专利名称:用于实时评估肺力学的系统和方法机械通气支持作为机械地辅助或代替自主呼吸的有效手段而被广泛接受。机械通气可以是非侵入式的,涉及各种类型的面罩或鼻部装置,或者是侵入式的,涉及气管内管(ETT)或气管插管。选择和使用适当的呼吸技术需要理解肺力学。 通常的自主吸气产生负的肺内压力,这在大气与肺泡之间产生压力梯度,导致空气流入。在机械通气期间,吸气压力梯度通常是空气源的增大的(正的)压力的结果或者因空气源的增大的(正的)压力而扩增。对于需要通气支持的病人而言,必须监视Cks和Rks这二者,以正确地评估和治疗病人的肺机能障碍或呼吸衰竭。监视Pplt是用以确保肺在机械通气期间不通过过度扩张或过度加压而被损坏的通常做法。Res是迫使给定气流通过被机械通气的病人的呼吸回路、ETT阻力和生理气道的组合串联阻力的所需的压力的量。Cks是肺的扩张性的测量结果,意思是对于给定体积的所递送的气体而言的肺和胸壁的弹性回缩。因此,对于任何给定的体积而言,弹性压力因肺硬度(如在肺纤维化中)或者胸壁或横膈膜的受限制的偏移(例如,张力型腹水、巨型肥胖)而增大。典型地,在恒定的吸气流速期间使用吸气末尾停顿(end inspiratory pause, EIP)计算Cks和Rks。通过将所递送的换气体积(tidal volume)除以吸气Pplt来估计Cks,其中Pplt是在EIP期间测得的稳态压力。通过将峰值充气压力(PIP)与Pplt之差除以吸气流速来估计Rks。一些通气机具有吸气流速设定,使得临床医生可以读取所递送的流速,而其它通气机给出吸气时间设定,其中临床医生需要将换气体积除以吸气时间以确定吸气流速。因此,Pplt是计算Cks和Rks所必需的。此外,还必须监视Pplt以避免肺泡的过度扩张,从而避免尤其是具有限制性肺病的病人的气压创伤和/或体积创伤(ARDS网络协议(2008 年 7 月);http://www. ardsnet. org/node/77791 )。在确定 Pplt 时,当前做法需要执行EIP。对于呼吸衰竭的病人而言,这可以通过在受控机械通气(CMV)或间歇性强制通气(IMV)期间在换气体积之后立即应用EIP来实现。遗憾的是,执行EIP存在许多缺点。例如,EIP的持续时间必须由知识渊博的临床医生预先设定并且必须在仅当被监视时的强制呼吸期间应用。通过应用EIP来暂时中断吸气和防止呼气可能使一些病人感到不舒服,使得病人在EIP时无意识地或有意识地进行主动吸气肌或呼气肌收缩,这可能影响测得的Pplt的准确性。如果获得不精确的对Pplt的测量结果,则所得到的对Cks和Rks的估计也将是不准确的。因为,如上面所指出的,病人呼吸治疗和治疗基于Cks和Rks值,由不精确的Pplt测量结果导致的对Cks和Rks的错误计算可能随后影响被递送给病人的治疗的功效和病人的康复,甚至可能损害病人的健康。此外,因为执行EIP可能使病人感到不舒服,所以不能持续应用EIP。没有持续的、准确的Pplt信息,临床医生就不能充分监视病人安全和治疗的功效。通过应用EIP来暂时中断吸气还可能易于使病人-通气机不同步。这可能导致增大的呼吸工作以及危害动脉血-气交换的可能性。最后,在压力支持通气(PSV)、持续气道过程(continuous airwayprocedure, CPAP)或者在吸气阶段期间不采用恒定吸气流速的其它通气模式期间不能应用EIP (或者EIP可能不准确)。因为在这些情况下没有应用EIP的能力,所以阻止了临床医生准确地评估病人在以这些形态被通气时的Pplt、CKS和Rks。没有对病人Pplt、CKS和Rks的正确估计,就不能确定治疗的功效和/或肺疾病或状况的适当诊断。因此,使用EIP难以获得Pplt以及因此Cks和Rks的重复的准确测量结果。如果不需要应用EIP就能确定Pplt,则可以甚至实时地执行对Cks和Rks的更准确估计,而不需要中 断吸气阶段。对于临床医生和病人这二者而言,这种方法更简单并且优选,因此在临床实践中是需要的。另外,在PSV期间对Pplt的了解将提供对Cks和Rks的持续监视,并且不需要改变通气机模式。因此,在本领域中需要在不需要修改可能造成诸如病人-通气机不同步等不利影响的通气机吸气流量波形模式的情况下、非侵入地实时地准确地计算Pplt、Ces和Rks的系统和方法。需要持续、实时且准确地理解机械通气和其它治疗介入(例如,支气管扩展药和气道抽吸)对肺力学(即,Ces和Rks)的影响,以促进病人-通气机同步和动脉血-气交换。本发明被设计用于应对该需要。
