文献速递呼吸衰竭与机械通气重症综合管理与镇静镇痛

通过自动肺音分析检测肺不张的吸气性复张:与四维CT在猪肺损伤模型中的比较

Detection of inspiratory recruitment of atelectasis by automated lung sound analysis as compared to four-dimensional computed tomography in a porcine lung injury model.
PubMed 文献 · Crit Care · 2018-02-24
一句话结论在表面活性物质耗竭猪模型中,动态爆裂音能量(dCE)与四维CT测得的吸气内肺不张变化高度相关(依赖区R²=0.88),提示自动肺音分析可能用于床旁检测周期性复张/去复张。

该研究在10只猪(最终分析6只)中,通过肺灌洗诱导表面活性物质耗竭,在PEEP 0、5、10、15 cmH2O下同步记录34个胸壁压电传感器肺音与四维CT,以吸气内肺不张体积变化(Δ atelectasis)为参考。结果显示,dCE与依赖区Δ atelectasis相关性最佳(R²=0.88),优于FFT area(各区域R²=0.31–0.72);dSC可预测c-R/D起源区域,依赖区dSC在ZEEP最高、随PEEP升高而降低。作者认为dCE联合dSC是描绘c-R/D的有前景方法,但需在真实临床条件下进一步研究。

要点

  • 在表面活性物质耗竭猪模型中,dCE(600–700 Hz滤波爆裂音能量)与依赖区吸气内肺不张体积变化高度相关(R²=0.88)。
  • dCE在各肺区域均优于FFT area分析:dCE的R²=0.56–0.88,FFT area的R²=0.31–0.72。
  • dCE和FFT area信号主要出现在吸气开始后1–2秒内,与4DCT显示肺不张体积变化最大的时段一致。
  • dSC在依赖区最高、ZEEP时最高,随PEEP升高而降低(依赖区从ZEEP 8.1±2.4降至PEEP 15 cmH2O 5.3±2.4),可提示c-R/D起源区域。
  • 作者结论:dCE联合dSC似乎是描绘c-R/D的有前景方法,但需在真实条件下进一步临床研究才能转化到临床实践。

适用人群与场景

  • 实验研究:10只猪(25±2 kg),最终分析6只;通过重复肺灌洗(30 ml/kg等渗溶液,3±1次)诱导表面活性物质耗竭肺损伤。
  • 纳入标准:达到零呼气末压力(ZEEP)下Horowitz指数<300的显著肺塌陷,但仍保留部分吸气内复张能力(PEEP 15 cmH2O下Horowitz指数<450)。
  • 排除:2只在c-R/D诱导过程中死亡,1只因技术故障未提供完整数据集,1只用于方案建立。

诊断标准与关键阈值

  • 以四维CT(4DCT)测得的吸气内肺不张体积变化(Δ atelectasis)作为周期性复张/去复张(c-R/D)的参考标准。
  • CT肺组织分区:肺不张(−300至0 HU)、通气不良(−600至−301 HU)、正常通气(−900至−601 HU)、过度充气(−1024至−901 HU)。
  • dCE参数:600–700 Hz频段滤波爆裂音能量,按0.58秒时间片段计算均方根。
  • FFT area参数:频率>500 Hz且振幅>−70 dB的频谱内容占振幅>−70 dB总声量的比例。
  • dSC参数:相邻传感器频谱相干性在吸气时程内的动态变化。

处置流程与药物剂量

  • 压力控制通气(PCV),吸气末压力固定于30 cmH2O,吸呼比1:1,呼吸频率6次/分,每个PEEP水平维持至少10分钟后记录20秒数据。
  • PEEP随机设置为0、5、10、15 cmH2O,以产生不同范围的c-R/D条件。
  • 肺灌洗:重复使用等渗溶液30 ml/kg进行肺灌洗,直至达到ZEEP下Horowitz指数<300且PEEP 15 cmH2O下Horowitz指数<450。
  • 声学记录:34个胸壁压电传感器(Meditron ASA,挪威),采样频率19,200 Hz,同步于4DCT扫描。

