新的肺部模型让COVID-19患者机械通气更安全！

2020年5月14日讯 /生物谷BIOON /——使用机械通气挽救了患有严重呼吸系统疾病的COVID-患者的生命。但与此同时，通气压力也给脆弱的肺组织带来了巨大的压力；对于已存在肺损伤的患者，使用呼吸机可能是致命的。慕尼黑工业大学(TUM)开发的计算肺模型可用于减少机械通气造成的损害，并可显着提高患者的生存率。
治疗急性呼吸系统疾病的医生在确定机械通气的最佳方案时，例如，压力限值、氧气水平和空气流量，可使用的参数范围有限。
但肺是一个复杂的器官，保持肺的各个部分对气流开放所需要的压力实际上会通过组织的过度膨胀对某些部分造成损害。此外，医生需要尽量减少重复招募和机械通气过程中对部分肺的破坏，因为两者都会刺激肺组织并引发炎症。
图片来源：Jakob Richter TUM
让不可见变为可见
根据慕尼黑工业大学计算力学教授Wolfgang Wall的研究，"真正的问题是，当我们用机械通气治疗病人时，到目前为止，还没有任何方法可以检测到肺组织的过度膨胀。从主支气管到肺中最小的结构，有20多个分支。目前，还没有方法来测量人工呼吸过程中肺部最小的微分支发生了什么。"
尽管一些医学文献仍然不准确地描述肺的气囊(肺泡)类似于葡萄树和葡萄串，肺组织实际上有一个更像海绵的一致性。空气和血液之间的交换就是通过这个细壁组织进行的。呼吸包括一个非常复杂的机械相互作用之间的不同类型的组织、液体薄膜的组织和流动的空气。
几年来，慕尼黑工业大学的研究人员一直致力于开发更加复杂的模型来模拟肺组织和气流的行为。通过改进肺组织样本的微机械测试方法，他们的研究建立了一个计算肺模型。
这个模型是计算机程序的基础，它可以计算出在不同的呼吸机设置下肺组织的局部应变。有了这些数据在手，医务人员和医生可以相应地调整呼吸机的设置，提供一个保护性的机械通气。
使用人工智能来解释数据
目前指导机械通气治疗的临床标准使用患者的体重来确定最佳的呼吸机压力设置。然而，Wall教授和他的团队开发的程序是根据CT肺扫描收集的数据建立实际肺的模型。它甚至还考虑到肺的个别区域已经被疾病或以前的损伤所破坏的情况。
通过测量在吸气和呼气循环中压力和体积的变化，数字肺模型可以计算出病人肺的单独的机械特性。结果是一个病人肺部的数字"孪生"模型。它是如此精确，可以准确地预测哪些呼吸机设置会对病人的肺造成损害。
从研究实验室到医院，在真实的临床环境中测试这个模型
在与临床合作伙伴一起继续他的工作组的研究的同时，Wall教授和他的三位前同事成立了Ebenbuild公司，以便尽快将他们的研究带入临床实践。
图片来源：Jakob Richter TUM
实现这一目标的关键一步是使用人工智能(AI)自动生成肺模型。Wall教授和他的团队利用人工智能的计算能力，开发了一种可以绘制患者肺部地图的数字工具，甚至可以用于早期检测COVID-19感染。
"超过80%的COVID-19死亡是急性肺衰竭的结果，" Wall教授补充说："通过长期的机械通气，我们大多数危重病人的存活率下降到50%。我们的工作目标是，在未来，在每个换气点，一个数字肺模型有助于根据病人的需要优化机械通气，这样我们就可以显着增加生存的机会。"（生物谷Bioon.com）
参考资料：
【1】Computer model enables protective ventilation for COVID-19 and lung disease patients
【2】 Christian J. Roth et al. Coupling of EIT with computational lung modeling for predicting patient-specific ventilatory responses， Journal of applied Physiology (2016). DOI： 10.1152/japplphysiol.00236.2016
【3】Christian J. Roth et al. A comprehensive computational human lung model incorporating inter-acinar dependencies： application to spontaneous breathing and mechanical ventilation， International Journal for Numerical Methods in Biomedical Engineering (2016). DOI： 10.1002/cnm.2787
【4】Christian J. Roth et al. Computational Modeling of Respiratory Biomechanics， Encyclopedia of Biomedical Engineering (2018). DOI： 10.1016/B978-0-12-801238-3.99941-0（润宝医疗网）