We use cookies

Our website uses essential cookies and, with your consent, additional cookies to measure performance and improve our services. Cookie Policy.

You can change your choice at any time.

MMedXYNews
首页视频解读
MedXY AI/MedXY新闻/栏目: 人工智能

数字孪生模型表明,与PCV相比,APRV可降低机械功率和潮气量招募

MedXY Editorial Team•2025年12月12日•人工智能
数字孪生

亮点

– 对98名ARDS患者进行了‘数字孪生’建模,比较了气道压力释放通气(APRV)与记录的压力控制通气(PCV)。

– APRV设置(高压25厘米水柱,低压0厘米水柱,吸气时间5秒,呼气时间≈达到75%峰值呼气流速的时间,平均0.5秒)将平均机械功率降低了32%,平均潮气量肺泡招募/去招募降低了34%。

– 驱动压力、潮气量和静态应力/应变在两种模式下相似;APRV产生了中度高碳酸血症(平均PaCO2 58.5毫米汞柱,pHa 7.32)。

– 计算优化(超过480万种设置变化)表明,这些APRV参数在最小化机械功率和潮气量招募的同时保持气体交换方面接近最优。

背景

呼吸机相关肺损伤(VILI)仍然是急性呼吸窘迫综合征(ARDS)患者预后的主要决定因素。减少循环性肺部应力、过度扩张和反复肺泡开放/关闭的策略可能减少VILI。传统的保护性通气强调低潮气量和注意平台压和驱动压;最近,综合指标如机械功率被提出以捕捉压力、体积、流量和呼吸频率的综合伤害效应。气道压力释放通气(APRV)是一种时间周期性的压力模式,通过维持较高的连续扩张压力并短暂释放来促进CO2清除。APRV可能减少循环性招募-去招募并限制机械功率,但随机结果数据稀少,生理效应可能存在异质性。

研究设计

Joy等人(《危重病医学》2025年)使用高保真心肺模拟模型为98名ARDS患者建立了个性化数字孪生。数据集包括患者在接受压力控制通气(PCV)时,由医生设定的通气参数和动脉血气测量值的成对记录。每个数字孪生都根据患者数据进行了调整,然后用于计算记录的PCV设置和模拟的APRV设置下的多个VILI相关指数,模拟分为固定模式和时间控制自适应模式。

研究人员使用全局优化算法评估了超过480万种通气参数组合,以确定在保持可接受的气体交换的同时,最小化VILI指数的参数集。数字孪生中计算的关键结果包括机械功率(MP)、潮气量肺泡招募/去招募、驱动压力、潮气量和肺部应力/应变。感兴趣的APRV参数配置为高压25厘米水柱,低压0厘米水柱,吸气时间5秒,呼气时间调整至达到75%峰值呼气流速的时间(平均呼气时间约为0.5秒)。

主要发现

机械功率和潮气量招募的减少。在调整后的数字孪生中,上述APRV配置将平均机械功率降低了32%,平均潮气量肺泡招募-去招募降低了34%。这些减少在队列中是一致的,并且通过探索非常大的参数空间的全局优化程序得到了重现。

气体交换和酸碱效应。APRV在保持模拟中使用的氧合目标的同时,实现了较低的机械功率和潮气量招募。然而,APRV产生了中度高碳酸血症:平均PaCO2增加到58.5毫米汞柱(pHa 约7.32),而PCV时平均PaCO2为45.6毫米汞柱(pHa 约7.37)。作者将这种高碳酸血症视为一种可能在许多ARDS患者中可以接受的权衡(允许性高碳酸血症),但需要考虑其对血流动力学和神经系统的耐受性。

驱动压力、潮气量和静态应力/应变。平均驱动压力、潮气量和计算的肺部应力/应变在队列中的APRV和记录的PCV之间相似——这表明观察到的机械功率和潮气量招募的减少不是仅由于平台压或潮气量的减少,而是由于APRV特有的时间-压力模式。

优化结果。计算优化(超过480万次模拟)识别出在尊重气体交换约束的同时,最小化机械功率和潮气量招募的APRV参数区域。主分析中使用的经验APRV设置(高压25,低压0,吸气时间5秒,呼气时间至75%峰值呼气流速)接近于所评估结果的帕累托最优解。

人群和建模范围。该研究使用拟合实际患者数据的数字孪生,可以在不将患者暴露于实验方案的情况下,基于个体生理学进行模式间的比较。尽管如此,潜在的结果仍然基于模型,不能替代随机临床试验。

专家评论和机制见解

这些发现的机制意义。机械功率量化了单位时间内传递给呼吸系统的能量,整合了多个VILI的决定因素(压力幅度、体积、流量、呼吸频率)。APRV通过长时间维持较高的连续扩张压力,最小化大循环压力-体积波动的数量,限制反复肺泡开放和关闭。短时间、受控的释放时间(Tlow)终止于峰值呼气流速的一部分,旨在防止完全放气,从而限制潮气量招募-去招募。这些特征可以减少每次呼吸传递给肺实质的能量以及有害的循环事件数量——这与数字孪生中观察到的机械功率和潮气量招募的减少一致。