研究设计与关键结果

  • 研究类型:实验动物研究(猪表面活性物质耗竭肺损伤模型);最终分析6只猪。
  • 健康基线:4DCT未见c-R/D,Δ atelectasis范围0–13.3 cm3(占成像肺体积0–4.5%),dCE值0.019–0.041,FFT area 3.6–13.8%,dSC 2.2±0.5。
  • 肺损伤后:PEEP 0、5、10、15 cmH2O在吸气末压力30 cmH2O下诱导Δ atelectasis范围5.8–60 cm3(占成像肺体积1.8–20.3%)。
  • dCE与Δ atelectasis相关性:依赖区R²=0.88(最佳),全局及各区域R²=0.56–0.88;FFT area全局R²=0.72,区域R²=0.31–0.56。
  • dSC:PEEP(P=0.0031)和肺区域(P=0.0002)对dSC有显著影响,交互作用不显著(P=0.2633);依赖区vs非依赖区P<0.0001,依赖区vs中央区P=0.0067,中央区vs非依赖区P=0.0696。
  • dSC值从ZEEP到PEEP 15 cmH2O:非依赖区3.8±0.6降至3.2±0.4,中央区5.7±2.4降至3.9±1.4,依赖区8.1±2.4降至5.3±2.4;SC值从ZEEP到PEEP 15 cmH2O升高:非依赖区33.3±1.4升至42.9±4.1,中央区36.5±4.2升至49.3±4.4,依赖区37.6±4.2升至54.5±9.6。
  • dCE和FFT area信号主要出现在吸气开始后1–2秒内,与4DCT显示肺不张体积变化最大的时段一致。

证据类型、等级与局限

  • 证据类型:实验动物研究(猪模型)。
  • 作者指出局限性:通气方案并非模拟临床场景,而是实验性诱导大范围c-R/D;4DCT采集时间限制研究于极慢呼吸频率;使用锐利边界量化周期性肺不张,且金属传感器本身影响CT衰减,所选HU范围可能部分包括通气不良肺组织;不能排除CT信号噪声和机械通气运动干扰对结果权重和统计的影响;研究在周围噪声最小的实验室环境中进行;当前多传感器声音检测技术对临床机械通气患者使用较为笨重;同步病理过程(如支气管痉挛、纤维化肺改变、肺炎)可能产生竞争性肺音或改变声音传输,掩盖吸气复张的独特声音特征;研究设计无法确定潮气量变化在多大程度上偏倚dCE检测;作者认为该局限性不太可能,因FFT area分析不依赖潮气量且两者在各PEEP和潮气量下均呈高线性相关;仍需在真实条件下进一步临床研究才能将这些实验发现转化到临床实践。

对床旁实践的改变

  • 作者认为dCE联合dSC似乎是描绘c-R/D的有前景方法,但基于猪实验模型,尚未声称可直接临床应用。
  • 作者指出需在真实条件下进一步临床研究,才能将这些实验发现转化到临床实践。
  • 作者指出当前多传感器声音检测技术在临床机械通气患者中使用较为笨重,相关技术需进一步发展(如噪声消除、传感器小型化、系统集成等)才能实现日常临床使用。

提炼说明

  • 原文未涉及「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译17 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:Crit Care. 2018 Feb 24;22:50. doi: 10.1186/s13054-018-1964-6

背景

尽管正压通气可通过恢复充分的氧合而挽救生命,但机械通气本身可导致继发性肺损伤[1, 2]。除容积伤和气压伤外,肺不张伤(肺不张的周期性复张与去复张,即c-R/D) also 参与呼吸机相关性肺损伤(VILI)的发生[2, 3]。

大量研究已对c-R/D进行了探讨,并在实验环境中阐明了肺不张伤的具体作用。利用动态计算机断层扫描(dCT),通过肺不张肺分数(atelectatic lung fractions)的变化可使吸气内复张与去复张可视化[4, 5]。进一步的实验研究表明,c-R/D可导致起源于肺的、呼吸依赖的血氧合振荡[6],并通过循环向下游传递至终末器官水平[7, 8]。在此背景下,已显示在发生c-R/D的肺区域存在更严重的肺组织损伤和增强的炎症反应[9, 10],突出了c-R/D与VILI发生之间的相关性。

