脑血流自动调节功能（cerebralautoregulation，CA）是指当血压在一定范围内波动时，机体通过调节脑小血管口径来维持脑血流量相对恒定的能力，是脑血管固有的功能，也是机体防止脑组织出现低灌注或过度灌注的主要方式。CA分为静态CA和动态CA（dynamicCA，dCA）两种。前者是研究动脉血压或颅内压缓慢变化前后脑血流量的改变，后者是研究动脉血压或颅内压变化瞬间脑血流量的瞬时变化。目前dCA可以借助经颅多普勒超声（transcranialDoppler，TCD）和连续指尖血压监测仪的数据，联合数学模型进行分析，适用于临床对患者脑血管功能的评估。近年来dCA在神经系统疾病中的应用积累了大量的循证医学证据。为此，本课题组在参考和借鉴国内外最新指南、文献的同时，结合临床经验和我国国情，制定了《动态脑血流自动调节功能评估在神经系统疾病中的临床应用专家共识（）》，以期规范和推广dCA在神经系统疾病中的应用。
1dCA的调控机制
目前CA的调控机制尚不完全明确，经典的假说主要有4种：肌源性学说、代谢学说、神经源性学说和内皮源性学说，这些机制各自发挥作用又相互联系，作用过程较为复杂。这些学说在静态CA和dCA中同样适用。1.1肌源性学说肌源性学说主要是指机体可以通过调控脑小动脉和微动脉血管平滑肌细胞的代偿性扩张或收缩来维持动态稳定的脑血流量（Bayliss效应）。小动脉和微动脉跨壁压力增加时，平滑肌细胞收缩，血管管径缩小，脑血管阻力增加；反之，平滑肌细胞舒张，血管管径增加，脑血管阻力减小。有研究报道，增加的跨壁压力激活电压依赖性钙通道，导致大量细胞外钙离子内流，平滑肌细胞膜去极化，钙离子与钙调蛋白进一步结合，并激活肌球蛋白轻链激酶。激活的肌球蛋白轻链激酶使肌球蛋白轻链磷酸化，促进肌动蛋白-肌球蛋白的相互作用，导致平滑肌细胞收缩，引起血管收缩。此外，多种细胞内第二信使可能也参与了该过程，如肌醇三磷酸、磷酯酶A2、蛋白激酶C等。
1.2代谢学说代谢学说认为脑小血管周围环境的变化参与了调控过程。当脑血流量瞬时减少时，局部O2含量减少、CO2等代谢产物增加，CO2积聚导致脑血管舒张，脑血管阻力减小。有研究表明二氧化碳分压每增加1mmHg（1mmHg=0.kPa），脑血流量增加约4%。在某些病理状态下，平均动脉压低于调节能力的下限即50mmHg时，脑组织灌注不足而发生无氧呼吸；反之平均动脉压高于mmHg时，CO2减少导致脑血管持续收缩。也有研究证实低氧血症伴随着腺苷的释放，中到重度低血压（平均动脉压低于45mmHg）可以使腺苷含量升高6倍，腺苷作为血管舒张因子，可阻断脑实质内的血管收缩信号，与脑血管的舒张反应有关，而腺苷受体拮抗剂则可使低氧血症期间的脑血流量减少。
1.3神经源性学说神经源性学说包括两方面的内容：一是指脑血管周围分布的自主神经系统在维持脑血流量稳定中发挥作用。较多的研究表明自主神经系统对dCA的调控是在交感神经和副交感神经的相互平衡下共同发挥作用的，交感神经和副交感神经的药物阻断均可使dCA功能受损。二是指脑神经血管偶联，一方面通过改变神经元的电活动调控dCA；另一方面，神经元也可通过分泌多种具有血管活性的神经递质来调控dCA，如血管扩张剂乙酰唑胺、一氧化氮及血管收缩剂5-羟色胺和神经肽Y等。
1.4内皮源性学说内皮源性学说认为，完整的脑血管内皮细胞结构和功能是dCA功能保持正常的基础。正常的血管内皮细胞以旁分泌的方式释放血管扩张剂（如一氧化氮）和血管收缩剂（如血栓素A2和内皮素-1）来维持血管的正常张力。其中一氧化氮的作用尤为重要，血管内皮细胞在一氧化氮合酶的作用下分泌一氧化氮，弥散进入邻近的血管平滑肌细胞，增加环磷鸟苷的含量，并在一系列级联反应的作用下引起血管舒张。蛛网膜下腔出血后dCA受损的机制可能与该学说密切相关。蛛网膜下腔出血发生后，由于炎症等作用，脑血管内皮的结构和功能均受到严重损害，一氧化氮的含量和利用率下降，脑血管持续收缩，造成dCA功能受损。
