Tín hiệu sinh học là gì? Các nghiên cứu khoa học liên quan

Tóm tắt

Tín hiệu sinh học là các biến đổi vật lý, hóa học phát sinh từ hoạt động sinh lý của cơ thể, được ghi nhận qua các cảm biến chuyên dụng để phân tích chức năng mô – tế bào và chẩn đoán bệnh lý.

Các loại tín hiệu bao gồm điện sinh học (ECG, EEG, EMG), cơ học (áp lực mạch, độ căng cơ), hóa học (glucose, pH) và quang học (PPG), mỗi loại đòi hỏi kỹ thuật đo và xử lý riêng biệt để đảm bảo chất lượng dữ liệu.

Khái niệm tín hiệu sinh học

Tín hiệu sinh học (biological signal) đại diện cho các hiện tượng sinh lý sinh ra từ hoạt động của tế bào hoặc mô, thể hiện dưới dạng điện thế, lực cơ, áp suất hoặc nồng độ chất hóa học. Việc thu thập tín hiệu này giúp theo dõi sự biến đổi động học trong cơ thể sống.

Các tín hiệu điện sinh học xuất phát từ chênh lệch điện thế màng tế bào, truyền qua hệ thống cơ và thần kinh, tạo nên sóng điện đặc trưng như sóng P, QRS, T trên ECG hoặc sóng α, β, θ, δ trên EEG. Tín hiệu cơ học và áp lực phản ánh lực co bóp cơ và dao động áp suất trong mạch máu.

Tín hiệu hóa học và quang học được ghi nhận qua đầu dò sinh học (biosensor) như điện cực enzyme cho glucose hoặc cảm biến quang học dùng nguyên lý hấp thụ/phản xạ ánh sáng, cho phép định lượng nhanh các chất chỉ điểm sinh học trong máu và mô.

Phân loại tín hiệu sinh học

Theo bản chất vật lý và tần số, tín hiệu sinh học được chia thành các nhóm chính:

• Điện sinh học: ECG (0,05–100 Hz), EEG (0,5–70 Hz), EMG (10–500 Hz) với biên độ từ µV đến mV.
• Cơ học – áp lực: dao động áp lực mạch (<10 Hz), độ căng cơ, dòng chảy máu, sóng xung huyết.
• Hóa sinh: nồng độ glucose, lactate, pH, điện tích ion (Na+, K+, Ca2+).
• Quang học: PPG (0,5–5 Hz) đo SpO₂, quang phổ huỳnh quang xét nghiệm sinh hóa.

Bảng so sánh thông số cơ bản của một số tín hiệu sinh học:

Nguồn gốc và cơ chế sinh ra

Tín hiệu điện sinh học phát sinh từ sự chênh lệch nồng độ ion hai bên màng tế bào, do hoạt động của kênh ion và bơm Na+/K+-ATPase. Điện thế màng nghỉ (Vrest) và điện thế hoạt động (action potential) tuân theo Định luật Nernst và Goldman:

$V_m = V_{rest} + \frac{RT}{zF}\ln\frac{[K^+]_{out}}{[K^+]_{in}}$

Sóng áp lực mạch (pulse wave) xuất phát từ sóng xung nhịp do co bóp thất trái, lan truyền qua hệ động mạch. Vận tốc và biên độ sóng phụ thuộc tính đàn hồi thành mạch và áp suất tâm thu, thường đo bằng cảm biến áp suất và phép quang học cho dữ liệu không xâm nhập.

Tín hiệu cơ học cơ bản như lực căng cơ (mechanomyogram) phát sinh từ chuyển động sợi cơ khi co hoặc giãn, ghi nhận qua cảm biến gia tốc hoặc lực kế. Biến dạng mô và dao động nhỏ có thể phản ánh tình trạng mệt mỏi cơ hoặc chấn thương.

Đặc tính và thông số cơ bản

Các tín hiệu sinh học được mô tả qua các đặc tính cơ bản như biên độ, tần số, độ ồn (SNR) và ổn định theo thời gian. Biên độ thay đổi lớn giữa các loại: từ micro-volt (EEG) đến mili-volt (ECG), trong khi tần số phản ánh tốc độ biến thiên sinh lý, ví dụ ECG 0,05–100 Hz, EMG 10–500 Hz và PPG 0,5–5 Hz. Độ ồn môi trường và điện cơ có thể làm méo tín hiệu, yêu cầu SNR tối thiểu 10 dB cho ECG, 5 dB cho EEG và 15 dB cho EMG để đảm bảo phân tích chính xác.

Ổn định của tín hiệu đánh giá qua khả năng tái tạo khi đo lặp lại: hệ số biến thiên (CV) < 5 % cho ECG và EMG trong điều kiện kiểm soát; với PPG, dao động do tư thế và nhiệt độ da có thể đưa CV lên 10–15 %. Thời gian trễ (latency) trong đo lường điện tín hiệu điện sinh học hiếm khi vượt 1 ms, trong khi hệ thống quang học (PPG) có thể bị trễ 10–20 ms do xử lý tín hiệu.