最近,已提出了若干新的通气策略,目的是在机械通气过程中避免c-R/D[11–13]。然而,在临床实践中,利用当前可用的工具无法在床旁检测c-R/D的动态过程。

一种可能适用于检测c-R/D的无创床旁方法是自动肺音听诊[14, 15]。Vena及其同事首次提出了通过自动肺音分析评估潮式复张的尝试。他们对一个反映吸气过程中肺音频谱特征变化的声学参数进行了后处理[16],该参数称为“快速傅里叶变换面积”(FFT面积)。

我们的研究集中于技术性开发一种新的基于声音的参数,用于检测吸气内复张,并在一个可通过四维计算机断层扫描(4DCT)参考方法验证吸气内肺不张变化(Δ肺不张)的模型中开展。为我们的研究,我们提出通过在固定的30 cmH2O吸气末压力水平下设置不同的呼气末正压(PEEP)水平来诱导广泛的c-R/D条件,从而产生不同的潮气量。在此设置中,我们旨在通过对600至700 Hz频率范围内的“动态爆裂音能量”(dCE)进行后处理,捕捉并量化与吸气过程中肺不张肺单位突然开放相关的独特声音特征(即附加音)。此外,我们旨在通过评估整个吸气过程中的“频谱相干性动态变化”(dSC),从声学上定位c-R/D的起源。

因此,我们假设Δ肺不张与dCE之间,以及Δ肺不张与复现的FFT面积参数之间分别存在线性相关。此外,我们假设dSC在不同肺区域和不同PEEP水平方面存在差异。

方法

动物实验

在获得德国莱茵兰-普法尔茨州动物护理委员会(Landesuntersuchungsamt Koblenz)(23,177-07/G09-1-029)批准后,研究了10头仔猪。其中1只动物用于建立方案。2只动物在c-R/D诱导过程中死亡,1只动物因技术故障未能提供完整数据集。因此,最终分析纳入6只动物。所有操作均在深麻醉下进行,并努力将痛苦降至最低。

在全身麻醉诱导后,通过外科手术置入导管(用于有创监测目的)。有关麻醉操作和常规监测方案的详细信息可见于附加文件1。

初步实验测试

在开展研究之前,我们评估了周围噪声可能对贴附的压电接触传感器产生的影响,以及传感器本身可能对放射影像质量产生的影响。使用我们包裹在受试对象周围的吸声垫,预测试显示所记录的原始数据声波形未受外部噪声的明显影响。此外,未发现可归因于传感器定位的特定伪影。关于金属声学传感器本身,我们发现其在计算机断层扫描(CT)成像中对平均肺密度(MLD)产生了高达40亨斯菲尔德单位(HU)的偏倚(见附加文件1:图S1)。

自动化肺音记录与四维计算机断层扫描

在我们的实验设置中,36个压电接触传感器(Meditron ASA,奥斯陆,挪威)被排列成两个阵列(一侧在左侧,一侧在右侧),每个阵列包含18个传感器,组织为三列(M1–M3)和六行(L1–L6)。36个传感器中有两个未激活,用作环境噪声的参考。图1展示了传感器的解剖位置。传感器阵列使用特殊凝胶垫以环形方式放置在猪的胸廓周围,从而形成尖部(列M3和M5)、中部(列M2和M6)和基底(列M1和M7)横向传感器平面。相应地,第一行和第二行传感器(L1和L2)覆盖非依赖肺区,第三行和第四行(L3和L4)覆盖中央肺区,第五行和第六行(L5和L6)覆盖依赖肺区。传感器阵列的放置以CT引导进行,以使基底横向传感器平面位于膈顶上方2.5 cm处。基于预定义的传感器矩阵,中部横向传感器平面的传感器位于右上肺叶和右中肺叶开口之间,而尖部横向传感器平面大致位于气管分叉处。传感器阵列连接至振动反应成像(VRI)设备(VRIxv,GE Healthcare,Little Chalfont,英国),以19,200 Hz的采样频率采集原始数据声波形。