2常用dCA监测及分析方法
2.1dCA监测方法分类目前所有对dCA的监测方法都是基于其定义提出的，核心思想是，监测脑血流量是否跟随动脉血压变化。一般认为，当dCA正常时，脑血流量将不随动脉血压变化，且会主动调节至基线水平；而当dCA受损时，脑血流量将被动跟随动脉血压变化。基于此，才可以监测受试者的dCA水平。
监测dCA所需采集的数据：同步且连续的脑血流量和动脉血压监测。对于脑血流量，目前主流方式是通过TCD测量大脑中动脉脑血流速度（cerebralbloodflowvelocity，CBFV）以近似估计脑血流量。该方式是基于，一方面，近70%的脑血流会流经双侧大脑中动脉，因此具有代表性；另一方面，正常情况下，中动脉管径变化＜5%，因此，CBFV的变化趋势与脑血流量的变化趋势可视为一致。对于动脉血压，主流监测方式是通过测量肢体远端的连续血压来近似估计系统动脉血压，已有方式包括基于容积补偿法的指端连续血压和基于张力法的手腕连续血压，其中前者更为准确且普及。dCA的监测方式可分为以下两大类。
1.激发动脉血压变化，并根据脑血流量的响应评价dCA：下肢束带实验、下肢负压实验、倾斜床实验、蹲立位实验、瓦氏实验等一系列被动激发动脉血压变化的实验都可以用于监测dCA，其中文献报道最多的是基于下肢束带实验的dCA监测。受试者平卧，通过对缚于双侧大腿的气囊充气，使气囊内压力升至收缩压之上，阻断气囊远端的血流1min，从而诱发下肢血管扩张，然后，将气囊迅速放气，此时血液涌入下肢，导致系统血压下降10~15mmHg。通过观测及计算放气过程中动脉血压和CBFV的动态关系即可评价dCA。动脉血压激发实验虽然可以有效改变血压，但是其应用有一定的局限性。这类实验适用于健康受试者，但对于患者，特别是脑血管疾病患者，具有一定的风险，如血压下降导致的低灌注可对患者造成不利影响，且患者比健康受试者更难配合完成这类实验。因此，在20世纪90年代初，有学者提出了另一种监测dCA的思路。
2.监测自发动脉血压变化，并根据脑血流量的响应评价dCA：人体系统动脉血压是时刻自发波动的，这种波动同样会改变脑血流量，而且dCA也会参与调节脑血流量。因此，受试者只需平卧，同步记录连续动脉血压和CBFV的变化，即可根据它们的动态关系评价dCA。但自发动脉血压的变化幅度（通常＜5mmHg）要显著小于激发动脉血压的变化，所以往往需要借助数学模型以精确分析动脉血压和CBFV之间的动态关系。由于适用范围广泛，因此，基于自发动脉血压变化的dCA相关临床研究自20世纪90年代起就一直是热点。监测dCA的模型可以分为：（1）线性模型，即采用线性模型描述动脉血压与CBFV的关系。（2）非线性模型，认为动脉血压与CBFV存在非线性关系。（3）复杂线性模型，主要指多元线性模型和非平稳线性模型，多元线性模型即除了考虑动脉血压与CBFV的关系外，还要考虑CO2或者O2对CBFV的影响；非平稳线性模型主要指dCA本身是动态变化的，而传统的模型将dCA视为静态不变的系统。（4）基于先进成像技术的模型，如基于大脑氧代谢率的磁共振影像dCA监测方法。以下笔者将进一步介绍基于这些模型的dCA分析方法。