Phương pháp đo lường

Thiết bị thu tín hiệu sinh học bao gồm:

• Điện cực bề mặt: sử dụng gel dẫn điện cho ECG, EMG; đặt cố định theo tiêu chuẩn 10–20 cho EEG.
• Điện cực cấy ghép: dùng cho đo ECG nội tâm mạc hoặc điện thế đơn vị thần kinh (microelectrode).
• Cảm biến quang học: LED/InGaAs và photodiode cho PPG, đo phản xạ hoặc truyền ánh sáng.
• Vi cảm biến hóa học: điện cực enzyme hoặc màng bán thấm cho glucose, lactate.

Chu trình thu gồm tiền khuếch đại (gain 100–1000×), lọc băng thông (bandpass) để loại tần số nhiễu ngoài dải tín hiệu mong muốn, và chuyển đổi A/D với tần số lấy mẫu (Fs) tuân theo định lý Nyquist:

$F_s \ge 2F_{max}$

Ví dụ, ECG thường lấy mẫu Fs=500–1000 Hz; EEG Fs=250–500 Hz; EMG Fs=1000–2000 Hz; PPG Fs=50–100 Hz. Tiêu chuẩn IEC 60601 và AAMI SP10 quy định an toàn điện, nhiễu tối đa và độ chính xác phép đo.

Xử lý và phân tích tín hiệu

Quá trình xử lý tín hiệu bao gồm:

1. Lọc số (FIR/IIR) để loại bỏ nhiễu tần số cao, nền thường và xung điện.
2. Biến đổi miền thời gian–tần số như FFT, wavelet để tách đặc trưng sóng và phát hiện bất thường.
3. Trích chọn đặc trưng (feature extraction): biên độ đỉnh, khoảng cách sóng, năng lượng phổ, entropy.
4. Phân loại bằng machine learning (SVM, Random Forest) hoặc deep learning (CNN, LSTM) cho chẩn đoán tự động.

Nhiều nghiên cứu sử dụng mạng nơ-ron sâu để phát hiện nhịp tim bất thường với độ chính xác > 95 % trên dữ liệu MIT-BIH Arrhythmia Database PhysioNet. Phân tích wavelet đa độ phân giải giúp tách sóng QRS và loại nhiễu cơ học hiệu quả.

Ứng dụng trong y sinh

Tín hiệu sinh học có vai trò trung tâm trong chẩn đoán, theo dõi và điều trị:

• Tim mạch: ECG, Holter giúp phát hiện loạn nhịp, nhồi máu cơ tim.
• Thần kinh: EEG, ERP dùng đánh giá động kinh, giấc ngủ và não-máy giao diện (BCI).
• Cơ xương khớp: EMG phân tích hội chứng ống cổ tay, đánh giá mệt mỏi cơ.
• Chăm sóc tại nhà: wearables đo nhịp tim, SpO₂, glucose liên tục; hỗ trợ quản lý đái tháo đường và suy tim.

Các hệ thống tích hợp IoMT cho phép truyền dữ liệu qua Bluetooth/LoRaWAN đến nền tảng đám mây, áp dụng phân tích thời gian thực và cảnh báo sớm NIST IoT. Công nghệ edge computing xử lý ngay tại cảm biến giảm độ trễ và tiêu thụ băng thông.

Thách thức và xu hướng tương lai

Thách thức chính gồm nhiễu do chuyển động, đáp ứng da-kích-phạm (skin–electrode impedance), tiêu thụ năng lượng và bảo mật dữ liệu cá nhân. Cảm biến mềm (stretchable electronics) và điện cực khô (dry electrode) đang phát triển để giảm gel và tăng độ bền khi di động.

Xu hướng tương lai hướng đến:

• Theo dõi liên tục không xâm lấn, pin tiềm năng lấy từ cơ thể (energy harvesting).
• Tích hợp đa cảm biến (đa tín hiệu: ECG + PPG + IMU) để phân tích toàn diện, cải thiện độ tin cậy.
• AI on-device cho chẩn đoán tức thời, giảm phụ thuộc đám mây và tăng tính riêng tư bệnh nhân.
• Chuẩn hóa dữ liệu và giao thức mở FHIR, IEEE 11073 thúc đẩy tính tương thích liên hệ.

Mục tiêu đến 2030 là đạt hệ thống giám sát sức khỏe cá nhân 24/7, cảnh báo tự động nguy cơ tim mạch, đột quỵ và rối loạn thần kinh, hỗ trợ y tế từ xa hiệu quả.

Tài liệu tham khảo

1. Clifford G. D., Azuaje F., McSharry P. E. Advanced Methods and Tools for ECG Data Analysis. Artech House, 2006.
2. Webster J. G. Medical Instrumentation: Application and Design. Wiley, 2014.
3. Goldberger A. L. et al. “PhysioBank, PhysioToolkit, and PhysioNet.” Circulation 101(23), 2000. Link
4. IEEE Engineering in Medicine and Biology Society. Standards for Biomedical Signal Acquisition. IEEE, 2018. Link
5. International Electrotechnical Commission. IEC 60601-2-47:2012. Medical electrical equipment – Part 2-47: ambulatory electrocardiographic systems.
6. National Institute of Standards and Technology. Internet of Things (IoT) Program. NIST, 2021. Link