4DCT测量(Brilliance iCT 256层扫描仪,Philips,阿姆斯特丹,荷兰)在相同肺区域上进行,头尾跨度8 cm,与传感器阵列矩阵的放置直接对应。根据声学传感器的解剖位置,分析了非依赖、中央和依赖肺区域。

图1 传感器解剖位置。a 一例代表性研究受试者胸廓的侧视图,展示所贴附声学传感器的解剖位置。b 所使用的相应传感器矩阵 查看原图 ↗

研究方案

进行了肺音声学测量,其在健康基线(BLH)期间和诱导模型肺损伤(表面活性物质耗竭损伤(LAV))后,在随机设定的PEEP水平0、5、10和15 cmH2O下与4DCT时间同步。

为研究周期性复张/复张(c-R/D),通过使用等渗溶液(30 ml/kg)反复进行肺灌洗诱导表面活性物质耗竭,直至达到以大面积肺塌陷为特征的肺状态(定义为呼气末零压(ZEEP)时Horowitz指数< 300),但仍保留部分吸气内复张能力(定义为呼气末正压(PEEP)15 cmH2O时Horowitz指数< 450)。该模型与我们先前发表的一项研究中使用的模型相似[13]。选择压力控制通气(PCV)方案。为产生广泛的c-R/D条件范围,我们在固定吸气末压力30 cmH2O下使用不同的PEEP水平(以改变静态复张),吸气与呼气比为1:1。这导致不同的驱动压和不同的潮气量,用于研究吸气内复张,同时保持复张机制不变。

每个PEEP水平维持至少10分钟;然后,由于CT扫描仪的时间分辨率有限,在呼吸频率为6次/分钟的条件下记录数据20秒。

四维计算机断层扫描的离线数据处理

与先前研究中采用的方法相似[17],使用自行开发的软件(YACTA 1.09.40版,德国美因茨大学)半自动进行肺组织CT衰减的定量分析,该软件由作者之一(OW)编写。4DCT后处理的详细信息见补充部分(附加文件1:图S2)。在呼吸周期的时间进程中以0.58秒为步长计算肺不张(−300至0 HU)、通气不良(−600至−301 HU)、通气正常(−900至−601 HU)和过度充气(−1024至−901 HU)肺容积的变化。通过评估肺不张容积在呼气末和吸气末值之间的差异(Δ肺不张)来评价c-R/D的量。4DCT后处理的示例见补充部分(附加文件1:图S3)。

自动肺音记录的离线数据处理:概述

对原始数据声波形进行后处理以评估三种不同参数。

第一个参数是动态爆裂音能量(dCE)。该参数反映在呼吸周期的吸气时间进程中600至700 Hz频谱内的声能量[14, 18, 19]。根据文献,这是细爆裂音的既定频带[20–22]。

对于第二个参数,我们重现了Vena等人[16]引入的快速傅里叶变换(FFT)分析(称为FFT面积),通过计算频率高于500 Hz且振幅高于−70 dB的频谱成分与振幅高于−70 dB的总声量的比例。

第三个参数是频谱相干性(SC)/动态频谱相干性(dSC)。这些参数反映相邻声学传感器下方肺区域的区域声学均匀性(SC)及其在吸气时间进程中的变化(dSC)[23]。

本质上,前两个参数用于寻找Δ肺不张与dCE之间以及Δ肺不张与FFT面积之间的线性相关性,而dSC参数的目的是从声学上定位吸气内复张的起源。

声学肺音数据处理的示例见图2。

图2 记录到的肺声信号后处理。用于“动态爆裂音能量”(dCE)和“快速傅里叶变换面积”(FFT面积)的自动肺声分析示例。三维图显示一个吸气周期内振幅-频谱随时间的变化。左侧显示原始数据记录;右侧显示滤波后的结果。计算FFT面积参数时,评估频率500 Hz以上且振幅−70 dB以上、相对于−70 dB振幅以上总声量的声音频谱成分(右上);对于dCE参数,对600至700 Hz频谱范围内的声能量进行后处理(右下) 查看原图 ↗