临床合理性及与先前证据的一致性。ARDS网络的低潮气量策略仍然是保护性通气的基础。观察性和生理学工作(例如,Amato等,《新英格兰医学杂志》2015年)强调了驱动压力作为结果的关键中介的重要性。机械功率是一个较新的概念,旨在整合伤害决定因素。数字孪生结果与以下观点一致:通过修改压力波形的时间域(如APRV)可以在潮气量和驱动压力相似的情况下改变机械功率和微小肺不张动态。

局限性和注意事项

基于模型的推断。数字孪生是强大的假设生成工具,但依赖于模型结构和参数拟合的准确性。模拟假设调整的心肺模型捕捉到了相关的患者生理学和招聘、顺应性异质性、血流动力学和自发呼吸之间的复杂相互作用——并且患者对APRV的反应可以从模型转化为床边。

数据集限制。所有实际患者输入均在PCV期间记录;APRV情景是在这些患者中模拟的,而不是临床观察到的。队列规模(n=98)对于建模是合理的,但可能无法代表所有ARDS表型(例如,局灶性与弥漫性、体型、合并症)或血流动力学反应谱。

自发呼吸和患者-呼吸机互动。APRV常用于促进自发呼吸,在某些情况下是有保护作用的,但如果强烈的吸气努力放大了跨肺压(患者自伤肺损伤),则可能是有害的。该研究主要考虑了PCV期间记录的被动力学;自发努力如何改变结论尚不确定。

高碳酸血症和临床耐受性。模拟的APRV策略产生了中度高碳酸血症。允许性高碳酸血症在许多ARDS病例中可能是可以接受的,但在不稳定血流动力学、颅内压升高或严重酸中毒的情况下有其限度。任何通气方法必须与患者的总体生理状况和目标相结合。

实践和研究的意义

这些数字孪生结果表明,当APRV配置为长时间高压期和短时间呼气释放(根据流量终止调整)时,与医生选择的PCV设置相比,可以显著降低机械功率和潮气量招募,而不恶化氧合目标,但PaCO2增加。这为在以患者为中心的结果为重点的前瞻性临床试验中评估APRV提供了生理上连贯的理由,同时也包括机械性中间终点(肺损伤生物标志物、基于影像的招募、生理区域应变测量)。

建议的下一步包括在患者中进行仔细控制的生理学研究(或试点随机试验),严格监测肺力学、区域通气(例如,电阻抗断层扫描、CT可行时)、血流动力学和肺损伤标志物,并定义Tlow和镇静/自发呼吸的滴定协议。试验应预先指定管理高碳酸血症的策略,评估可行性与安全性,并确定最有可能受益的亚组。

结论

Joy等人利用患者特定的数字孪生,提供了模型证据,表明当APRV配置为长时间高压期和非常短的流量终止释放时,与记录的PCV相比,可以降低机械功率和潮气量招募,尽管PaCO2可预测地增加。这些发现是假设生成的,支持前瞻性生理学和随机临床研究的合理性,以确定模型收益是否转化为减少VILI和改善临床结果。

资金来源和clinicaltrials.gov

主要文章报告了资金和致谢;读者应查阅原始出版物以获取具体资金来源。本建模研究无需临床试验注册;未来的APRV临床研究应在clinicaltrials.gov或类似注册机构中前瞻性注册。

参考文献

1. Joy W, Albanese B, Oakley D, et al. Digital Twins to Evaluate the Risk of Ventilator-Induced Lung Injury During Airway Pressure Release Ventilation Compared With Pressure-Controlled Ventilation. Crit Care Med. 2025 Dec 1;53(12):e2573-e2582. doi:10.1097/CCM.0000000000006885 .

2. Acute Respiratory Distress Syndrome Network. Ventilation with lower tidal volumes as compared with traditional tidal volumes for acute lung injury and the acute respiratory distress syndrome. N Engl J Med. 2000 May 4;342(18):1301-8.

3. Amato MBP, Meade MO, Slutsky AS, et al. Driving pressure and survival in the acute respiratory distress syndrome. N Engl J Med. 2015 Mar 26;372(8):747-55.

本文在创作过程中使用了包括 AI 在内的多种编辑工具,并在发布前经人工编辑审核。

相关文章

打开分语言的专科信息流和科室页面。

数字孪生决策辅助工具改善膝骨性关节炎决策质量和6个月功能一种生成患者特定数字孪生的人工智能驱动决策辅助工具(AI-DA)提高了决策质量,减少了决策冲突和后悔,并在考虑全膝关节置换术(TKA)的患者中产生了比单独教育更好的6-9个月膝关节功能。2025年11月1日
Loading comments...
MedXY briefing

Get the free newsletter

Evidence-led clinical news, trends, and analysis—delivered to your inbox.

向 MedXY AI 提问

Most popular

儿科
抗VEGF与激光光凝治疗早产儿视网膜病变:美国眼科学会综合综述带来的启示
医学资讯
神经降压素受体1:驱动结直肠癌免疫排斥与不良预后的关键因素
公共卫生
糖尿病超额医疗负担的年龄差异:不止于传统并发症
儿科
vosoritide 在 RASopathy 及相关遗传性矮身材患儿中显示出令人鼓舞的促生长作用
临床进展
医嘱定制食品杂货对 Medicaid 承保2型糖尿病成人血糖控制的影响:随机对照试验带来的启示
© 2026 MedXY
Contact usAbout usPrivacy PolicyMedXY story