2.2dCA数据分析分类1.脑血流自动调节指数（cerebralautoregulationindex，ARI）：ARI是一种基于二阶微分方程的dCA监测方法。ARI为0~9之间的数值，由低至高，共由10个等级构成，每个等级对应一套预设的微分方程参数，包括阻尼因素（dampingfactor，D）、时间常数（timeconstant，T）、增益系数（gainparameter，G）。0级表示dCA完全丧失，此时脑血流量完全跟随动脉血压变化而改变。9级代表近乎完美的dCA，此时即使动脉血压发生阶跃变化，如动脉血压由基线mmHg突然跃变至mmHg，脑血流量也能迅速恢复至基线水平。ARI是一套非常直观且易于实现的dCA监测方法，但是，由于该方法预设的10组微分方程参数（D、T、G）较理想化，往往与实际情况不符，导致该模型与真实数据的拟合度不足。因此，有学者后续提出了改进方法，如自回归滑动平均模型-ARI。虽然ARI存在一定的问题，但它易于理解，且具有一定的参考价值，仍然是目前临床研究采用较多的dCA监测方法。
2.传递函数分析（transferfunctionanalysis，TFA）：TFA是目前应用最广泛的dCA监测方法。TFA是一种基于线性时不变系统的分析方法，它将dCA视为静态不变的生理系统，该系统的输入是动脉血压，输出是脑血流量（通常用TCD测得的CBFV替代）。通过TFA可以得到系统增益和相位，在频域方面还可以计算相干函数。增益表示CBFV相对于动脉血压的幅度变化，增益＜1时，说明dCA可抑制动脉血压的幅度传递到CBFV，此时dCA机制是活跃的。而当增益=1时，说明CBFV随动脉血压的变化而变化，此时dCA受损。相位可以表示在特定频率上CBFV相对于动脉血压的时间差，当动脉血压在低频段（0.1Hz附近）变化时，相位为正值（正常人通常不低于40o），说明CBFV不随动脉血压变化，此时dCA在发挥作用。如果相位为正值接近零，说明CBFV跟随动脉血压变化，此时dCA受损。相干函数表示动脉血压和CBFV的线性相关度，0为线性不相关，1为完全线性相关。因此，相干函数主要用于判断所采集的数据是否适用于TFA，若动脉血压与CBFV的线性相关度低于临界值（相干函数的临界值与计算所用的数据片段个数相关，具体请参考专家共识白皮书），则此时TFA不适用于dCA的监测；反之，则适用。因此TFA能够全面（各频率的增益、相位、相干函数）地分析动脉血压和CBFV的动态关系，且非常适用于自发动脉血压监测，适用对象广泛。国际脑血流自动调节研究网络自年起开展针对标准化TFA的多中心研究，并撰写了专家共识白皮书。近年来随着机器学习的兴起，Liu等提出一种集成半监督学习方法，用于优化TFA的频域参数，研究发现这种数据驱动的方法可以将其准确性提升约7%，达到93%。因此，基于机器学习的TFA具有判别个体dCA的应用前景。
3.相关性分析：相关性分析是指根据动脉血压和CBFV的线性相关性来监测dCA。其基本思想是，当dCA正常时，动脉血压与CBFV相关性弱；反之，当dCA受损时，动脉血压与CBFV的相关性增加。该方法被命名为平均血流指数（meanflowindex，Mx）。每计算一个Mx值都需要连续计算30个平均血流，而每个平均血流是由10s血流信号的均值来表示的，因此计算一个Mx值需要采集s的动脉血压和CBFV。当获得新的动脉血压和CBFV数据样本后就可以立即更新Mx，因此，Mx是一种连续监测dCA变化的方法。它非常适用于重症监护病房的患者，该方法可以持续监测dCA的变化，从而辅助临床决策，及时调控动脉血压，以获得最佳的预后。
