氣道異物淤積導致呼吸波形改變的臨床模擬研究

熊偉，毛彬，陳寒鑒，黃永全，王彬權，孫靜，張倩，馮靖祎，3

1. 浙江大學醫學院附屬第一醫院 a. 醫學工程與物資部；b. 麻醉科，浙江 杭州 310003；2. 浙江大學 生物醫學工程與儀器科學學院，浙江 杭州 310027；3. 浙江大學醫學院附屬第一醫院 浙江省醫療器械臨床評價技術研究重點實驗室，浙江 杭州 310003

引言

在麻醉相關死亡病例中有70%是由氣道問題所致，主要為氣道梗阻、困難氣道和插管誤入食管[1]，因此氣道管理在麻醉患者急救和手術中至關重要，控制了氣道才能保證患者獲得足夠的氧氣供應，保障患者圍手術期的安全，而快速建立氣道并保證氣道持續暢通也成為麻醉醫師必備的一項工作技能[2-3]。現有的氣道管理設備與技術多集中于解決人工氣道建立的過程問題，如應用了可視化技術的可視喉鏡和可視喉罩等[4-9]提供了多種安全有效的人工氣道建立途徑，但用于氣道建立后管理過程的設備和技術則較少。目前對人工氣道建立后的監測更多依賴于麻醉醫師根據工作經驗對麻醉患者氣道通氣參數的觀察或呼吸機的報警[10]，缺乏對氣道管理過程更直接、持續、實時的數字化監測。異物阻塞型氣道梗阻主要是因為血液、分泌物或嘔吐物等[11]堵住了氣管，若發生在可視氣道中，可通過圖像識別技術實時辨別并給出相應等級的聲光報警。為驗證氣道實時可視化和數字化監測的可行性，本文擬開展針對氣道異物淤積導致呼吸波形改變的研究，建立氣道異物淤積量與呼吸波形改變程度之間的關系。

1 研究思路

鑒于患者發生氣道阻塞的突發性及醫護人員處理的及時性等實際因素，無法通過臨床試驗獲得真實世界的患者氣道阻塞數據及其對應的呼吸波形數據，故采用模擬試驗獲取相關數據并進行分析。選用科室備用的德國Dr?ger Evita V300 呼吸機1 臺（帶呼吸管路）、德國Dr?ger SelfTestLung?模擬肺1 個、美國柯惠331/5661可伸縮型呼吸回路延長管（模擬人體氣道）若干、美國3D SYSTEMS Figure 4 Modular 3D 打印機打印的管路阻塞標準件5 個、龍德20 mL 注射器若干、WOWSTICK GLUER 鋰電熱熔膠槍1 支、凱普樂KL-250II 型超聲耦合劑1 瓶、優億TIC-I3 可視軟性喉鏡1 臺，搭建一個氣道異物淤積可控的呼吸過程模擬平臺。氣道異物淤積采用管路阻塞標準件和超聲耦合劑2 種方式模擬，對應的呼吸過程模擬平臺分別如圖1a 和圖1b 所示。

圖1 呼吸過程模擬平臺

2 研究過程

2.1 平臺搭建與參數設置

在模擬平臺開展實驗時，通過向模擬氣道置入阻塞標準件或通過注射器向模擬氣道注射超聲耦合劑來模擬氣道異物淤積。阻塞標準件封堵氣道面積大小和超聲耦合劑量的多少代表氣道異物淤積程度（阻塞程度）。每種情況下均設置呼吸機采用壓控模式和容控模式分別進行通氣，同時采集每種阻塞程度下對應的呼吸波形，提取波形特征，根據阻塞標準件實驗數據擬合氣道阻塞面積與呼吸波形特征之間的關系曲線，再用超聲耦合劑實驗數據驗證擬合曲線的精度并遴選最優擬合關系曲線，技術路線如圖2 所示。

圖2 技術路線圖

氣道管路阻塞標準件直徑較管路內徑小1 mm，以便將其放置到管路中。設置圓環和3 個支架作為支撐結構，以免實驗中標準件受呼吸氣流影響從而在管路中移位導致阻塞面積偏差。由于管路內徑為圓形，為便于控制阻塞面積，標準件實體部分采用扇形結構。管路阻塞面積與管路橫截面積占比依次為1/6、2/6、3/6、4/6、5/6，標準件結構如圖3 所示。

圖3 標準件結構上下二等角軸測示意圖及不同阻塞面積標準件后視圖

呼吸機壓控通氣模式的關鍵參數設置如下：呼氣終末正壓（Positive End-Expiratory Pressure，PEEP）設為5 cmH2O；吸氣壓力（Pinsp）設為20 cmH2O；吸入氧濃度分數（FiO2）設為21 Vol%；呼吸頻率（Respiratory Rate，RR）設為12 次/min；吸氣時間（Ti）設為1.4 s；呼氣時間（Te）設為3.6 s；壓力上升時間（Slope）設為0.2 s；患者類別選成人。呼吸機容控通氣模式關鍵參數設置如下：PEEP 設為5 cmH2O；潮氣量設為500 mL；FiO2設為21 Vol%；RR 設為12 次/min；Ti 設為1.4 s；Te 設為3.6 s；Slope 設為0.2 s；患者類別選成人。