本发明提供了一种用于在不需要以任何方式中断或修改呼吸的情况下、非侵入地准确地实时地计算Pplt、CKS和Rks的方法和设备。这些呼吸参数的准确计算提供了准确地确定在处理被通气的病人时有价值的其它信息的能力。在一个实施例中,通过处理系统实时地估计Pplt、Ces和Rks的准确且有用的值。本发明的特别有利之处在于它可利用通常测得的呼吸参数(S卩,在机械通气的吸气阶段期间随着时间的气道压力和流速)来产生对肺力学的准确实时估计,包括但不限于Ppit>Ces和Rks。在实时监视病人对机械通气模式改变的反应、各种介入(即,药物)对肺力学和生理学的影响、肺过度扩张的风险以及肺保护策略的适合性时,所得到的肺力学估计特别有用。在通常用于撤机以辅助自主呼吸的压力调节通气期间,对Pplt、Ces和Rks的准确且实时的估计也是有用的。在本发明的一个方面,该方法包括通过使用非侵入地收集的预定参数(比如利用标准呼吸监视器收集的参数)来创建呼吸系统的病人呼气时间常数(Te)的数学模型。这样的参数包括但不限于呼气体积、气流速率和压力。呼吸监视器和通气机典型地包含用于测量进出肺的气流的气道压力和气道流量传感器,并且它们常常还包含二氧化碳传感器和脉搏血氧仪。从这些时间波形选择性地导出用于表征病人的呼吸和/或病人与通气机的交互的各种参数。这些参数包含被提取用来准确地估计病人的吸气和呼气气流以及压力波形数据的信息。利用病人的吸气波形数据和te,实现病人吸气Pplt还有病人CKS、Res以及导出的肺力学的估计的准确且持续的实时计算。所有这些估计都可用于确定适当的治疗,包括通气机设定。在一个实施例中,在所有呼吸模式期间使用来自肺的被动放气的h准确且持续地估计实时Pplt以及病人Cks和Rks以及导出的肺力学。更优选地,在压力调节呼吸期间使用来自肺的被动放气的T £准确且持续地估计实时Pplt以及病人Cks和Rks以及导出的肺力学。本文中描述的方法可以使用参数的线性组合或者参数的非线性组合,包括但不限于神经网络、模糊逻辑、专家混合或多项式模型。此外,可以使用多个不同的模型来估计不同子组的病人的肺力学。可通过各种手段来确定这些子组,这些手段包括但不限于病人状况(病理生理学)、病人生理参数(即,吸气流速、气道阻力、换气体积等)、或其它参数,比如通气机参数(即,正的呼气末尾压力或PEEP、病人气道充气压力等)。 在本发明的一个优选方面,用于计算肺力学的方法涉及与用于计算呼气时间常数的方程相组合的、基于吸气和呼气期间的标准病人气道方程唯一地导出的一组方程的应用。该方法的基本方面是计算来自波形(例如,压力、流量、体积等)的呼气部分的时间常数,然后使用来自吸气时间波形中的一个或多个时间实例的数据(例如,所规定的时间t处的气道压力、流量和体积)以及该呼气时间常数来计算Pplt、Res和CKS。在一个优选实施例中,来自吸气时间波形的单个时间实例是典型地在该吸气波形的早的或迟的部分中找到的低病人努力的时间。由于病人努力是未知的并且典型地是未建模的,寻找最低病人努力的点将增大参数估计的准确度。在本发明的另一方面,用于计算病人的肺力学的方法包括使用神经网络,其中,该神经网络基于输入数据提供用于病人的肺力学信息,其中,该输入数据包括以下参数中的至少一个通常由呼吸监视器收集的气道压力、流量、气道体积、呼气二氧化碳流量波形以及脉搏血氧仪体积描记图波形(pulse oximeter plethysmogram waveform),包括但不限于换气体积、呼吸频率(f )、PIP、吸气时间、Ptl. i、吸气触发时间、触发深度,其中,T E、Pplt、Ces和Rks被提供为输出变量。在上述方法中,通过临床测试病人的测试群体以获得教导数据来训练该神经网络,该教导数据包括上述输入信息。该教导数据被提供给该神经网络,从而该神经网络被训练以提供与Cks和Rks对应的输出变量。本发明可以以多种方式实施,包括作为系统(包括计算机处理系统或数据库系统)、方法(包括收集和处理输入数据的计算机化方法以及用于评估这样的数据以提供输出的方法)、设备、计算机可读介质、计算机程序产品或者有形地固定在计算机可读存储器中的数据结构。下面讨论本发明的几个实施例。作为系统,本发明的一个实施例包括具有输入和输出装置的处理器单元。该处理器单元工作以接收输入的参数、处理该输入并且提供与肺力学信息对应的输出。该输出随后可被用于控制外部装置,如通气机。可通过诸如微控制器、神经网络、并行分布式处理系统、神经形态系统等各种手段来实现数据的处理。作为准确地实时地计算病人的Pplt、CES, Res和T E的方法,本发明包括使用本文中描述的公式、优选地通过使用包含程序指令的计算机可读介质程序、处理系统或神经网络来处理预定的输入变量(参数)。作为包含程序指令的计算机可读介质,本发明的一个实施例包括用于接收输入的变量、处理该输入并且提供指示了 Cks和Rks的输出的计算机可读代码装置。