自动肺声分析的详细信息

所有分析主要针对每个声学传感器进行,并以0.58 s的时间片段进行,以匹配4DCT扫描的需求采集时间,从而在整个呼吸周期内获得配对测量值。最终统计时,通过汇总覆盖既定肺区域的各声学传感器的参数值,将结果归入整个(全局)肺的吸气相,并按依赖区、中央区和非依赖区肺区域进行区域汇总(见图1)。所有计算均使用编程环境MATLAB和Simulink Toolbox Release 2014b(The MathWorks, Inc., Natick, MA, USA)完成。

动态爆裂音能量(dCE)的评估

dCE参数的计算如下。原始数据声波形从19,200 Hz以4倍降采样至4800 Hz。然后,使用有限脉冲响应(FIR;二百阶,截止频率为600和700 Hz)带通滤波器分离细爆裂音。在后续步骤中,对每个0.58 s的音频片段计算降采样后声音振幅的均方根(RMS)。

肺声频谱特征(FFT面积)的评估

为评估FFT面积,进行了以下操作。降采样至4800 Hz后,对信号进行带通滤波(二百阶FIR滤波器,频率范围为75–2000 Hz)。对每个0.58 s的音频片段,计算信号的功率谱密度(使用Welch方法通过傅里叶变换将信号从时域转换到频域:200个样本窗长,50%重叠,汉明窗),并转换为分贝(dB)。使用所得图形(附加文件1:图S4),将振幅−70 dB以上且频率500 Hz以上的曲线下面积(AUC)与−70 dB以上的AUC相关联,并以百分比表示。

区域频谱相干性(SC)及其随时间变化(dSC)的评估

为了从声学上定位c-R/D的起源,使用了频谱相干方法(表示频率的函数,指示两个声音在每个频率上的匹配程度,即匹配越好,来自相邻肺区域的声音均匀性越好)。原始数据波形经降采样(4800 Hz)和带通滤波(75–2000 Hz)。然后,分析相邻声学传感器的信号之间的互相干性。对于每个感兴趣的肺区域(ROI),在0.58秒的时间片段中评估覆盖预定义肺区域的所有声学传感器对的算术平均值。从得到的频谱相干时间图中,计算两个参数:频谱相干(SC),通过平均吸气相的所有值;动态频谱相干(dSC),通过评估呼吸周期吸气相的时间依赖性变化(附加文件1:图S5)。关于SC和dSC如何计算的更详细描述可在附加文件1中获得。

统计学

采用线性混合模型(LMM)分别分析4DCT所测肺不张Δ与dCE及FFT面积之间的关系。这些模型针对整个感兴趣区域(全局)以及非依赖、中央和依赖肺区域进行拟合(dCT作为非依赖变量;dCE和FFT面积作为依赖变量;仔猪ID作为随机截距以考虑重复测量所致的依赖结构;Bonferroni-Holm法用于多重检验)。基于模型截距和斜率,计算相应的回归线和边际R2 [24]。另一个LMM用于分析dSC在肺区域(非依赖、中央、依赖)和PEEP(0和15 cmH2O)方面的差异,该模型还检验了肺区域与PEEP之间的交互作用。我们考虑了重复测量所致的依赖结构(仔猪ID作为随机截距),并通过Bonferroni-Holm法校正多重检验。

描述性统计报告均值和标准差。统计使用统计软件R(R:A Language and Environment for Statistical Computing,R Core Team,R Foundation for Statistical Computing,维也纳,奥地利)、GraphPad Prism v6(GraphPad Software Inc.,圣迭戈,加利福尼亚州,美国)和Origin(OriginLab,北安普顿,马萨诸塞州,美国)进行。

结果

健康基线测量结果

在健康条件下,4DCT在任何动物中均未见明显的c-R/D。BLH测量发现极少量肺不张(范围为1.6至18.2 cm3),肺不张Δ范围为0至13.3 cm3(ZEEP至PEEP,15 cmH2O)。4DCT检查的肺堆叠总体积为295 ± 24 cm3,产生的肺不张体积百分比变化范围为影像肺体积的0至4.5%。在同步记录的声波形中,dCE的后处理值极小,范围为0.019至0.041,FFT面积在所有PEEP步骤和肺区域中范围为3.6至13.8%。总体而言,在基线条件下,SC分析显示高值(56 ± 4.7),在吸气时程内变化极小,产生的dSC值为2.2 ± 0.5。

