丙泊酚与七氟醚麻醉的脑电图特征差异：一项比较神经生理学研究

作者与发表信息 本研究由Ping Shen、Miao Da和Zhongxia Shen（通讯作者）共同完成，作者单位为中国湖州市第三人民医院（温州医科大学附属医院）。该研究于2026年4月28日发表在学术期刊《Frontiers in Medicine》上，文章类型为原创性研究，引用格式为：Shen P, Da M and Shen Z (2026) Divergent periodic and aperiodic EEG signatures of propofol versus sevoflurane anesthesia: a comparative neurophysiological study. Front. Med. 13:1794626. doi: 10.3389/fmed.2026.1794626。

学术背景与研究目的 本研究的科学领域聚焦于麻醉神经生理学和临床脑电图学。在临床实践中，深度麻醉监测通常依赖一些“药物不变”的简化脑电图指数，这些指数可能掩盖了不同麻醉药物之间精细的神经生理学差异。丙泊酚和七氟醚虽然都属于GABA能麻醉剂，但其诱导的神经状态可能存在显著区别。先前研究已表明，丙泊酚维持的麻醉状态以稳定、高度同步的α节律（8-13 Hz）为特征，而七氟醚则倾向于诱导额叶θ波段（4-8 Hz）的突出和α峰值频率向慢α范围的下移。然而，除了这些周期性振荡特征外，脑电图功率谱中的非周期性成分（aperiodic component，即1/f背景活动）对于理解皮层兴奋-抑制平衡至关重要，但不同GABA能药物在此非周期性特征上的差异，尤其是在临床稳态维持期，尚未得到充分阐明。因此，本研究旨在通过一个多变量统计框架，结合谱分解技术，识别并量化在稳态维持期能够区分丙泊酚与七氟醚麻醉的周期性（振荡）和非周期性脑电图特征，从而为开发基于药物特异性的、多维度的脑状态监测方案提供神经生理学基础。

研究流程详述 本研究是一项回顾性分析，工作流程主要包含以下几个详细步骤：

1. 数据来源与预处理：研究数据来源于PhysioNet上的“GABA能麻醉诱导的无意识和恢复数据库”。分析聚焦于44名接受手术的患者，根据主要维持麻醉剂分为两组：丙泊酚组（全凭静脉麻醉，n=27）和七氟醚组（以七氟醚为基础维持，n=17）。脑电图数据使用SedLine脑功能监测仪记录，采样率为250 Hz。为确保在药理学稳态下进行比较，并排除诱导和苏醒期的动态过渡，研究提取了从意识消失后20分钟到手术结束前10分钟期间的脑电图数据。信号被分割成不重叠的30秒时段，并实施了一个多阶段的自动化伪迹剔除流程，最终得到3185个高质量时段用于分析。

2. 特征提取与神经生理学依据：为了表征麻醉维持期，研究从每个30秒脑电图中提取了17个神经生理学相关特征，并将其分为四个功能域：

   • 相对频带功率：计算了五个经典频带（δ：0.5-4 Hz, θ：4-8 Hz, α：8-13 Hz, β：13-25 Hz, γ：25-30 Hz）的功率相对于总功率（0.5-30 Hz）的比值。使用相对功率是为了最小化个体间颅骨阻抗和年龄相关功率衰减的混淆效应。
   • 频谱比率：计算了五个不同的功率比（如θ/α, θ/δ, β/α等），以捕捉不同振荡回路之间的动态平衡。
   • 频谱分布与振荡节律：提取了α峰值频率（alpha peak frequency）和α带宽作为丘脑皮层环路完整性的指标，并计算了95%频谱边缘频率和50%频谱边缘频率以总结频谱能量的宏观分布。
   • 非周期性与复杂性成分：使用specparam（或称FOOOF）算法将功率谱分解为周期性和非周期性成分。提取了非周期性指数（aperiodic exponent，代表1/f斜率）和偏移量（offset，宽带截距）作为全局兴奋-抑制平衡的指标。斜率越陡峭（指数越高）通常与增强的抑制性张力活动相关。此外，还计算了频谱熵作为量化频谱分布不规则性和信息复杂性的非线性度量。

