来自坦佩雷大学的突破性技术
MoniCardi 是一家源自坦佩雷大学的医疗技术和软件公司，一直致力于开发新型的心率变异性（HRV）方法，以解读人体的复杂现象。MoniCardi 团队旨在揭示受心脏行为影响的各种生理特征，开辟健康和性能测量的新领域。
基础：通过大规模数据集验证
MoniCardi 的开创性研究基于最初在计算物理学中开发的统计和时间序列分析方法。这些方法在心电图学中具有令人惊讶但影响深远的应用，包括 HRV 分析。
MoniCardi 的新方法及其有效性已在多项科学研究 [1-9] 中得到验证，并在心脏病学领域的领先会议（如美国心脏协会的科学会议）上亮相。这些研究包括利用大规模数据集，如包含 4386 名临床压力测试参与者的综合测量数据的芬兰心血管研究（FINCAVAS）。在最近的一项突破性研究 [1] 中，发现 MoniCardi 对测试前一分钟休息阶段的心率变异性（HRV）分析在预测心脏性猝死方面显著优于传统的 20 分钟压力测试分析（风险比分别为 ~2.5 和 ~1.5）。当考虑分析中的所有其他风险因素时，MoniCardi 的优越性进一步提高。
在临床研究之外，MoniCardi 的专利方法允许在运动应用中准确估计代谢阈值。这一点在团队于 2023 年在领先的生理学杂志上发表的一项开创性研究中得到证实 [2]。该研究在多个国内外新闻网站上发表，包括芬兰主要报纸《赫尔辛基新闻报》（Helsingin Sanomat）的整版文章（链接如下）。目前，这些结果正在坦佩雷大学和芬兰高性能运动研究所（KIHU）的学术合作中进行验证。
通过与 Suunto 于 2024 年启动的合作伙伴关系，MoniCardi 的新技术现已进入专业运动员、运动爱好者以及所有对这些新功能感兴趣的消费者手中，这些新功能将 HRV 分析提升到一个全新的水平，并确保提供实际可行的结果。
理解心率变异性（HRV）
心率变异性（HRV）衡量的是连续心跳之间时间间隔的变化。通过分析这些间隔的波动，可以深入了解身体状态，特别是自主神经系统对心脏的影响。传统上，HRV 通过 RMSSD（连续差异的均方根）在睡眠期间评估恢复状态，通过观察夜间 HRV 的变化来检测压力水平。在休息时，身体显示出显著的心跳间隔变化，这被称为 HRV。然而，当身体遇到更大的压力时，自主神经系统会进入战斗或逃跑模式，导致心率变异性最小化。这种 HRV 的减少可以作为评估压力水平的指标。
介绍 DDFA：一种革命性的测量技术
HRV 方法传统上分为时域、频域和非线性方法。最常见的非线性方法之一是去趋势波动分析（DFA），该方法于 20 世纪 90 年代初开发。DFA 提供的关键信息是 HRV 的整体长期特征，特别是心跳间隔在某个时间的变化如何影响另一个时间的变化。这些信息具有强大的预测价值，但直到最近，当动态 DFA（DDFA）被开发出来 [8,9] 并进一步完善以评估 HRV 相关性的时间敏感变化 [10] 时，这些信息的实际应用才得以实现。简而言之，DDFA 使用从 4 个到超过 50 个连续心跳的多个“测量棒”。在每个时间点，DDFA 都会同时为所有这些测量棒提供一个所谓的尺度指数——心跳间隔相关性的一个特征。这些信息可以精确映射到身体运动期间的生理状态。
实时强度监测
DDFA 在评估运动期间心跳相关性的实时变化方面表现出色。训练强度与 DDFA 尺度指数的时间和尺度依赖性变化直接相关。研究表明，随着身体运动强度的增加，尺度指数会降低。最终，在非常高的强度下，心跳间隔可能会显示出所谓的反相关性，即大间隔和小间隔根据时间尺度以特定方式交替出现。这些信息允许精确监测运动强度和生理阈值。
直观展示 DDFA 的作用
一项关键研究《基于心率变异性动态相关特性估计生理运动阈值》发表于 2023 年的《生理学前沿》[2]，展示了 DDFA 的能力。该研究论文呈现了一个随时间强度逐渐增加的运动场景。青色线条表示两个代谢阈值：LT1（有氧阈值）和 LT2（无氧阈值），黑色虚线则标示了基于血液乳酸水平的这些阈值的位置。
这展示了一个理想的场景，即基于 DDFA 的分析得出的阈值水平几乎与使用基于乳酸的阈值定义得出的水平相同。虽然这代表了最佳情况，但在实际应用中预计会有所变化。DDFA 分析和基于乳酸的阈值可能因具体情况而异，心率测量通常在每分钟 ±5 次心跳范围内匹配。基于乳酸的阈值本身也存在不确定性，这取决于解释。
临床精度的有效性
MoniCardi 的方法已用于预测整体心脏风险和心脏性猝死 [1]，以及多种心脏疾病，如长 QT 综合征 [4,5]、心房颤动和充血性心力衰竭 [准备中]。这些方法还被应用于估计压力和睡眠阶段 [6,7]。心脏性猝死的预测 [1] 已引起广泛关注，它被芬兰所有主要新闻网站（YLE、Helsingin Sanomat、Ilta-Sanomat、Aamulehti）以及多个国际新闻网站报道（见下文列表）。