模型肺损伤测量结果

3 ± 1 次灌洗诱导的肺损伤在所有受试者中引起了 c-R/D,并经 4DCT 证实。通气、气体交换和血流动力学参数见表 1。通常,最大的Δ肺不张出现在 ZEEP 时。在预定义的通气设置下,呼吸内肺不张变化随 PEEP 增加而减小。在固定吸气末压力 30 cmH2O 下,PEEP 水平(0、5、10 和 15 cmH2O)的变化诱导了较大范围的Δ肺不张值(从 5.8 到 60 cm3)。这代表肺不张的肺容积变化范围为成像肺容积的 1.8% 至 20.3%。表 2 总结了 defined 肺区域的肺不张肺容积及其在呼吸周期中的变化。完整的后处理肺容积数据集见附加文件 1:图 S6、表 S1 和 S2。

自动肺音分析发现,在存在 c-R/D 时,频率范围在 600 至 700 Hz 之间的附加音(dCE)与振幅高于 −70 dB、频率高于 500 Hz 的声谱特征偏移(FFT 面积)同步出现。dCE 和 FFT 面积均在 ZEEP 时呈现最高值,而当 PEEP 增加使Δ肺不张减小时,这些值降低。对于整个肺区域以及所检查的每个亚区域,dCE 和 FFT 面积均随Δ肺不张变化,其中 dCE 分析在每个肺区域的相关性更高。关于 PEEP 水平以及所分析区域的 LMM 分析详细结果见图 3。

有趣的是,dCE 和 FFT 面积信号主要出现在吸气开始后的最初 1 至 2 秒内,这一时期 4DCT 显示肺不张肺容积变化最大(图 4)。完整数据集见附加文件 1:图 S7。

对谱相干性的 LMM 分析发现,PEEP(P = 0.0031)和肺 ROI(P = 0.0002)对 dSC 有显著影响,而二者的交互作用(PEEP × ROI)不显著(P = 0.2633)。拟合方差分析模型两两比较的估计值及标准误见附加文件 1:表 S3。我们发现,dSC 在依赖性与非依赖性肺区域之间(P < 0.0001)以及依赖性与中央肺区域之间(P = 0.0067)存在显著差异。中央与非依赖性肺区域之间未发现显著效应(P = 0.0696)。通过改变 PEEP 进行研究,dSC 值从 ZEEP 时的 3.8 ± 0.6/5.7 ± 2.4/8.1 ± 2.4(分别为非依赖性/中央/依赖性)降至 PEEP 15 cmH2O 时的 3.2 ± 0.4/3.9 ± 1.4/5.3 ± 2.4,而 SC 值从 ZEEP 时的 33.3 ± 1.4/36.5 ± 4.2/37.6 ± 4.2 升至 PEEP 15 cmH2O 时的 42.9 ± 4.1/49.3 ± 4.4/54.5 ± 9.6(附加文件 1:图 S8)。

表 1 通气、气体交换和血流动力学参数 查看原表 ↗
表 2 四维计算机断层扫描测量的肺不张肺容积量 查看原表 ↗
图3 “动态爆裂音能量”(dCE;600至700 Hz频谱范围内的声能)和“快速傅里叶变换面积”(FFT面积;频率高于500 Hz且振幅高于−70 dB的声频谱内容占总声量中振幅高于−70 dB的比例)的声学参数与四维计算机断层扫描(4DCT)评估的呼吸内肺不张容积变化(Δ肺不张)的线性混合模型(LMM)统计结果。图中展示了不同感兴趣肺区域(ROI)的图,代表洗肺损伤肺(LAV)中所有受试者(n = 6)的测量值。对于每位研究受试者,因变量指标按呼气末正压(PEEP)水平0、5、10和15 cmH2O(LAV 0–15;虚线)进行标示。实线代表估计的回归线;R2为计算的边际R2 查看原图 ↗
图4 肺不张容积及时间同步声学测量的吸气变化。图中展示了吸气周期内随时间变化的肺不张容积,由四维计算机断层扫描(4DCT;左列)评估,声学“动态爆裂音能量”(dCE)参数(中列),以及Vena等人复现的“快速傅里叶变换面积”(FFT面积)参数(右列)。数据以均值 ± 标准差(SD)描述性呈现,为洗肺损伤肺(LAV)中所有受试者(n = 6)的结果。上排显示呼气末正压(PEEP)为零(LAV 0)时的结果;下排显示PEEP为15 cmH2O(LAV 15)时全肺堆栈的结果 查看原图 ↗

