自動機械通氣的最優(yōu)控制研究

端慧敏，陳愛華，詹寧波

自動機械通氣的最優(yōu)控制研究

端慧敏，陳愛華，詹寧波

目的：研究一種方法使呼吸機通氣量保持在適當?shù)姆秶鷥?nèi)，用以改善機械通氣質(zhì)量。方法：利用MATLAB仿真工具建立仿真模型，在總結(jié)大量臨床實踐經(jīng)驗的基礎上，利用遺傳算法和模式搜索算法尋找最優(yōu)的呼吸機參數(shù)向量。結(jié)果：應用最優(yōu)控制算法之后，呼吸機的各生理參數(shù)得到顯著改善。結(jié)論：該自動機械通氣最優(yōu)控制算法不僅可有效維持血酸水平，提高血氧含量，而且有效避免了氣壓傷等機械通氣損傷并發(fā)癥的發(fā)生。

機械通氣；最優(yōu)控制；機械通氣損傷

0 引言

機械通氣是目前廣泛使用的一種生命支持方法。大部分重癥監(jiān)護單元中的患者利用呼吸機進行肺部機械通氣以維持生命。有研究表明，我國醫(yī)院中使用呼吸機進行生命支持的患者超過500萬，這一數(shù)字正逐年增加。使用機械通氣的危重癥患者死亡率為31%～37%[1-2]。39%的患者應用機械通氣方法進行呼吸支持[3]。由于自動機械通氣有著諸多優(yōu)點，未來會有越來越多的患者依賴呼吸機進行通氣治療。但是，機械通氣容易造成患者肺損傷[3-7]。機械通氣肺損傷（ventilator-associated lung injury，VALI）會導致肺炎、永久性肺纖維化和多器官功能衰竭的發(fā)生，從而延長患者在重癥監(jiān)護單元的滯留時間。

目前，機械通氣質(zhì)量的綜合評價方法十分有限，尚未建立一套成熟的機械通氣評價指南和體系。由于地域、醫(yī)院和患者的不同，機械通氣控制管理方法會產(chǎn)生差異，且機械通氣操作也無統(tǒng)一要求[8]。因此，VALI的定量評價將是機械通氣領(lǐng)域中的一個重大課題。在臨床治療中，直接定量測量與機械通氣有關(guān)的諸多關(guān)鍵生理參數(shù)存在較大的困難。因此，對這一問題的研究，我們通常借助于計算機模型。有研究提出并建立了一些較為簡易的機械通氣生理模型。由于這些模型并未考慮諸如肺泡順應性的非線性及肺泡通氣氣道閉塞等問題，因此，不能完美仿真機械通氣的真實生理過程。高肺泡峰值壓將會導致肺泡損傷。高氣道壓是導致肺泡壓較大的主要原因。但對于具有病理缺陷的肺來說，由于病理性質(zhì)以及時間狀態(tài)的不同，無法準確測量峰值肺泡壓的分布特點。

本研究提出了一種自動機械通氣最優(yōu)控制方法，可依據(jù)動脈血O2和CO2的水平綜合調(diào)節(jié)機械通氣參數(shù)，權(quán)衡機械通氣增氧量和肺損傷危險，將機械通氣質(zhì)量維持在最佳水平。本研究基于一種高質(zhì)量機械通氣仿真模型，同時調(diào)節(jié)5種機械通氣控制參數(shù)（潮氣量、通氣頻率、吸呼比、呼吸末正壓（PEEP）和吸氣氧體積分數(shù)），目的是在增加O2體積分數(shù)、減少CO2體積分數(shù)和維持pH值的同時，減少肺損傷發(fā)生的可能性。

1 仿真模型的建立

本研究基于諾丁漢模型，利用MATLAB仿真工具改進并豐富了該模型相關(guān)部分的功能和特性。該模型的結(jié)構(gòu)如圖1所示，其重要的仿真參數(shù)見表1。