4.其他分析方法：以上是dCA临床研究采用最多的方法，其他引用或讨论比较多的方法还包括：（1）多模态血压血流分析法，这是一种基于希尔伯特—*变换（Hilbert-Huangtransformation，HHT）的方法，其基本思想是利用HHT获得血压和血流信号的瞬时相位差并用以分析dCA，该方法是一种时域瞬态分析方法，即可以获得瞬时的相位差。但实际计算时，血流和血压的瞬时多模分解频率往往不一致，导致计算结果可解释性较弱。（2）基于自回归外生模型的分析方法，其本质是在自回归模型中加入了外生输入的估计，可以更好地拟合血流和血压信号。外生输入估计需要先验信息，计算时常采用随机信号替代。
2.3dCA监测方案介绍根据以上原理和分析方法，dCA分析需要同步采集并记录连续动脉血压、CBFV、呼气末CO2。目前常用的方案为：（1）采用基于容积补偿法的指端连续血压设备获取连续动脉血压数据，这是一种无创的方法，普遍适用。在伦理允许的情况下（如重症），也可采用动脉置管直接获取连续血压；（2）采用TCD测量双侧大脑中动脉CBFV；（3）采用基于近红外光谱分析法的呼气末CO2测量仪无创连续获取呼气末CO2信号。
仪器连接方案主要有2类：通过外置数据采集卡或者数据采集模块，将数据采集模块分别连接电脑和数据采集仪器，即可同步采集上述医学信号。另外一种常用方案是，将2台设备连接至另一台设备，如将指端连续血压仪和呼气末CO2测量仪通过数据线连接至TCD，利用TCD同步采集这些数据，再下载至电脑进行后续分析。CBFV监测方案：将2MHz的TCD探头置于受试者双侧颞窗，获得双侧大脑中动脉CBFV数据，用以分析前循环dCA功能；也有研究采用同样的方法监测双侧大脑后动脉CBFV，分析后循环dCA功能。连续动脉血压监测方案：受试者多为平躺，因此无需压力高度校准，测量时确保测量位置与心脏在同一水平位置即可。测量期间，血管容积可能会因为平滑肌的收缩或者舒张而改变，此时需要自动校准血压仪，通常在开始测量时启动自动校准程序，测量5min后手动关闭，由于自动校准期间会出现数据丢失，因此，前5min数据不纳入后续数据分析。呼气末CO2信号获取包括主流和旁流采集，2种测量方式都可以选用。
在具体应用上述dCA分析方法前还需对数据进行预处理。通常包括以下2个步骤：（1）首先需要对齐数据，确保数据的同步性。其一，由于动脉血压和CBFV不在同一位置采集，二者之间存在时间差；其二，由于仪器内部的滤波器等数据处理过程会造成数据延时，因此需采用相关性函数找到数据相关性最大的时间延滞，然后通过平移数据来消除数据间的时间延滞。（2）将原始数据的采样频率降至1Hz。这是因为dCA是0.2Hz以下的低频生理机制，高频数据不但不能提供有效信息，还会产生噪音，从而影响数据分析。可以采用低通滤波器将医学信号降采至1Hz，再进行后续数据分析。另外一种方法是获得每搏信号的均值，然后采用线性插值法连接每搏均值，再降采至1Hz。
3dCA评估在神经系统疾病中的研究和应用
3.1脑血管病1、缺血性脑卒中：缺血性脑卒中约占全部脑血管病患者的70%~80%，是最常见的脑血管病类型。研究表明，约80%的急性脑卒中患者发病24h内出现血压升高，尚有部分患者血压偏低或者维持正常。为了维持正常的脑血流量，脑卒中后如何控制理想的血压是治疗的关键，而了解脑卒中后CA状态可帮助患者明确个体化血压控制目标并提供临床预后信息，急性缺血性脑卒中后CA功能存在与否对维持缺血半暗带的血流稳定、避免脑组织过度灌注至关重要。大量研究表明，缺血性脑卒中会导致CA受损。但是，关于CA是局部受损还是全脑受损一直备受争议。一些研究通过激发动脉血压变化计算ARI，发现急性缺血性脑卒中症状出现后24~72h内，双侧大脑半球dCA均受损而静态CA未受影响，与按照牛津郡社区卒中研究（Oxford