讨论

本研究评估了自动肺音分析在机械通气过程中量化吸气性肺不张复张方面的潜力。计算机辅助的肺音记录分析可能提供连续、无创的床旁c-R/D检测,且无已知危害(例如暴露于电离辐射)。我们使用肺灌洗实验模型造成表面活性物质耗竭并促进c-R/D [13],并使用不同水平的PEEP在较大范围内改变c-R/D的量。4DCT覆盖较厚的轴位肺段,被用作定义潮式肺不张复张量的标准。我们使用一种既往报道的方法 [16]以及两种新方法分析肺音,以识别和定位呼吸内肺不张复张。我们的研究显示,这些声音分析方法与潮式复张量之间存在有前景的相关性,后者由参考方法4DCT评估的呼吸内肺不张容积变化所确定。

自Laennec[25]发明听诊器以来,临床医生一直使用定性声音分析作为诊断工具来识别肺部病变。近年来,自动化记录系统已经问世,可以定量采集、存储和分析肺音,从而提供更多信息[26, 27]。自动化肺音分析无创、不依赖观察者,并允许在标准化条件下对声学模式进行客观测量和分类。尽管如此,其在临床环境中的应用仍受到限制,原因在于多种环境噪声源可能使结果产生偏倚,尽管电子听诊具有信号放大和环境噪声降低的优势。虽然我们使用了市售的多传感技术来记录声学波形,但我们的评估是在原始数据层面上进行的,重点在于检测与c-R/D相关的附加音。我们仅将VRI系统作为一种方法学工具,通过成熟的、最先进的压电多传感器记录技术来标准化肺部记录。c-R/D可能产生独特声音特征这一想法基于先前的研究,这些研究将细湿啰音——定义为短暂的、非乐音性的、爆发性声音,通常频率在650 Hz左右[18]——归因于气道开放[19]。因此,我们旨在在一个实验模型中采集和分析声波,其中肺不张的周期性复张由4DCT作为参考方法记录。

我们的数据显示,c-R/D与机械通气期间附加性湿啰音的出现相关。本文提出的新型dCE参数可以量化这些湿啰音,并与4DCT评估的肺不张容积的呼吸内变化良好相关。最佳的dCE结果(R2 = 0.88)出现在覆盖c-R/D起源的依赖肺区域的声学传感器上。此外,FFT面积分析(复制自Vena等[16])在分析所有声学传感器时也适合检测c-R/D(R2 = 0.72),但在区域区分方面效果较差(R2 = 0.31–0.56)。总体而言,与dCE(R2 = 0.56–0.88)相比,FFT面积的相关性较不紧密(R2 = 0.31–0.72)。

为了识别c-R/D发生的肺区域,我们计算了吸气期间相邻声学传感器频谱相干性的时间依赖性变化。我们的数据显示,最高的dSC值出现在依赖肺区域和ZEEP时,这与4DCT结果一致,表明c-R/D现象发生在肺不张和通气不良肺腔之间的功能性边界处。此外,增加PEEP导致dSC显著降低,而绝对SC值升高,这最好用肺均匀性的恢复来解释。

我们的研究还表明,声学方法可以提供一些关于复张动力学的见解。dCE和FFT面积分析的时间变化表明,大多数潮汐内复张发生在最初的1至2秒内,这与4DCT评估的肺不张变化时间过程一致。先前已有报道在充气过程中类似的时间常数[5, 13, 28]。