3. 多变量统计框架与可解释性分析：为了识别丙泊酚和七氟醚麻醉的独特神经生理学特征，研究采用了基于随机森林算法的多变量统计框架。分类任务在时段级别进行，但为了严格防止数据泄漏并确保对新受试者的泛化能力，实施了受试者级别的5折交叉验证方案。最终模型评估在受试者级别进行：将每个患者所有未见过的30秒时段的预测概率进行算术平均，得到复合的受试者级别概率分数，再以0.5为阈值进行分类。模型性能主要通过受试者级别准确率来评估。为了从“黑箱”预测模型转向可解释的神经生理学框架，研究采用了SHAP（Shapley Additive Explanations）分析，通过计算平均绝对SHAP值来建立特征重要性排名，从而识别驱动GABA能药物区分的主要生物学标志物。

4. 统计分析：使用Welch’s t检验对两组间的每个脑电图特征进行统计比较，以评估神经生理学差异。统计显著性定义为双尾p < 0.05。

主要研究结果详述 研究结果揭示了丙泊酚与七氟醚麻醉在稳态维持期存在显著的周期性及非周期性频谱特征差异。

1. 频谱形态的直观与量化差异：代表性频谱图显示，七氟醚维持组表现为宽带功率分布，在θ波段（4-8 Hz）有显著且持续的功率升高；而丙泊酚维持组则表现出高度节律性、集中的α波段振荡，相邻频带的频谱侵占最小。归一化的组功率谱密度分析进一步证实了这些观察：丙泊酚组在约11 Hz处有一个尖锐的高振幅α峰；相反，七氟醚组的主导振荡频率显著左移，峰值位于慢α范围（约8.78 Hz）。

2. 非周期性背景动力学的显著分歧：通过对数-对数尺度上的功率谱分解，研究发现两组在背景频谱动力学上存在显著差异：七氟醚组表现出比丙泊酚组更陡峭的非周期性指数（2.37 ± 0.21 vs. 2.07 ± 0.40, p = 0.039）。生理上，年龄增长通常与功率谱平坦化（指数降低）相关。本研究中，年龄显著更大的七氟醚组（平均50岁）不仅没有表现出更平坦的谱，反而比年轻的丙泊酚组（平均32岁）显示出更陡峭的衰减，这表明了七氟醚强大的、药物特异性的陡峭化效应，覆盖了预期的年龄相关谱平坦化。在减去非周期性背景后，“平坦化”的频谱证实，七氟醚组中主导峰值频率的下移和θ波段突出是其固有的振荡特征，而非由更陡的1/f衰减引起的频谱伪影。

3. 强大的分类性能与特征拓扑可分性：多变量统计框架展现出强大的区分能力。通过将时段级预测汇总以对全新受试者进行分类，随机森林分类器获得了严格的受试者级别准确率，高达91.43%。相应的受试者级别混淆矩阵证实了模型的高灵敏度和特异性。t-SNE可视化将特征集投影到二维空间，结果显示丙泊酚诱导和七氟醚诱导的皮层状态形成了 distinct 的聚类且重叠最小，表明这两种药物将皮层转换到了不同的动力学状态，且这种药物特异性特征在维持期覆盖了个体变异性。

4. 特征重要性排名与关键鉴别标志物：SHAP分析阐明了每个神经生理学参数对识别麻醉药物的相对贡献。重要性排名显示，θ波段动力学具有绝对主导地位：相对θ功率、θ/α比率和θ/δ比率被确定为最主要的区分因素，占据了SHAP重要性排名的前三位。紧随其后的是两个关键的频谱结构特征：振荡峰值频率（排名第4）和非周期性指数（排名第5）。值得注意的是，α带宽和信号复杂性度量（如频谱熵）提供的区分价值微乎其微，排名垫底。这证实了药物的区分依赖于特定的频率偏移和非周期性背景陡峭度，而非周期性峰的宽度或整体信号的随机性。SHAP摘要图还展示了一致的方向性关系：较高的θ波段活动和θ相关功率比强烈指向七氟醚组；较高的非周期性指数（更陡的频谱衰减）也是预测七氟醚的关键因素。相反，较高的α峰值频率和增加的相对β功率则是丙泊酚麻醉的标志性特征。

