生理闭环通气的黎明——综述
本文综述了机械通气中生理闭环控制(PCLC)超过半个世纪的演变,控制目标从保证气体交换逐步扩展到预防呼吸机相关肺损伤、患者需求及自动化临床方案。现有商用系统(如INTELLiVENT-ASV、SmartCare/PS、NAVA等)在临床研究中显示可延长目标区间时间、减少手动设置更改和临床干预次数,并缩短脱机与通气时间,但对死亡率无显著影响。综述指出多数系统仅使用经典通气变量,尚未纳入跨耦合效应、派生评估及血流动力学影响,且传感器故障和软件错误等安全性问题仍需解决。
要点
- PCLC系统从1950年代起发展,控制目标由气体交换(etCO2、SpO2)逐步转向肺保护和患者需求。
- Cochrane系统评价纳入21项试验共1676例患者,自动化脱机系统显著缩短脱机和通气时间,但对死亡率无显著影响。
- INTELLiVENT-ASV根据ARDSNet指南调整PEEP或FiO2,并通过级联控制环调节CO2清除。
- NAVA利用膈肌电活动(EAdi)调节支持水平,需放置食管导管,可改善人机同步性,但临床影响尚待确定。
- 现有PCLC系统尚未纳入派生评估(如pF比、应力应变、心肺交互)及通气设置的血流动力学影响。
适用人群与场景
- 接受机械通气的成人及新生儿患者,包括控制通气和自主呼吸患者,以及脱机阶段患者。
- 文献纳入标准为包含患者或中/大型动物研究的系统,排除仅理论或模拟结果。
诊断标准与关键阈值
- SpO2目标示例为88–95%,目标值很少改变。
- CO2控制目标为etCO2或PaCO2,但病理肺中PaCO2与etCO2差值增大需要补偿。
处置流程与药物剂量
- INTELLiVENT-ASV的控制目标为etCO2和SpO2,根据ARDSNet指南通过改变PEEP或FiO2实现氧合控制,通过级联控制环(含ASV控制器)控制CO2清除。
- SmartCare/PS(原NéoGanesh)根据etCO2、呼吸频率和潮气量设定PSV水平,目标是将患者带入舒适区后实施永久脱机。
- ASV算法在患者能触发自主呼吸时自动降低吸气压力,当所有呼吸均为自主且气体交换稳定时视为脱机完成。
- PAV+自动估算个体呼吸力学,根据操作者设定的辅助水平放大患者努力。
- NAVA利用膈肌电活动(EAdi)调节通气支持水平,需放置食管导管。
- P0.1闭环控制通气利用吸气开始后0.1秒气道闭合压下降估算患者做功,通过两个独立控制器(P0.1和肺泡容积)合并算法改变压力支持水平。
研究设计与关键结果
- Brogi等的系统评价和Meta分析纳入5项基于SpO2自动调整FiO2的研究和3项通气控制(etCO2)研究,所有研究中自动化系统在目标区间内的时间更长。
- Rose等的Cochrane系统评价和Meta分析纳入21项试验共1676例患者,自动化系统(如SmartCare/PS、ALV、INTELLiVENT-ASV)显著缩短脱机和通气时间,但未发现对死亡率有强烈影响。
- Lellouche等的随机对照研究显示,使用全自动通气系统时临床人员所需干预次数减少,从而降低工作人员负荷。
- Arnal等显示INTELLiVENT-ASV减少ICU患者手动呼吸机设置更改次数,并认为可能提高劳动力效率。
- Demoule等研究显示NAVA与PSV相比减少人机异步,但未增加停留在部分通气模式的可能性。
- Burns等使用SmartCare系统比较闭环脱机与手动方案脱机,结论为自动化脱机显示出有希望的结果,但需要进一步研究。
证据类型、等级与局限
- 证据类型:综述,汇总了系统评价/Meta分析、Cochrane系统评价、随机对照研究及动物/小样本人体研究。
- Cochrane系统评价纳入21项试验共1676例患者,显示自动化脱机缩短脱机和通气时间,但对死亡率无强烈影响。
- Burns等结论为自动化脱机有希望但需要进一步研究。
