MoniCardi,是一家起源于坦佩雷大学的医疗技术和软件公司，一直致力于开发全新的心率变异性(HRV)分析方法， 以解码人体的复杂现象。MoniCardi团队的目标是揭示心脏行为对各种生理特征的影响，开启健康与运动表现测量的新篇章。
基础：通过大数据集的验证
MoniCardi的突破性研究源于最初在计算物理学中开发的统计和时间序列分析方法。这些方法虽然起源于物理学，但在心电图(ECG)领域， 尤其是在HRV分析中，展现了出乎意料但极具影响力的应用。
MoniCardi的创新方法及其实际效用已在多个科学研究中得到验证【1-9】,并在美国心脏协会科学会议等心脏病学领先会议上亮相。 这些研究利用了大规模数据集，如芬兰心血管研究(FINCAVAS),该研究包含4386名参与者在临床压力测试中的全面测量数据。 在最近的一项突破性研究【1】中，发现MoniCardi对测试前一分钟静息阶段的HRV分析比传统的20分钟压力测试更能预测猝死风险 (危险比值分别为2.5和1.5)。当考虑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的专利方法在运动应用中可以准确估算代谢阈值。2023年，MoniCardi团队在领先的生理学期刊中发表了一项开创性研究【2】, 证实了其方法的有效性。这项研究被芬兰主流报纸《赫尔辛基日报》及多家国内外新闻网站报道。目前，这些结果正在坦佩雷大学与芬兰高性能体育研究所(KIHU)的 学术合作中进行验证。
通过与Suunto公司于2024年开展的合作，MoniCardi的创新技术现已逐步进入专业运动员、运动爱好者及所有对这些 先进HRV分析功能感兴趣的消费者手中，推动HRV分析达到全新水平，并确保其提供实用的、可操作的结果。
了解心率变异性(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，可以深入了解人体状态，特别是自主神经系统对心脏的影响。 传统上，HRV被用于通过RMSSD(连续差异的均方根)评估睡眠时的恢复状态，从而检测压力水平。休息时，人体表现出显著的心跳间隔变化，即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，导致心率变异性下降。HRV的减少可以作为评估压力水平的指标。
引入DDFA:革命性的测量技术
传统的HRV方法分为时间域、频率域和非线性方法。其中，最常见的一种非线性方法是1990年代初开发的去趋势波动分析(DFA)。 DFA提供的关键信息是HRV的长期特性，特别是心跳间隔的变化在不同时间点的相关性。这些信息具有很高的预测价值， 但直到最近“动态DFA”(DDFA)技术的开发，这些信息的实际应用价值才被真正释放【8,9】。DDFA进一步改进了对HRV相关性变化的 时间敏感分析【10】。简单来说，DDFA使用从4到50多个连续心跳的多种“度量工具”。在任何时刻，DDFA会同时为所有这些度量工具 提供一个所谓的“缩放指数”,这是心跳间隔相关性的特征，可以精确映射身体在运动过程中的生理状态。
实时强度监测
DDFA在评估运动过程中心跳相关性的实时变化方面表现出色。运动强度与DDFA缩放指数的时间和尺度依赖性变化直接相关。研究表明， 运动强度的增加会导致缩放指数的下降。在非常高的强度下，心跳间隔可能会表现出所谓的“反相关性”,即大和小的心跳间隔会以特定方式交替出现， 具体取决于时间尺度。这些信息可以精确监控运动强度和生理阈值。
可视化DDFA的应用
2023年发表在《生理学前沿》上的一项关键研究《基于心率变异性动态相关特性估算生理运动阈值》【2】展示了DDFA的能力。研究论文呈现了一个随着 时间推移运动强度逐渐增加的场景。青色线表示两个代谢阈值：LT1(有氧阈值)和LT2(无氧阈值),黑色虚线标注了这些阈值根据血乳酸水平的位置。
这展示了一个理想的场景，其中基于DDFA的分析所得到的阈值水平与使用乳酸阈值定义所获得的几乎相同。虽然这代表了最佳情况，但在实际应用中预计会有变化。 DDFA分析和乳酸阈值可能因个案而异，心率测量通常在±5次每分钟内匹配。乳酸阈值也存在固有的不确定性，这些阈值往往受到解释的影响。
临床准确性的有效性
MoniCardi方法已被用于预测整体心脏风险和猝死【1】以及几种心脏疾病，如长QT综合征【4,5】、房颤和充血性心力衰竭【正在准备中】。 这些方法也已应用于估计压力和睡眠阶段【6,7】。猝死的预测【1】引起了广泛关注，并在芬兰的所有主要新闻网站 (如YLE、赫尔辛基日报、伊尔塔-萨诺马特、阿马乌莱赫蒂)以及若干国际新闻网站上报道(下方列表)。
在医疗技术方面，MoniCardi目前正与瑞典医疗科技公司Cardiolex Medical合作，后者正在开发现代ECG设备和系统。 MoniCardi还在寻求可穿戴技术的合作伙伴，以将心脏风险评估推向大众市场。
References:
[1] Jussi Hernesniemi, Teemu Pukkila, Matti Molkkari, Kjell Nikus, Leo-Pekka Lyytikäinen, Terho Lehtimäki, Jari Viik, Mika Kähönen, Esa Räsänen, Prediction of sudden cardiac death with ultra-short-term heart rate fluctuations, JACC: Clinical Electrophysiology, 2024
[2] Matias Kanniainen, Teemu Pukkila, Joonas Kuisma, Matti Molkkari, Kimmo Lajunen, and Esa Räsänen, Estimation of Physiological Exercise Thresholds Based on Dynamical Correlation Properties of Heart Rate Variability, Front. Physiol. 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.2023.104
[4] Matias Kanniainen, Teemu Pukkila, Matti Molkkari, and Esa Räsänen, Effect of Diurnal Rhythm on RR Interval Correlations of Long QT Syndrome, Computing in Cardiology 50 (2023) 10.22489/CinC.2023.287
[5] T. Pukkila, M. Molkkari, J. Kim, and E. Räsänen, Reduced RR Interval Correlations of Long QT Syndrome Patients, Computing in Cardiology 49 (2022) 10.22489/CinC.2022.284
[6] Teemu Pukkila, Matti Molkkari and Esa Räsänen, Dynamical Heartbeat Correlations During Complex Tasks – A Case Study in Automobile Driving, Computing in Cardiology 48 (2021) 10.23919/CinC53138.2021.9662676
[7] M. Molkkari, M. Tenhunen, A. Tarniceriu, A. Vehkaoja, S.-L. Himanen, and E. Räsänen,
Non-Linear Heart Rate Variability Measures in Sleep Stage Analysis with Photoplethysmography, Computing in Cardiology 46 (2019); 10.22489/cinc.2019.287
[8] M. Molkkari, G. Angelotti, T. Emig, and E. Räsänen, Dynamical Heartbeat Correlations During Running, Sci. Rep. 10, 13627 (2020)
[9] M. Molkkari and E. Räsänen, Robust Estimation of the Scaling Exponent in Detrended Fluctuation Analysis of Beat Rate Variability, Computing in Cardiology 45 (2018); 10.22489/CinC.2018.219
[10] M. Molkkari and E. Räsänen, Inter-beat interval of heart for estimating condition of subject, Patent pending.
Latest news of MoniCardi
International news:
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
Finnish news:
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