen, Teemu Pukkila, Matti Molkkari i Esa Räsänen, Wpływ rytmu dobowego na korelacje odstępu RR w zespole długiego QT, Computing in Cardiology 50 (2023) 10.22489/CinC.2023.287
[5] T. Pukkila, M. Molkkari, J. Kim i E. Räsänen, Korelacje zmniejszonego odstępu RR u pacjentów z zespołem długiego QT, Computing in Cardiology 49 (2022) 10.22489/CinC.2022.284
[6] Teemu Pukkila, Matti Molkkari i Esa Räsänen, Dynamiczne korelacje bicia serca podczas złożonych zadań – studium przypadku jazdy samochodem, Computing in Cardiology 48 (2021) 10.23919/CinC53138.2021.9662676
[7] M. Molkkari, M. Tenhunen, A. Tarniceriu, A. Vehkaoja, S.-L. Himanen i E. Räsänen,
Nieliniowe miary zmienności rytmu serca w analizie stadiów snu z wykorzystaniem fotopletyzmografii, Computing in Cardiology 46 (2019); 10.22489/cinc.2019.287
[8] M. Molkkari, G. Angelotti, T. Emig i E. Räsänen, Dynamiczne korelacje tętna podczas biegania, Sci. Rep. 10, 13627 (2020)
[9] M. Molkkari i E. Räsänen, Solidna ocena wykładnika skalowania w analizie fluktuacji bez trendu zmienności częstości uderzeń serca, Computing in Cardiology 45 (2018); 10.22489/CinC.2018.219
[10] M. Molkkari i E. Räsänen, Odstęp między uderzeniami serca w celu oceny stanu pacjenta, patent w toku.
Najnowsze wiadomości o MoniCardi
Wiadomości międzynarodowe:
Nauka codziennie: https://www.sciencedaily.com/releases/2024/06/240613140808.htm
Alert naukowy: https://www.sciencealert.com/nowy-algorytm-może-przewidzieć-i-pomóc-zapobiec-nagłej-śmierci-sercowej
Wiadomości Mirage: https://www.miragenews.com/tampere-university-researchers-predict-sudden-1255528/
Aktualności Medical XPress: https://medicalxpress.com/news/2024-01-metoda-oparta-na-analizie-serii-progi.html
Wiadomości fińskie:
YLE: https://yle.fi/a/74-20093771
Helsingin Sanomat: https://www.hs.fi/tiede/art-2000009847625.html
Ilta-Sanomat: https://www.is.fi/terveys/art-2000010505400.html
Aamulehti: https://www.aamulehti.fi/tiedejateknologia/art-2000010497986.html https://www.aamulehti.fi/tiedejateknologia/art-2000009863997.html
STT: https://www.sttinfo.fi/tiedote/70082024/aikasarja-analyysiin-perustuva-uusi-menetelma-helpottaa-urheilun-kynnysarvojen-maarittamista?publisherId=69818730&lang=fi
