综述：生物电阻抗技术在神经系统疾病中的应用：机制、临床应用及未来展望

　　这篇综述系统阐述了生物电阻抗技术（EIT）在脑水肿、卒中、脑外伤等神经系统疾病中的动态监测价值，重点探讨了扰动系数分析、电阻抗断层成像（EIT）原理及其与人工智能（AI）、多模态影像的融合应用，为非侵入式实时监测提供了创新解决方案。

　　

1 引言

神经系统疾病如脑水肿、卒中和创伤性脑损伤（TBI）是全球高死亡率疾病，其病理过程与颅内压（ICP）和脑水肿动态变化密切相关。传统监测手段如CT、MRI无法实现连续监测，而侵入性ICP监测存在感染风险。生物电阻抗技术通过检测组织电导率和电容变化，为实时监测提供了新思路，主要包括扰动系数分析和电阻抗断层成像（EIT）两大分支。

2 生物电阻抗技术的理论基础

2.1 生物组织的电学特性

健康组织中电导率稳定，而病理状态下如脑水肿时细胞外液增加会显著提升电导率，卒中缺血区则因代谢障碍导致电导率下降。低频电流（<1 kHz）反映细胞外液特性，高频（>1 MHz）可穿透细胞膜评估胞内电学特性（图1）。

2.2 扰动系数的动态分析

扰动系数通过多频阻抗信号的时间序列分析，量化脑水肿发展或脱水治疗效果。例如，脑出血模型中扰动系数变化与CT显示的脑水肿体积高度一致（图4）。

2.3 电阻抗断层成像（EIT）原理

EIT通过电极阵列发射交流电并测量电压变化，重建组织阻抗分布图像。深度学习算法如卷积神经网络（CNN）和生成对抗网络（GAN）显著提升了图像分辨率，其中双分支U-Net（DB-UNet）在噪声环境下仍能保持200μm的定位精度。

3 神经系统疾病中的应用

3.1 脑水肿

EIT可区分细胞毒性水肿（电阻抗升高）和血管源性水肿（电阻抗降低）。动物实验显示，大鼠脑缺血模型中阻抗变化与组织学证据高度吻合，临床研究也证实EIT与CT结果相关性达85%。

3.2 卒中

缺血性卒中早期阻抗升高，而出血性卒中因血液外渗导致局部阻抗骤降。结合深度学习，EIT对卒中分类准确率超过90%，模拟头模型研究进一步验证了其区分卒中亚型的能力。

3.3 癫痫监测

EIT可捕捉癫痫发作时神经元放电导致的慢阻抗变化（持续数秒），其空间分辨率优于EEG，尤其适用于海马等深部病灶定位。啮齿类动物模型显示，EIT能准确识别 kainic酸诱导的癫痫灶。

4 新兴趋势

4.1 多模态融合

EEG-EIT联合系统通过梳状滤波算法消除信号干扰，实现癫痫放电同步监测；磁检测EIT（MDEIT）则利用磁通量检测替代电极，实现>1 kHz的高时间分辨率成像。

4.2 微型化设备

柔性电极和物联网（IoT）技术推动便携式EIT设备发展，如用于主动脉弓置换术（TAAR）术中脑血流监测的无线装置，可实时预测术后神经功能障碍风险。

5 未来展望

优化TV正则化算法、开发低成本穿戴设备是临床转化的关键。通过整合基因组数据和AI预测模型，EIT有望实现个性化诊疗，而跨学科人才培养将加速技术创新。

6 结论

作为非侵入式动态监测工具，EIT在神经系统疾病管理中展现出独特优势。尽管空间分辨率仍需提升，但算法优化和多模态融合正推动其迈向临床常规应用，未来或将成为神经重症监护的核心技术之一。