諾丁漢模型基于一系列成熟的心肺功能生理關(guān)系公式，準確地仿真了心肺系統(tǒng)在不同情況下的動態(tài)變化特征。利用該模型可模擬不同生理參數(shù)的變化過程。機械通氣模型是由外部設備（呼吸機）、解剖和肺泡死腔以及通氣灌注肺泡組成的動態(tài)系統(tǒng)。系統(tǒng)模型遵循理想的空氣動力學原理，模擬了由于吸入氣體與核心體溫之溫差帶來的氣體流動。此外，系統(tǒng)模型還模擬仿真了由于吸入氣體中O2、CO2和 N2的流動與交換導致的不同組織各種氣體體積分數(shù)的變化。O2由肺泡進入肺部毛細血管，同時，CO2由毛細血管進入肺泡，這一過程實現(xiàn)了肺部氣體交換的平衡。對于嚴重呼吸窘迫患者，本研究可將平均動脈血氧分壓和平均動脈CO2分壓的誤差分別控制在0.05和0.09 kPa以內(nèi)。

表1 諾丁漢模型相關(guān)參數(shù)

本研究綜合了典型氣體交換公式和內(nèi)部血流循環(huán)中溫度和等離子pH等生理化學效應，計算出了整個氣體交換過程中血氧與血液CO2的交換量。利用耗氧量、呼吸商和心排量，本研究仿真了包括CO2產(chǎn)生和O2攝取的整個外周組織的氧代謝過程。本仿真研究中，呼吸機的機械通氣模式為定流呼吸模式。

2 呼吸衰竭的仿真

基于諾丁漢模型建立的仿真肺由100個平行肺泡腔組成，每一個肺泡都有一定的主氣管阻力（bronchiolar inlet resistance，BIR）。此外，每一個肺泡都有一個與其相對的毛細血管，且每一個毛細血管都有一定的血管阻力（pulmonary vascular resistance，PVR）。血液流經(jīng)肺泡膜時進行氣體交換，這是呼吸系統(tǒng)的主要功能。為了最優(yōu)地完成氣體交換，參與這一過程的通氣量（用V表示）和血液灌注量（用Q表示）需要相互匹配。在很多情況下，通氣量與灌注量不匹配是導致動脈血氣異常的主要原因。圖2顯示了在正常情況下，健康仿真肺在一段時間內(nèi)的壓力、流量和容積特點。使用的機械通氣參數(shù)為標準通氣參數(shù)：潮氣量400mL，通氣頻率12.5次/min，吸呼比1∶3，恒流方式。本研究通過調(diào)整不同的V/Q值來模擬不同的肺通氣疾病。肺通氣疾病往往是由于肺部氣管與支氣管過于狹窄導致的通氣不暢，從而進一步導致肺V/Q值異常。由于V/Q值異常，導致BIR值過高，減少了肺通氣量，從而導致慢性氣管阻塞（chronic obstructive pulmonary disease，COPD）[9]、哮喘[10]、肺栓塞[11]和急性呼吸綜合征（acute respiratory distresssyndrome，ARDS）[12]等呼吸疾病。為較為逼真地仿真這些呼吸疾病的特點，本研究在調(diào)整V/Q值的基礎上，不斷增加肺泡的BIR和PVR值。本研究模擬的3種不同呼吸疾病的相關(guān)生理參數(shù)見表2，其中palv為最高肺泡壓（alveolarpressure，palv）。從表2中我們可以看到，隨著模擬病情的加劇，動脈氧分壓（pa（O2））下降（均低于正常值的最小水平），而動脈二氧化碳分壓（pa（CO2））上升。

圖2 健康仿真肺在一段時間內(nèi)的壓力、流量和容積特點

表2 3種肺病的相關(guān)生理參數(shù)