5. 关键生物标志物的统计分布：对17个提取特征的全面统计比较（见表3）证实了上述发现。相对θ功率、θ/α比率、θ/δ比率、峰值频率和非周期性指数均显示出显著的组间差异，并 consistently 占据SHAP重要性排名的前列。雨云图直观展示了这七个最显著特征（p < 0.05）的个体水平分布，清晰地将两种神经生理学状态区分开来。

研究结论与意义 本研究得出结论，丙泊酚和七氟醚麻醉在稳态维持期具有不同的神经生理学特征。这两种方案的区分主要依赖于强大的、药物特异性的周期性振荡频率偏移（特别是七氟醚下的θ波段突出和α峰值显著减速），以及非周期性背景动力学的明显分歧。值得注意的是，在七氟醚组观察到的更陡峭的非周期性斜率有效地覆盖了与年龄增长相关的预期生理性平坦化，证明了这是一种强效的、内在的药理学调制。相反，α带宽和总体信号复杂性等特征区分价值 negligible。这些发现支持向多维监测方案的转变，该方案应结合振荡和非周期性动力学的特定结构特征，以提高个体化麻醉管理的精确性。研究强调了在理解特定分子靶点相关的动力学状态时，需要整合多种结构性神经生理学标志物进行分析。这为开发能够解析药物特异性神经生理学效应的监测工具提供了依据，尤其在多模式和去阿片化麻醉日益普及的背景下，有助于早期风险分层和优化围术期管理，以改善神经认知预后。

研究亮点 1. 重要的研究发现：明确识别并量化了丙泊酚与七氟醚在稳态麻醉维持期关键的、可区分的脑电图特征组合，包括θ波段突出、α峰值频率下移以及非周期性指数（1/f斜率）的差异。特别是，首次在临床麻醉背景下强调了非周期性成分作为独立且关键的区分特征的重要性，并揭示了其强大的药理学调制效应可以覆盖年龄因素的影响。 2. 研究方法的创新性与严谨性：采用了先进的多变量分析框架，结合了受试者独立的交叉验证和SHAP可解释性分析，不仅实现了高精度的分类（91.43%受试者级别准确率），更重要的是能够识别和排序出最具鉴别力的生物学标志物，超越了传统的单变量比较。使用FOOOF算法进行谱分解，有效分离了周期性和非周期性成分，为理解背景皮层动力学提供了更清晰的视角。 3. 研究目标的特殊性：聚焦于临床实践中两种最常用GABA能麻醉剂的精细神经生理学差异，直接回应了当前基于“药物不变”指数的麻醉深度监测的局限性，具有明确的临床转化指向性。研究特别关注了稳态维持期，并排除了诱导和苏醒期的干扰，使结果更具临床可比性和实用性。 4. 对混杂因素的处理：研究意识到了队列间显著的年龄差异可能带来的混淆，并通过优先选择相对功率和频率特征（而非绝对振幅）以及讨论非周期性指数与年龄预期的相反趋势，巧妙地论证了所观察到的差异主要源于药理学效应，增强了结论的稳健性。

其他有价值的内容 研究还讨论了其局限性，包括回顾性数据集中缺乏个体水平的协变量分析（如ANCOVA）来统计调整年龄差异、缺乏详细的麻醉浓度数据（如MAC或TCI靶值）以标准化麻醉深度、以及缺乏关于慢性用药或既有神经认知疾病的详细病史。这些局限性为未来研究指明了方向：需要进行前瞻性研究，使用年龄匹配的队列和受控的麻醉浓度，以验证这些神经特征在不同临床人群中的普适性，并进一步阐明衰老与药物特异性神经生理学之间的复杂相互作用。此外，文中引用了大量近期（截至2026年）的文献，显示了该研究立足于当前研究前沿，并与现有知识体系进行了充分对话。