- NAVA改善人机同步性的临床影响尚待确定。
- 目前所有PCLC系统的人体研究多限于概念验证或小样本,商用系统的临床研究仍有限。
- 局限:原文未报告局限性
对床旁实践的改变
- 综述提示PCLC可减少临床人员手动调整呼吸机的次数和干预需求,可能减轻工作负荷,但能否改善死亡率仍是未解问题。
- 现有系统仅使用经典通气变量(如SpO2、etCO2),未纳入pF比、应力应变、心肺交互等派生评估,临床使用时需注意这一限制。
- 控制CO2时若仅以etCO2为目标,在病理肺中需考虑PaCO2与etCO2差值增大的补偿问题。
- 作者认为传感器故障、不可预测的干扰和软件错误仍是自动化系统的问题,需要开发安全概念以确保患者不受伤害。
- 作者引用Kuck和Johnson的自动化三定律:不造成伤害、透明、减少认知负荷,认为闭环通气进一步发展应采取类似方法。
指南或共识出处
- Saxton等1957年铁肺etCO2反馈控制;Frumin等自动麻醉系统;Mitamura等1971年双控制;Coles等1973年数字CO2控制;East等1991年FiO2和PEEP控制PaO2;Iotti等1996年P0.1闭环控制;Sinderby等EAdi神经通气耦合(NAVA);Chopin等1989年CO2MV;Dojat等GANESH/NéoGanesh(SmartCare/PS);Laubscher等ALV/ASV;Arnal等INTELLiVENT-ASV;Brogi等系统评价;Rose等Cochrane系统评价;Burns等SmartCare研究;Lellouche等随机对照研究;Demoule等NAVA研究。
提炼说明
- 原文未涉及「红旗征与不能漏的情况」,故未列出这些栏目。
全文中译14 节 · 点击展开
引言
闭环系统的设计目的是将给定变量动态调节至期望设定点附近。此类系统遍布我们的日常生活,从在高速公路上保持正确车速的定速巡航,到安全驾驶现代飞机的自动驾驶仪。
现代医疗系统正日益整合这些技术进步。闭环控制的医学应用可分为两类:控制医疗设备物理变量的系统,以及控制患者生理变量的系统[1]。许多医疗设备已纳入设备内部闭环控制系统。一个例子是对吸入氧浓度进行内部调节,使其达到临床医生设定的数值。如果患者与医疗设备之间存在某种反向交互,该系统可称为面向患者的系统。压力控制通气期间的气道压力控制即是此类示例,因为设备与患者之间存在交互。在此情况下,控制器关注的重点仍是医疗设备。
调节患者生理变量被称为生理闭环控制(PCLC)。随着当今临床环境中广泛开展的生理监测,PCLC正变得越来越普及。在这种情况下,患者是控制回路的焦点,生理测量值被反馈至控制器。PCLC近期已被监管机构采纳,专门为其制定了一项国际标准,即IEC 60601-1-10 [2],并且美国食品药品监督管理局于2015年举办公开研讨会,随后Parvinian及其同事于2018年发表了相关文献[3]。
重要的是,PCLC使得目前由医务人员执行的某些治疗任务得以自动化。重症监护和急诊监护尤其被认为将从自动化程度的提高中获益,因为正如Angus等人[4]所预测,这些高压力环境的劳动力正在萎缩。医务人员供给有限,加之正确设置呼吸机是劳动密集型的实践[5, 6],这意味着未来提供恰当的个体化患者照护将变得更加困难。维持患者机械通气本已高昂的成本[7, 8]还将进一步增加。如果某些呼吸机设置能够自动调整,这将增加医务人员的时间和能力。
尽管近年来重新获得关注,机械通气的PCLC已存在超过半个世纪。与机械通气指南随时间演变的情况类似——从关注最佳气体交换到减少呼吸机所致肺损伤[9]——机械通气PCLC研究中也可见到类似趋势。本综述旨在展示机械通气PCLC的演变及其与机械通气临床目标的密切关系。
范围与定义