在医疗技术领域，MoniCardi 目前正在与瑞典医械公司 Cardiolex Medical 合作，该公司致力于开发现代心电图设备和系统。MoniCardi 还在可穿戴技术领域寻求合作伙伴，以将心脏风险评估推向大众市场。
参考文献
[1] Jussi Hernesniemi、Teemu Pukkila、Matti Molkkari、Kjell Nikus、Leo-Pekka Lyytikäinen、Terho Lehtimäki、Jari Viik、Mika Kähönen、Esa Räsänen，《利用超短期心率波动预测心脏性猝死》，JACC： 2024
[2] Matias Kanniainen、Teemu Pukkila、Joonas Kuisma、Matti Molkkari、Kimmo Lajunen 和 Esa Räsänen，《基于心率变异性动态相关特性的生理运动阈值估计》，前沿。14 (2023).
[3] Teemu Pukkila, Matti Molkkari, Matias Kanniainen, Jussi Hernesniemi, Kjell Nikus, Leo- Pekka Lyytikäinen, Terho Lehtimäki, Jari Viik, Mika Kähönen, and Esa Räsänen, Effects of Beta Blocker Therapy on RR Interval Correlations During Exercise, Computing in Cardiology 50 (2023) 10.22489/CinC. .104
[4] Matias Kanniainen、Teemu Pukkila、Matti Molkkari 和 Esa Räsänen，《昼夜节律对长 QT 综合征 RR 间期相关性的影响》，《心脏病学计算》50 (2023) 10.22489/CinC.2023 .287 [5] T. Pukkila、M. Molkkari、J. Kim 和 E. Räsänen，《长 QT 综合征患者 RR 间期相关性降低》，《心脏病学计算》49 (2022) 10.22489/CinC.2022 .284
[6] Teemu Pukkila、Matti Molkkari 和 Esa Räsänen，复杂任务期间的动态心跳相关性–汽车驾驶案例研究，《心脏病学计算》48 (2021) 10.23919/CinC53138.2021.9662676
[7] M. Molkkari、M. Tenhunen、A. Tarniceriu、A. Vehkaoja、S.-L. Himanen 和 E. Räsänen，
用照相血压计分析睡眠阶段的非线性心率变异性测量，《心脏病学计算》46 (2019)；10.22489/cinc.2019 .287
[8] M. Molkkari、G. Angelotti、T. Emig 和 E. Räsänen，《跑步过程中的动态心跳相关性》，《科学报告》10，13627 (2020)
[9] M. Molkkari 和 E. Räsänen，《节拍速率变异性的去趋势波动分析中缩放指数的稳健估计》，《心脏病学计算》45 (2018)；10.22489/CinC.2018 .219
[10] M. Molkkari 和 E. Räsänen，用于估计受试者状况的心脏搏动间期，专利申请中。
MoniCardi 的最新消息
国际新闻:
Science Daily: https://www.sciencedaily.com/releases/2024/06/240613140808.htm
Science Alert: https://www.sciencealert.com/new-algorithm-can-predict-and-help- prevent-sudden-cardiac-death
Mirage News: https://www.miragenews.com/tampere-university-researchers- predict-sudden-1255528/
Medical XPress News: https://medicalxpress.com/news/2024-01-method-based-series-analysis-thresholds.html
芬兰新闻：
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