3 機械通氣參數(shù)優(yōu)化算法

在重癥監(jiān)護單元的臨床實踐中，機械通氣參數(shù)的設定范圍具有較大差異。本研究在總結(jié)大量臨床實踐經(jīng)驗的基礎上，統(tǒng)一規(guī)定了潮氣量、通氣頻率、吸呼比、PEEP和吸氣氧體積分數(shù)的設定范圍。根據(jù)機械通氣潮氣量的設置標準（4～12mL/kg），本研究將潮氣量設為280～840 mL，通氣頻率設置為6～35次/min，吸呼比（I∶E）設置為1∶4～4∶5，PEEP范圍設置為0～24 cmH2O（1 cmH2O=98.063 8 Pa），吸氧體積分數(shù)設置為0.21～1。

本研究將pa（O2）作為一個關(guān)鍵的生理指標來辨識動脈氧含量。為了保證基本的生理代謝，pa（O2）需維持在8 kPa以上。此外，pa（CO2）是另一個間接反應酸平衡程度的肺通氣指標，本研究將pa（CO2）維持在4～8 kPa之間。氣壓傷的危險程度與palv的相關(guān)性很強，因此，為避免導致氣壓傷，需保證palv在4 kPa以下。本研究保存了仿真實驗得到的所有生理信號數(shù)據(jù)。pa（O2）和pa（CO2）為仿真實驗最后2min的平均值。本研究設計的自動機械通氣最優(yōu)控制系統(tǒng)如圖3所示。

圖3 自動機械通氣最優(yōu)控制系統(tǒng)

本系統(tǒng)提出的最優(yōu)化問題可以簡化為以下數(shù)學公式表示

式中，J代表優(yōu)化問題的目標函數(shù)，f（x）代表仿真模型，x為呼吸機優(yōu)化控制參數(shù)向量。本研究中的自動機械通氣的最優(yōu)控制的作用即利用最優(yōu)值搜索算法尋找最優(yōu)x值，使得上式的計算結(jié)果最小。為獲得最佳的利弊權(quán)衡效果，我們將目標函數(shù)J定義為J1與J2之和，如下式表示

J=J1+J2

J1和J2的定義分別如下

J1反映了由于高肺泡壓導致肺損傷的危險程度，J2反映了由于肺通氣不良導致發(fā)生相關(guān)呼吸疾病的危險程度。r1、r2和r3為歸一量化因子，w1和w2為權(quán)重因子。在默認情況下，w1和w2的值為1，默認J1和J2危險程度的重要性相同。在實際應用中，可根據(jù)具體情況適當調(diào)整w1和w2的大小。為方便設計控制算法，本研究將5個呼吸機的控制參數(shù)量化在-1～1的范圍內(nèi)。

本研究綜合利用遺傳算法和模式搜索算法尋找最優(yōu)的呼吸機參數(shù)向量。依據(jù)以往的經(jīng)驗和臨床研究，我們選取30組呼吸機參數(shù)設置作為遺傳算法的候選解，搜索計算代數(shù)為20。遺傳算法的結(jié)果將作為模式搜索算法的初始化值。若J的改進效果小于10-3，或搜索演化次數(shù)大于600，則模式搜索算法停止運行。

4 實驗結(jié)果

表3顯示了應用最優(yōu)控制算法之后，在3種不同疾病情況下，呼吸機控制參數(shù)設置和相應生理參數(shù)的改善結(jié)果。對比常規(guī)設置的呼吸治療結(jié)果，可以看到生理參數(shù)得到了顯著的改善，尤其是pa（O2）在3種情況下都得到了較大程度的提升。同時可以看到，血氧含量的改善是以增加palv為代價的。即使在這種情況下，palv仍然維持在最大極限值以下，處于較為安全的水平。

表3 自動機械通氣最優(yōu)化控制設置與相應生理參數(shù)

5 結(jié)論

本研究通過總結(jié)臨床研究結(jié)果和實踐治療經(jīng)驗，提出了一種改善機械通氣質(zhì)量的最優(yōu)通氣參數(shù)自動設置算法。實驗結(jié)果證明，該自動機械通氣最優(yōu)控制算法不僅可有效維持血酸水平，提高血氧含量，而且有效避免了氣壓傷等機械通氣損傷并發(fā)癥的發(fā)生。本研究提出的自動機械通氣優(yōu)化控制方法可方便地應用于未來高質(zhì)量呼吸機的研制開發(fā)中，從而進一步提高呼吸機機械通氣水平，改善通氣質(zhì)量。

[1]Esteban A，Anzueto A，F(xiàn)rutos F，etal.Characteristics and outcomes in adultpatients receiving mechanicalven tilation：a28-day international study[J].JAmerMed Assoc，2002，287：345-355.