本文的文献检索标准如下。首先,通过关键词组合检索数据库以识别相关文献:闭环、控制、反馈和自动化,与通气、机械通气和人 工通气组合。其次,将检索范围缩小至仅纳入使用患者特异性生理变量进行反馈控制的系统。这些生理变量可大致分为氧、二氧化碳、呼吸力学和患者需求。第三,撤机阶段迄今从自动化中获益最多,因此将其作为附加检索关键词纳入。最后,仅纳入包含患者或中/大型动物研究的文献。关于理论方法和模拟结果的大量附加文献确实存在,但这些仍需通过实验验证。
此外,既往已有关于闭环机械通气的综述,并提供了进一步的相关文献。Brunner发表了一篇重要的早期手稿,描述了闭环通气的历史和原理[10]。Lellouche等[11]、Wysocki等[12]和Branson[13]提供了关于机械通气中先进闭环控制的综述。
为呈现精确的综述,本文不讨论通气模式和呼吸波形;这些内容已在其他地方涵盖(例如Chatbrun等[14])。此外,其他通气方法,如液体通气、噪声通气和高频通气,超出本文范围。
生理性闭环通气的概念
机械通气的首要目标是纠正并维持充分的气体交换。对患者进行保护性通气已成为机械通气期间的另一个重要目标。
当前选择呼吸机设置的临床实践非常复杂,且基于专家知识。现代临床医生依赖经典的机械通气生理变量,如外周毛细血管血氧饱和度(SpO2)、呼气末CO2(etCO2)和血气分析(PaO2、PaCO2、pH)。此外,临床医生还考虑保护性指南、血流动力学参数(心率、血压、灌注)以及衍生变量,如pF比值、氧A-a梯度、分流、跨肺压和机械功率等[9]。
临床医生、呼吸机和患者之间的交互构成了手动闭环系统或“临床医生在环”系统。图1以框图形式展示了这一点。在此,临床医生充当控制器,将可获得的生理和衍生测量值与 defined 控制目标进行比较,然后决定适当的呼吸机设置(执行)。
这种临床医生在环系统劳动强度大且耗时,因为临床医生的在场始终是必要的。若患者状态发生变化并需要适应新的治疗需求,需要临床医生全神贯注来调整呼吸机设置。如果临床医生不在场,系统变为开环系统,当因患者病情恶化或外部干扰导致氧合或通气不足时,该系统无法响应。这可能导致患者通气不良且未受到保护性通气,可能带来严重后果。
闭环通气的特征
可实施自动化闭环系统(也称为反馈控制),使患者保持在指定目标并响应扰动,而无需临床医生在场。由此,控制器接管调整呼吸机设置的任务。新的控制回路如图2所示,显示了从目标值中减去测量值,并将误差馈入控制器。然后控制器自动决定正确的呼吸机设置以最小化误差。
重要的是,临床医生的关注点转变为选择个性化目标、调节通气以外的补充变量(如血流动力学和液体),以及监测系统。应当注意,当前的PCLC系统将其测量数据限制为经典通气变量,正如后文将展示的那样。衍生评估,如pF比、应力和应变,或心肺相互作用,尚未被使用。
自动化闭环系统的目标可分为设定点跟踪和扰动抑制。在大多数情况下,设定点控制仅在控制器开启时才相关,因为它描述了系统达到目标之前的动态响应。设定点变化在临床环境中很少见。例如,SpO2目标可能为88–95%,且很少变化。然而,扰动抑制才是PCLC期间的真正主角,因为它涉及系统对扰动的响应并使患者回到目标范围。扰动可采取多种形式,包括内部扰动(病情恶化、肺僵硬、CO2产生增加)和外部扰动(断开连接、室温)。这两个目标在图3中用一个说明性示例展示,在t1处有设定点变化,在t2处有扰动(CO2极度增加)。
