Analysis of complex physiological systems by information flow: a time scale-specific complexity assessment

摘要

In den letzten zwei Jahrzehnten wurden die konventionellen linearen Methoden der Biosignalanalyse in beträchtlichem Maße durch nichtstationäre, nichtlineare und Komplexitäts-Verfahren erweitert. Bisher wurde bei der Definition von Komplexitätsmaßen üblicherweise nur eine einzelne Zeitskala betrachtet. Mit solchen Maßen können jedoch komplexe physiologische Vorgänge, die auf unterschiedlichen Zeitskalen organisiert sind, nicht adäquat erfasst werden. Der Informationsfluss erfasst komplexe Vorgänge über spezielle Zeitskalen. Darauf aufbauend wurden in unserer Forschungsgruppe in Zusammenarbeit mit den oben erwähnten verschiedenen theoretischen, experimentellen und klinischen Partnern neue Ansätze entwickelt. In der vorliegenden Arbeit wird der Begriff des Informationsflusses erklärt und typische Informationsfluss-Charakteristika werden gezeigt. Der prognostische Wert des autonomen Informationsflusses (AIF), der die Kommunikation innerhalb des kardiovaskulären Systems widerspiegelt, wird an Patienten mit Multiorganversagen und an Patienten mit Herzinsuffizienz demonstriert. Mit Hilfe des Gang-Informationsflusses (GIF), der die Kommunikation im motorischen Kontrollsystem beim Gehen widerspiegelt, ist eine Unterscheidung zwischen gesunden Kontrollpersonen und an Rückenschmerzen leidenden älteren Personen möglich. Die vorgestellten Anwendungen, die theoretisch auf dem Konzept des Informationsflusses basieren, zeigen dessen Bedeutung für die Charakterisierung komplexer physiologischer Systeme. Die medizinische Relevanz muss in weiteren umfassenden klinischen Studien bestätigt werden.%In the last two decades conventional linear methods for biosignal analysis have been substantially extended by non-stationary, non-linear, and complexity approaches. So far, complexity is usually assessed with regard to one single time scale, disregarding complex physiology organised on different time scales. This shortcoming was overcome and medically evaluated by information flow functions developed in our research group in collaboration with several theoretical, experimental, and clinical partners. In the present work, the information flow is introduced and typical information flow characteristics are demonstrated. The prognostic value of autonomic information flow (AIF), which reflects communication in the cardiovascular system, was shown in patients with multiple organ dysfunction syndrome and in patients with heart failure. Gait information flow (GIF), which reflects communication in the motor control system during walking, was introduced to discriminate between controls and elderly patients suffering from low back pain. The applications presented for the theoretically based approach of information flow confirm its value for the identification of complex physiological systems. The medical relevance has to be confirmed by comprehensive clinical studies. These information flow measures substantially extend the established linear and complexity measures in biosignal analysis.