[2]Esteban A，Erguson ND F，MeadeM O，etal.Evolution ofmechanical ventilation in response to clinical research[J].Am JResp Crit Care，2008，177：170-177.

[3]Zilberberg M D，Wit M de，Pirone JR，et al.Growth in adult prolonged acutemechanical ventilation：implications for healthcare delivery[J].CritCare Med，2008，36：1 451-1 455.

[4]Gammon R.Pulmonary barotrauma in mechanical ventilation.Patternsand risk factors[J].Chest，1992，102：568-572.

[5]DreyfussD，Saumon G.Barotrauma is volutrauma，butwhich volume istheone responsible[J].IntensiveCareMed，1992，18（3）：139-141.

[6]BoussarsarM，Thierry G，Jaber S，etal.Relationship between ventilatory settings and barotrauma in the acute respiratory distress syndrome[J].IntensiveCareMed，2002，28（4）：406-413.

[7]Anzueto A，F(xiàn)rutos F-Vivar，Esteban A，etal.Incidence，risk factors and outcomeofbarotrauma inmechanically ventilated patients[J].Intensive CareMed，2004，30（4）：612-619.

[8]Okamoto V N，Rubenfeld G D.Attending to the lightness of numbers：toward the understanding of critical care epidemiology[J].Crit Care，2004，8：422-424.

[9]Wagner PD，Dantzker DR，Duek R，etal.Ventilation-perfusion inequality in chronic obstructive pulmonary disease[J].JClin Invest，

（????）（????）1977，59（2）：203-216.

[10]Wagner P D，Dantzker D R，IacovoniV E，etal.Ventilation-perfusion inequality in asymptomatic asthma[J].Am Rev Respir Dis，1978，118（3）：511-524.

[11]Elliott C G.Pulmonary physiology during pulmonary embolism[J]. Chest，1992，101：163S-171S.

[12]Pappert D，Rossaint R，Slama K，et al.Influence of positioning on ventilation perfusion relationships in severe adult respiratory distress syndrome[J].Chest，1994，106（5）：1 511-1 516.

（收稿：2013-12-23修回：2014-02-15）

Research on optimal control of automaticmechanical ventilation

DUAN Hui-min1,CHEN Ai-hua2,ZHAN Ning-bo3
(1.DepartmentofMedical Engineering,the First Hospital Affiliated to General Hospital of the PLA,Beijing 100048,China; 2.Procurement Center,the 302nd Hospital of the PLA,Beijing 100039,China;3.Center for Medical Engineering Support and Management,the 302nd Hospital of the PLA,Beijing 100039,China)

Objective To develop a method keeping the ventilation in a suitable range,so as to improve the quality of mechanical ventilation.Methods MATLAB,genetic algorithm and pattern search algorithm were involved in determining the optimal parameters for the respirator.Results Optimal control algorithm made the parameters of the respirator improved greatly.Conclusion The optimal automatic control method can ensure a high-quality ventilation with improved oxygen content and less risk of VALI.[Chinese Medical Equipment Journal，2014，35（7）：18-20,36]

mechanical ventilation;optimal control;ventilator-associated lung injury

R318；TL361

A

1003-8868（2014）07-0018-04

10.7687/J.ISSN1003-8868.2014.07.018

端慧敏（1976—），女，主管技師，主要從事急救設備及衛(wèi)生材料質(zhì)控方面的研究工作，E-mail：315744713@qq.com。

100048北京，解放軍總醫(yī)院第一附屬醫(yī)院醫(yī)學工程科（端慧敏）；100039北京，解放軍302醫(yī)院采購中心（陳愛華），醫(yī)學工程保障管理中心（詹寧波）