自动生理控制的演变可按两个驱动因素分类:控制目标和控制器设计。控制目标一方面取决于可用的测量值和传感器,其中一些已在上文描述。另一方面,不断变化的临床证据和指南提出了新的控制目标。第二个驱动因素,即控制器设计,仍是一个工程问题,超出了本文的范围。此处仅作简要概述以便于理解。控制器复杂性的自然演变伴随着计算机的使用及其日益增强的计算能力,以及呼吸系统的详细建模,后者用于控制器的综合与测试。最初使用的是简单的比例、积分和微分(PID)控制器[15, 16]。这种PID作用的求和是当今几乎所有工业中最常用的控制器。其整定(该控制器的设置)是静态的,意味着控制器需要针对每位患者进行整定。为克服这一点,可使用自适应控制器[17–19],其改变控制器参数以适应患者或情景。这需要系统的数学模型,但近年来呼吸系统建模的进展使其应用日益增多。最优控制器在计算 actuation 变量时试图求解一个优化问题,例如最小化代价函数[20]。模型预测控制(MPC)是另一种先进控制器的例子,它使用系统的动态模型[21, 22]。它针对当前状态优化当前的呼吸机设置,同时预测未来事件。最后,模糊控制[23, 24]的使用也日益增多。模糊控制器是一种基于规则的控制律,其中语言规则(例如if-then-else规则)被模糊化(blurred),以使控制更具弹性。这些系统在临床环境中很受欢迎,因为临床医生的基于语言的专家知识被转化到控制器的设计中(例如,在PID控制中则并非如此)。未来可能会引入更稳健的控制器。这些控制器在设计时考虑了不确定性,即使在最坏情况下也能控制系统性能。
生理闭环控制的历史
通气的PCLC涵盖广泛的控制目标。它们可分为关注气体交换、肺力学(保护性通气)、患者需求和临床方案自动化的控制器。
基于气体交换的控制
Saxton于1953年首次将PCLC应用于机械通气,相关论文于1957年发表[15],其团队将反馈控制应用于铁肺以调节呼气末二氧化碳(etCO2)。同一十年间,Frumin开发了一套自动化麻醉系统,其中包含etCO2反馈控制系统[16, 25]。两套系统均以通气压力作为执行变量,并能够将呼气末CO2维持在设定目标。
1971年,Mitamura及其同事利用潮气量(VT)和呼吸频率(f)控制混合呼出CO2[20]。其系统即使在体外CO2负荷的情况下也能将PCO2维持在目标值。其他团队则侧重于自动设定VT或f,由临床医生手动设定另一变量[26, 27]。使用计算机进行CO2控制的数字控制始于1973年Coles等人[26],此后关于通气反馈控制的发表文献数量增加。Coles等人表明,PCLC系统将etCO2维持在目标值方面的效果优于手动控制[26]。
用于pH或PaCO2测量的血管内传感器的出现引入了新的闭环控制系统。Schulz等人使用此类传感器和反馈控制来响应PaCO2的设定值变化[28]。然而,其系统的响应动态受限于传感器的缓慢响应时间。类似的传感器问题导致Coon等人的系统[29]发生振荡。然而,连续血管内传感器未能持续在商业上供应,其使用已停止。在没有任何临床替代方案的情况下,CO2的控制再次基于etCO2的测量。然而,病变肺中PaCO2与etCO2之间日益增大的差值需要补偿[20, 28, 30]。Ohlson等人提出了基于第一性原理将etCO2与PaCO2关联的方法[30],但当心输出量出现大幅变化时,作者无法正确补偿。
表1列出了过去50年间CO2反馈控制(常称为通气控制)系统的广泛清单。可以看出,迄今为止所展示的所有系统均局限于概念验证研究。
直到20世纪70年代初,重点主要集中于CO2的控制,但在1975年,Mitamura[36]开发了一套同时针对CO2和O2的“双控制系统”。在此系统中,使用耳部血氧计测量SpO2,并采用开关控制器改变吸入氧含量。该控制器能够纠正低氧血症。
1979年,Beddis等人[37]在早产儿中实施了仅控制氧合的操作;这通过使用留置脐动脉氧电极传感器得以实现。为评估其系统,他们将使用控制器达到氧合目标的时间与临床医生在环系统进行了比较。这一指标也被其他人使用[38–44],在所有病例中自动化系统与手动操作相当或更优。
Yu等后来在舌头上使用血氧计来控制氧合,并在狗身上实现了自适应控制器[19]。该系统能够纠正低氧血症并补偿干扰,如呼气末正压(PEEP)变化和单肺通气。1991年,East等[45]同时使用FiO2和PEEP来控制PaO2。是否改变FiO2或PEEP基于先前的临床方案,该系统将患者维持在氧合目标长达6小时[45]。