在一个优选实施例中,该处理包括利用神经网络。该方法可以进一步包括响应于所获得的输出而控制通气机。本发明的方法可以被实施为计算机程序产品,该计算机程序产品具有带有代码的计算机可读介质。该程序产品包括程序和承载该程序的信号承 载介质。作为设备,本发明可以包括至少一个处理器、耦合到该处理器的存储器和驻留在该存储器中的用于实施本发明的方法的程序。从结合仅作为例子图示了本发明的原理的附图所作的以下详细描述中,将容易明白本发明的其它方面和优点。在不与本说明书的明确教导不一致的情况下,在本文中提及或引用的或者要求其优先权的所有专利、专利申请、临时申请和出版物的全部内容通过引用包含在本申请中。图I是根据本发明估计其肺力学的病人的视图。图2是示出了例子I中所描述的组中的Pplt测量结果的相对频率的直方图。图3是例子I的每个受检者的测得的Pplt范围的图形说明。图4A-4C是具有三个不同吸气流量(0. 5,0. 75和1L/S)的三个随机受检者(A、B和C)的Te (蓝色菱形)、相比于通过吸气末尾停顿获得的TEPplt (红色正方形)以及TEPplt与Te之差(绿色三角形)依赖于PIF与PEF之间的间隙(X轴)的图形说明。根据本发明,峰值吸气流量(PIF)-峰值呼气流量(PEF)于是成为Te的校正因子,其中TEPplt=CKS*RKS。图5是流量差(PIF - PEF)对吸气和呼气Rks的影响(RKSPplt_RKS x E)的图形说明,其中使用方程y=5. 2487x - 0. 8393作为流量差Rks的校正因子,其中y是Rks t E的校正因子,且 X 是 PIF-PEF。图6A是计算出的Pplt ( T E)与测得的Pplt之间的关系的回归分析,注意r2=0. 99(p〈0. 001)。图6B是示出了计算出的Pplt ( T E)与测得的Pplt之差的Bland-Altman图,偏置基本上为零,并且测量的精度优良。图6C是计算出的Pplt( T E)与测得的Pplt之间的线性拟合图,注意r2=0. 99。图7A是来自T E的Cks相比于来自Pplt的Cks的回归分析,注意r2=0. 97(p〈0. 001)。图7B是示出了 ClisPplt与Cks T E之差的Bland-Altman图,偏置基本上为零,并且测量的精度优良。 图7C是Cks T E与ClisPplt之间的线性拟合图。图8A是来自T E的Rks相比于来自Pplt的Rks的回归分析,注意r2=0. 92(p〈0. 001 )。图8B是示出了 RlisPplt与Rks T E之差的Bland-Altman图,偏置基本上为零,并且测量的精度优良。图8C是RlisPplt与Rks T E之间的线性拟合图。图9描绘了示出隐藏层的神经网络。图10描绘了具有背向传播的自适应系统的输入和输出。图11是PSV Pplt与MV Pplt之间的线性拟合图。图12是PSV Ces与MV Ces之间的线性拟合图。图13是在压力支持通气期间的可变的病人努力的图形说明。图14提供了图13中所示的同一呼吸的流量和体积曲线的图形说明。图15是在每个吸气点处计算出的Pplt曲线。图16是气道压力曲线,其中指示了顺应性估计的有效点。图17是Cks曲线,其中指示了可被用于准确估计肺参数的点。
图18是来自图16中所示的呼吸的吸气部分的Rks (阻力)曲线。图19A是气道压力(Paw ;暗线曲线)和Pes (食道压力;亮线曲线)的图形说明。图19B是示出了流量(暗线曲线)和体积(亮线曲线)的图。
一种在不修改通气机流动模式的情况下计算包括但不限于顺应性、阻力和平台压力的病人肺力学的准确估计的系统和方法。肺力学的该准确估计是使用新颖的数学模型从附接到病人的气道压力和流量传感器导出的。这些估计出的肺力学数字(呼吸系统顺应性和阻力)对于在机械通气期间监视病人治疗功效和确保肺泡不过度扩张以避免尤其是具有限制性肺病的病人的气压创伤和/或体积创伤而言是重要的。计算这些准确的估计出的肺力学数字的本发明方法基于使用从上述传感器得出的多个参数进行的线性或非线性计算。
用于实时评估肺力学的系统和方法
- 专利详情
- 全文pdf
- 权力要求
- 说明书
- 法律状态
查看更多专利详情
下载专利文献
下载专利
同类推荐
-
安德烈亚·加布里埃利朴淳五M.菲尼M.菲尼裴明, 郑诗阳裴明, 郑诗阳
您可能感兴趣的专利
-
李跃萍, 员健李跃萍, 员健M·芬代斯乔格·莫斯南格, 迪特尔·里特
专利相关信息
-
乔格·莫斯南格, 迪特尔·里特丹尼尔·埃文斯小山和里, 市桥正英A·H·小欧文斯安德烈亚·加布里埃利M.奥滕, M.朱格尔