我们研究的一个优势是使用纵向覆盖8 cm的4DCT作为参考标准。此外,多传感器录音系统允许进行区域亚组分析。所有测量中4DCT和声学方法均精确时间对齐。研究设计包括大潮气量和随机变化的PEEP水平,允许在广泛的c-R/D范围内进行观察。然而,我们的通气方案并非旨在模拟临床情景,而是通过实验诱导大范围的c-R/D。此外,4DCT的采集时间将我们的研究限制在非常缓慢的呼吸频率,尽管从技术角度来看,dCE参数可以在任何生理呼吸频率下处理。考虑到这一点,我们使用锐利边界来量化周期性肺不张的量,并且由于金属传感器本身对CT衰减有影响,所选择的HU范围可能部分包括通气不良的肺组织。此外,我们不能排除CT信号中存在的噪声(可能由这些传感器引起)以及机械通气期间运动引起的干扰可能使结果和统计的权重产生偏倚的可能性。我们的研究是对声音分析监测周期性肺不张复张潜力的评估,因此是在精心定义的实验室环境中进行的,周围噪声最小。要将这一潜力转化为床旁临床实践,还需要解决许多问题。尽管我们尚未声称我们的结果具有直接的临床应用,但这并不排除考虑最终临床使用的基本机制概念,甚至可能是一种将多参数肺音分析与其他无创床旁肺功能评估技术(例如电阻抗断层成像)相结合的解决方案。并发的病理生理过程可能产生竞争性肺音或以掩盖吸气性复张独特声音特征的方式改变声音传输,例如支气管痉挛、纤维化肺改变和肺炎[29–33]。此外,目前的工作无法确定潮气量的变化在多大程度上偏倚了所提出的dCE参数的检测。因此,有人可能会声称所报告的Δ肺不张的减少可能是潮气量减少的结果,而不是周期性肺单位开闭的减少。由于我们的研究设计(使用变化的潮气量而非恒定潮气量),我们无法完全排除这种可能性。我们认为这不太可能,因为FFT面积分析不依赖于潮气量,并且FFT面积和dCE在各个PEEP水平和潮气量下对整个肺堆叠均产生高度线性相关性。最后,从图1可以看出,当前的多传感器声音检测技术在机械通气患者的临床环境中使用起来有些繁琐,尽管该技术已在其他临床环境中成功应用。虽然初始参数计算是离线进行的——诚然这相当耗时——但必要的后处理步骤随后被转换为完全自动化的MATLAB例程,适合集成到任何自动化肺音设备中。使用在装有MATLAB的计算机上运行的此脚本,肺音参数计算仅需几秒钟,不需要任何操作员干预,并提供了实时分析的可能性。下一步当然是通过软件更新将这些算法实施到当前的自动化肺音设备中。关于肺音分析在常规临床使用中的实用性,我们承认相关技术以目前的形式需要进一步发展。当前系统(其中一些已经开发了数十年)尚未足够精简或“简化”以适应临床床旁环境。尽管如此,必须不断重新审视这些技术,并通过最新技术发展(即噪声消除、传感器小型化、系统集成等)加以增强,以便最终生产出可用于日常临床使用的设备和操作流程,超越目前被认为可能的范围。

结论

如dCE分析所示,c-R/D与细湿啰音的发生相关。对dCE进行标准化的计算机辅助分析,并结合dSC分析,似乎是描绘c-R/D的一种有前景的方法,这一点已在表面活性物质耗竭猪的实验模型中得到显示。总体而言,该方法被发现优于FFT面积分析。然而,本文提出的用于c-R/D声学定量的这些新参数,在这些实验发现可能转化为临床实践之前,值得并需要在真实条件下进一步开展临床研究。

附加文件

附加文件1:补充材料和支持信息(包含补充图S1–S9和补充表S1–S3)。(PDF 8554 kb)

参考来源

  1. Boehme S, Toemboel FPR, Hartmann EK, et al. Detection of inspiratory recruitment of atelectasis by automated lung sound analysis as compared to four-dimensional computed tomography in a porcine lung injury model. Crit Care. 2018. PMID: 29475456. doi:10.1186/s13054-018-1964-6
  2. 全文:PMC6389194(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6389194/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。