关于氧合控制的进一步文献总结于表2中。使用吸入氧分数控制氧合仍然是一个活跃的研究领域,尤其是在新生儿中。Claure和Bancalari于2013年发表了一篇关于氧合控制的近期综述[46]。Claure等[41]、Urschitz等[42]和Gajdos等[44]提出的系统已被进一步开发,目前分别作为AVEA-CLiO2(CareFusion,Yorba Linda,CA,USA)、CLAC(Löwenstein Medical GmbH & Co. KG,Bad Ems,Germany)和SPOC(Fritz Stephan GmbH,Gackenbach,Germany)商业化 available。
重要的是,迄今为止氧合控制大多仅限于使用FiO2。这密切反映了正确选择PEEP的临床困难——尤其是因为仅凭氧合并不能可靠地衡量PEEP是否良好。
所提出的大多数闭环通气策略的一个主要缺点是它们仅关注气体交换,而不考虑肺力学和损伤量化。事实上,实现适当的CO2控制可能需要过大的VT或峰值吸气压力,这可能导致呼吸机诱导肺损伤(VILI)。随着临床通气策略越来越关注保护性通气和预防VILI,这一要求也需要纳入闭环控制中。因此,接下来介绍考虑肺力学的控制。
考虑肺力学的控制
Mitamura等早在1971年就将最小化通气功作为其控制器的进一步目标[20]。这一想法与1950年Otis等[50]的想法密切相关,后者提出存在呼吸频率和潮气量的最佳组合以实现最小呼吸功。该方法也分别被Tehrani[51]和Laubscher[52]于1991年和1994年采用。Laubscher等在六名患者的研究中表明,其控制器能够适应个性化呼吸力学。Laubscher及其同事将其自适应肺通气(ALV)控制器(1994年)推进为称为自适应支持通气(ASV)的新版本。Arnal等[53]在243名具有不同呼吸肺状况的患者中测试了ASV控制器,并展示了该控制器选择与实际个性化肺力学相关的VT–f组合的能力。
Rudowski等[54]于1991年直接针对VILI的担忧,以峰值呼吸功率指数作为肺创伤指标。他们的控制器调整呼吸机设置以降低呼吸功率指数,同时确保足够的气体交换。一项六名患者的研究显示了有希望的结果。
许多现代系统并不直接利用肺力学来控制呼吸机,而是施加硬性限制以确保潮气量和压力保持在某些循证限制范围内。
基于患者需求的控制
此处还需注意,迄今所介绍的大多数文献仅考虑了控制(强制)通气,即患者处于被动状态。然而,在许多情况下,允许或期望患者自主呼吸,这意味着患者需求变得重要。Younes等人于1992年使用比例辅助通气(PAV)进行了早期工作[55]。这种正反馈控制系统根据呼吸力学和操作者设定的辅助水平来放大患者做功。这确保了同步性,同时自动适应患者负荷。对于PAV的初始版本,临床医生需要了解患者的呼吸力学以设定适当的控制器增益,但更新的版本称为PAV+,可自动估算个体呼吸力学[56, 57]。
1996年,Iotti等人提出了P0.1闭环控制通气,即利用吸气前0.1秒内气道闭合压的下降来估算患者做功[58]。两个独立的控制器,一个用于P0.1,另一个用于肺泡容积,被输入到一个合并的控制算法中,该算法改变压力支持水平。作者表明,使用P0.1可将患者的吸气活动稳定在期望水平,从而允许吸气肌减负荷。
与呼吸系统生理性神经输出的直接耦合将有助于在自主呼吸期间提供最佳支持。1970年曾在动物身上尝试将呼吸器与膈神经活动耦合[59],但这在人类中不可行。相反,Sinderby等人[60]使用膈肌电活动(EAdi)进行神经-通气耦合以调节通气支持水平。该系统需要放置食管导管。该系统以神经调节辅助通气(NAVA)(Maquet Critical Care AB,瑞典索尔纳)的商品名上市。[61]显示了该系统改善的人机同步性,但作者指出其临床影响仍有待确定。