2.2 氣道異物淤積分析

阻塞標準件模擬氣道異物淤積情況下的氣道阻塞面積在設計標準件時已確定，不用再單獨計算。超聲耦合劑模擬氣道異物淤積情況下的氣道阻塞面積需通過圖像處理等方法單獨分析。因為在此類模擬場景下，每次通過注射器向模擬氣道內注射耦合劑的量無法精確控制，且注射到模擬氣道內的耦合劑形狀不規則，故每次注射完耦合劑后需將可視軟性喉鏡鏡頭伸入到模擬氣道內固定位置拍攝阻塞場景照片，再獲取對應的呼吸波形。針對阻塞照片采用圖像分割算法識別阻塞面積。因耦合劑的透明性導致MATLAB 程序在識別時精確度不高，故先手動勾畫出阻塞區域，再通過程序識別轉化為灰度圖像，最后計算阻塞面積。

2.3 呼吸波形提取

由于數據的保密性，呼吸機的壓力、流速和容量數據無法直接導出，故采用呼吸機自帶的截屏功能獲取對應的呼吸波形截圖。對截圖進行裁剪后，通過MATLAB程序識別呼吸波形對應的灰度值及波形橫坐標位置，再將像素數轉為具體數值，從而實現呼吸波形的提取。針對壓力波形基本呈現周期性的方波，提取方波寬度和方波峰值2 個特征；流速波形基本呈現周期性的上下2 個尖峰，提取上升峰值、上升梯度、下降峰值和波形寬度4 個特征；容量波形基本呈現周期性的三角波，其數值近似為流速的積分結果，提取波形寬度和波形峰值2 個特征。各波形特征示意圖如圖4a～c 所示。

圖4 各波形特征示意圖

2.4 波形特征變化與相關性分析

呼吸波形各特征根據氣道阻塞面積的變化程度采用變異系數來衡量。當變異系數≤10%時為弱變異性，當10%＜變異系數≤100%時為中等變異性[12-13]。遴選標準件阻塞和耦合劑阻塞2 種情況下均呈現中等變異性的波形特征進行其與阻塞面積的Spearman 相關系數計算。分析相關性，相關系數絕對值為0.8～1.0 表示強相關，0.5～0.8 表示中度相關，0.3～0.5 表示相關性較低，0～0.3表示相關性極弱[14-15]。根據標準件阻塞情況下阻塞面積的比值及對應的各呼吸波形特征值，用MATLAB R2021b 基于最小二乘法[16-17]擬合關系曲線，再計算耦合劑阻塞情況下阻塞面積的比值及對應呼吸波形特征值與上述擬合關系曲線的均方根相對誤差，遴選均方根相對誤差較小的擬合關系曲線，并描述氣道異物淤積量與呼吸波形改變之間的關聯，從而設定基于可視化與圖像識別技術的不同程度氣道阻塞報警閾值。

3 研究結果

采用壓控通氣模式時，在標準件阻塞的情況下進行6 組實驗（包含1 組沒有置入阻塞標準件的基準情況），即每個波形特征有6 組數據；在耦合劑阻塞的情況下也進行6 組實驗，每次隨機向模擬氣道內注射一定量的耦合劑，同樣獲取了不同阻塞程度下每個波形特征的6 組數據。采用容控通氣模式時，在標準件阻塞情況下進行6 組實驗（同上），耦合劑阻塞情況下進行7 組實驗。通過計算組內變異系數，排除變化不大的波形特征，最終遴選出變化較大的波形特征并進行曲線擬合與對比分析。

3.1 波形特征變異系數

計算不同通氣模式和不同阻塞情況下各組波形特征數據的變異系數，見表1。采用壓控通氣模式時，流速波形上升峰值、流速波形上升梯度和流速波形下降峰值3 個特征在2 種氣道阻塞情況下，均呈現出隨阻塞面積變化的中等變異性。采用容控通氣模式時，流速波形上升峰值、流速波形上升梯度、流速波形下降峰值和容量波形寬度4 個特征在2 種氣道阻塞情況下，均呈現出隨阻塞面積變化的中等變異性。