临床方案的自动化
已有多种方法将医务人员用于调整机械呼吸机设置的临床方案计算机化。这些计算机化决策支持系统并不对呼吸机进行主动更改,而是提出更改建议;临床医生必须在场才能进行更改,因此它们代表了经典的临床医生在环系统。[62]中给出了这些系统的文献综述。
Pomprapa等人将ARDSNet方案自动化(autoARDSNet),并在七头猪的初步研究中测试了该系统[63]。该系统将动物维持在氧合和pH目标范围内达4小时,甚至能补偿呼吸机与患者之间的断开。
高度自动化系统
学术界和工业界已开始推出高度自动化甚至完全自动化的系统,这些系统依赖于上述所有控制目标子类别的综合实现。这涉及维持可接受的血气稳态、确保患者-呼吸机同步以及预防呼吸机相关性肺损伤(VILI)。此类控制回路的拓扑结构如图4所示。
市售的INTELLiVENT-ASV(Hamilton Medical AG,瑞士博纳杜兹)是高度自动化系统的一个实例。其控制目标为呼气末二氧化碳(etCO2)和血氧饱和度(SpO2)。此外,用户必须提供一些患者数据,用于肺力学评估。氧合控制通过根据ARDSNet方案的临床指南改变PEEP或FiO2来实现。通气控制(CO2清除)由级联控制回路控制,其中包括上述ASV控制器。
Schwaiberger等人在2018年提出了另一种高度自动化的系统[64]。etCO2采用模糊控制进行控制;采用开放肺概念[65]的原理来改善氧合并实现低潮气量(VT)通气以确保保护性通气[66]。一项针对八头猪的初步研究显示了有希望的结果,但临床试验仍有待进行。此外,该系统仅适用于被动患者。
撤机
机械通气的最终阶段已经见证了一些最先进的闭环系统进入市场。上述相同的控制目标在撤机阶段同样适用,但撤机期间的额外目标是减少患者对呼吸机的依赖,并测试患者是否能够完全脱离机械辅助。
自动化撤机的首次尝试由Hewlett等人在1977年[67]采用指令分钟通气量实现。
然而,首个自动化生理性撤机方法由Chopin等人在1989年[68]提出。在其“二氧化碳指令通气(CO2MV)”方法中,作者使用etCO2和基于规则的控制器在自主通气与控制通气之间切换。1991年,Strickland和Hasson[69]使用脉搏血氧饱和度、呼吸频率和分钟通气量来自动设置同步间歇指令通气频率和压力支持通气(PSV)水平。当压力支持降至零、每分钟指令呼吸次数不超过两次且血气分析(BGA)显示充分证据时,即认为撤机完成。
Dojat等人[70]开发了GANESH系统,该系统使用etCO2、呼吸频率和VT作为其基于规则的控制器的输入来设置PSV水平。该策略的目标是将患者带入舒适区域,此时即考虑永久撤机。该系统进一步开发,命名为NéoGanesh,并于1997年[71]推出,配备了复杂的知识和时间推理控制器。最终,该系统以SmartCare/PS的形式由Dräger(Drägerwerk AG,德国吕贝克)提供。
Laubscher等人先前描述的ALV控制器曾被Linton及其同事于1994年用于撤机[72]。在ALV的基础上扩展开发了ASV。对于有能力启动自主呼吸的患者,ASV算法会自动降低吸气压力。一旦所有呼吸均为自主呼吸且气体交换稳定,即认为撤机完成。早期版本没有气体交换的直接反馈。随着INTELLiVENT-ASV的引入,这一情况已发生改变。
商用生理闭环通气的评估
迄今为止所呈现的论文展示了将生理闭环控制应用于机械通气的新方法,并能够在中型/大型动物或少量患者上测试这些系统。其中一些系统的商业化使得临床研究得以开展。Brogi等人对临床环境中的闭环系统进行了系统综述和荟萃分析。该综述纳入了五项基于SpO2测量自动调整FiO2的研究和三项研究通气控制(etCO2)的研究。在所有研究中,自动化系统处于目标区间的时间更长[73]。Demoule等人在一项研究中评估了NAVA系统,并与PSV通气进行了比较。尽管未增加维持部分通气模式的概率,但患者-呼吸机不同步有所减少[74]。Rose等人对比较自动化和非自动化撤机的临床试验进行了Cochrane系统综述和荟萃分析[75]。该综述纳入了21项试验,共1676例患者,包括SmartCare/PS、ALV和INTELLiVENT-ASV等自动化系统。他们发现自动化系统显著缩短了撤机时间和通气持续时间[75]。重要的是,未发现对死亡率有强烈影响。Burns等人使用SmartCare系统将闭环控制撤机与基于手动方案的撤机进行比较[76]。他们得出结论,自动化撤机显示出有前景的结果,但需要进一步研究[76]。Lellouche等人的一项随机对照研究表明,使用全自动通气系统时,临床工作人员所需的干预次数减少,从而减轻了工作人员的工作负荷[77]。Arnal等人表明,INTELLiVENT-ASV减少了ICU患者手动呼吸机设置更改的次数[6]。他们进一步得出结论,这可能提高劳动力效率[6]。
这些临床研究的初步分析显示出希望,即PCLC应用于机械通气可以减轻临床工作人员的工作负荷,并安全地将患者维持在个性化氧合和通气目标区间内。然而,全自动化系统是否会带来死亡率的改善仍是一个未解的问题。
展望
机械通气中PCLC的演进继续受到新控制器设计、改进的建模、新的传感器模态和更好的通气策略的推动。
需要改进控制器设计,以考虑呼吸机设置的交叉耦合效应。通过改变MV来控制CO2将间接影响氧合——而目前所呈现的任何PCLC系统均未考虑这一点。
新的测量和成像技术正被应用于“临床医生在环”的设置中,这些技术未来可用于自动控制。通过从气道压力中减去测得的食管压力推导出的跨肺压,正被研究作为一种寻找合适PEEP设置的方法[78]。电阻抗断层成像(EIT)作为一种测量技术,正日益被接受用于滴定PEEP并深入了解通气的肺。近期关于电阻抗断层成像的综述由[79–81]提出。
衍生评估,如用于氧合的氧A-a梯度或用于保护性通气的应力和应变,需要纳入PCLC系统。呼吸机改变(例如增加PEEP)的血流动力学效应也需要由PCLC系统加以考虑。此外,PCLC系统应考虑患者的病史。
随着大多数数据变得数字化,这些数据未来可供呼吸机使用是合理的。在这样的网络医学世界中,所有数据将在所有医疗设备之间传输,这些数据将使人工智能得以应用于机械通气。Prasad及其同事描述了一种基于人工智能的决策支持系统[82]。
尽管PCLC带来了许多优势,但其危险也不可遗忘。传感器故障、不可预测的扰动和软件错误仍然是任何自动化系统中的问题,需要开发安全概念以确保不对患者造成伤害。Kuck和Johnson[83]很好地阐述了麻醉自动化的三项定律:(1)不造成伤害,(2)保持透明,(3)减少认知负荷。在机械通气闭环控制的进一步发展中应采取类似的方法。
结论
PCLC应用于机械通气始于半个多世纪以前,所有这些研究正开始结出果实,产生高度自动化的呼吸机。随着这些首批系统投入商业使用,预计会有更多系统跟进,由来自工业和学术界的新技术提供支持,因此,生理性闭环通气的黎明无疑已经到来。
参考来源
- Platen PV, Pomprapa A, Lachmann B, et al. The dawn of physiological closed-loop ventilation-a review. Crit Care. 2020. PMID: 32223754. doi:10.1186/s13054-020-2810-1
- 全文:PMC7104522(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7104522/
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。