表1 各波形特征變異系數（%）

3.2 壓控通氣模式關系曲線

根據變異系數，對壓控通氣模式下3 組波形特征數據與氣道阻塞面積的相關性進行分析，結果如表2 和圖5 所示。表2 為壓控通氣模式下各波形特征與阻塞面積比值的相關系數、特征曲線與擬合曲線之間的均方根相對誤差及擬合曲線關系式的系數，圖5 為標準件阻塞和耦合劑阻塞情況下的各波形特征曲線，以及各波形擬合曲線。結果表明，上述3 組波形特征與氣道阻塞面積均有強相關性，且標準件阻塞和耦合劑阻塞2 種情況下，各波形特征曲線與擬合曲線間的均方根相對誤差均較小，即可用波形特征變化描述氣道阻塞程度，也可用氣道阻塞面積反映波形特征變化量。對比相關系數和均方根相對誤差，并結合波形特征曲線，本實驗中流速波形上升峰值最能反映氣道阻塞情況，兩者為二次曲線關系。以氣道阻塞面積比值為自變量，波形特征值為因變量，其擬合曲線關系式系數如表2 所示。

表2 壓控通氣模式波形特征相關系數、曲線均方根相對誤差與擬合曲線關系式系數

圖5 壓控通氣模式下各波形特征的關系曲線

3.3 容控通氣模式關系曲線

容控通氣模式關系曲線分析結果如表3 和圖6 所示。除耦合劑阻塞情況下，容量波形寬度與氣道阻塞面積呈中等程度相關性外，其他波形特征與氣道阻塞面積均呈強相關性。同理，對比相關系數和均方根相對誤差，并結合波形特征曲線可知，容控通氣模式下，流速波形上升峰值最能反映氣道阻塞情況。

圖6 容控通氣模式下各波形特征的關系曲線

4 討論

關于氣道梗阻導致的呼吸波形改變，已有相關研究發表，杜葉平[18-19]的研究表明，阻塞性通氣障礙患者在正壓通氣時，根據通氣障礙類型不同，其呼吸波形可出現不同的典型特征，在壓力、容量、流速曲線和壓力-容量環上有明顯的特征性改變，并指出利用呼吸波形監測對分泌物進行定位的可能；潘清等[20]和馬樹[21]開展了基于小波的呼吸機管路積液自動檢測算法研究，通過對管路積液情況下呼吸機的氣道壓力波形進行小波分解和重構，進而提取波形特征，判斷并自動提示發生積液的情況，測試結果表明，該判斷準確率最高能達97.2%，提供了一種呼吸機管路內發生積液情況的判定方法。前人的研究更多關注通過呼吸波形變化推測阻塞性通氣障礙是否發生及阻塞的大致位置，關于阻塞程度的推測與判斷則少有提及。本文通過模擬試驗，用最小二乘法等方法建立氣道阻塞程度與呼吸波形特征之間的定量關系，從全新的視角進一步探索了呼吸波形在氣道管理中的重要臨床價值。

本實驗表明，氣道異物淤積量（阻塞程度）與部分呼吸波形特征之間有強相關性，而波形特征在臨床上代表著相應的生理意義，如流速波形橫軸上方代表吸氣流速，橫軸下方代表呼氣流速，若臨床認為流速波形上升峰值降到其基準值的1/3 或2/3 時需要進行報警提示，則可根據上述關系式求出對應的氣道阻塞面積比值。未來可利用圖像識別技術實時監測氣道阻塞情況，當阻塞程度達到設定值而波形特征還未發生改變時即發出對應等級的聲光報警。

此外，雖然實驗結果表明，壓控通氣模式和容控通氣模式下均是流速波形上升峰值最能反映氣道阻塞程度，但并不代表該波形特征就是最優選擇。一是因為上述實驗僅模擬了沒有自主呼吸狀態的單獨機械通氣場景，沒有覆蓋所有臨床真實場景；二是波形特征選擇應結合臨床具體生理意義，而不僅僅只考慮數值的相關性與變化趨勢；三是每次實驗中耦合劑形狀可能會在通氣過程中受實時氣流的影響而改變，即同一次實驗中拍氣道阻塞情況照片時耦合劑的形狀和采集呼吸波形時耦合劑的形狀可能會不一致，從而帶來實驗誤差。如上述結果中，耦合劑阻塞情況下個別數據差異較大，在只考慮標準件阻塞情況時，上述7 組波形特征均與氣道阻塞程度有強相關性，且壓控通氣模式和容控通氣模式下均為流速波形下降峰值的相關性最強。

5 結論

本文通過開展氣道異物淤積導致呼吸波形改變的臨床模擬研究，發現無自主呼吸時，機械通氣波形受氣道阻塞程度影響明顯，壓控通氣模式和容控通氣模式下流速波形上升峰值、流速波形上升梯度和流速波形下降峰值3 個波形特征，均與氣道阻塞面積有強相關性，且其相關關系均可用二次曲線描述，驗證了氣道實時可視化和數字化監測的可能性，以及將麻醉醫師對患者氣道通氣參數的觀察工作轉化為機器圖像識別與報警的可能性，為人工氣道管理提供一種新的思路。后續可開展針對不同年齡段、不同體型患者、不同氣道情況、不同通氣設備的有自主呼吸時氣道異物淤積導致呼吸波形改變的臨床模擬研究，結合呼吸波形的臨床生理意義，以更逼近臨床真實場景，進一步論證上述方案的可行性，探索氣道管理新模式。