Predicting global and regional respiratory response in ARDS patients through individualized physics-based computational lung models: A prospective clinical pilot study

技術要約：個別化された物理ベースの計算肺モデルによる、ARDSにおける全般的および局所的な呼吸反応の予測

問題提起
急性呼吸窮迫症候群（ARDS）の管理は、アテレクトラウマやボルトラウマといった人工呼吸器関連肺損傷（VALU）を防ぐための、肺保護的な機械換気策に依存している。しかし、現在の戦略は、患者間の肺病理の著しい不均一性と、個別化された予測ツールの欠如によって制限されている。CT（コンピュータ断層撮影）やEIT（電気インピーダンス・トモグラフィ）といった画像技術は肺生理に関する知見を提供するが、CTは静的であり（CT）、EITは空間解像度や予測能力に欠けている（EIT）。したがって、治療を最適化し、危害を最小限に抑えるために、人工呼吸器の設定変更（例：呼気終末陽圧（PEEP）の変化）に対する全般的および局所的な呼吸反応を予測できる、患者固有のモデルが必要とされている。

方法論
本研究は、University Hospital Schleswig-Holsteinにおける10名の機械換気中のARDS患者を対象とした、前向き単施設臨床パイロット研究である。研究プロトコルには、深い鎮静下での、一回換気量、PEEP、および駆動圧（driving pressure）の変化を伴う系統的な換気操作が含まれた。

コアとなる手法は、各患者に対して個別化された、領域解像度を持つ、物理ベースの計算肺モデルを生成することであった：

1. モデル生成： 胸部CTスキャンから気管樹および肺葉をセグメンテーションした。形態ベースの樹状構造成長アルゴリズムを用いて、解剖学的に正確な伝導気道構造を作成した。
2. キャリブレーション（較正）： モデルの非線形な圧力-容積特性は、患者固有の呼吸力学データ（初期PEEPにおける圧力制御換気）およびCT由来の病理に基づいてキャリブレーションされた。モデルには、浮腫液、圧力および時間依存的なリクルートメント／デリクルートメントのダイナミクス、および腹側から背側への圧力勾配が組み込まれた。
3. 仮想EIT： 機械的モデルは、3D胸部セグメンテーションと有限要素法シミュレーションに基づくEITモデルと結合され、仮想EITデータセットを生成した。
4. 検証： モデルは、4つのPEEPレベル（PEEPinit、PEEPmax、PEEPmin、およびEIT由来のクロスオーバーポイントであるPEEPEIT）において臨床データと比較検証された。
   • 全般的指標： シミュレートされた一回換気量（$V_T$）、駆動圧（$\Delta P_{aw}$）、呼気終末肺圧（$P_{tp,ee}$）、および呼気終末肺容積（EELV）を、ピアソンの相関係数（$r$）、平方根平均二乗誤差（RMSE）、およびBland-Altman分析を用いて臨床測定値と比較した。
   • 局所的指標： シミュレートされた局所的な換気分布を、ピクセル単位の相関および確立された指標（局所換気分率 $F_{dorsal}$、$F_{left}$ および換気の中心 $CoV_{rl}$、$CoV_{vd}$）を介して、臨床EIT画像と比較した。

主な結果

• 全般的な力学的パラメータ： モデルは、すべてのPEEPレベルにおいて臨床データと強い一致を示した。
  • 一回換気量 ($V_T$): $r = 0.925$ ($p < 0.001$), RMSE = 0.053 L。
  • 駆動圧 ($\Delta P_{aw}$): $r = 0.940$ ($p < 0.001$), RMSE = 1.328 mbar。
  • 肺貫通圧 ($P_{tp,ee}$): $r = 0.971$ ($p < 0.001$), RMSE = 1.898 mbar。
    パフォーマンスは、キャリブレーション点（PEEPinit）およびPEEPEIT付近で最も高く、極端なPEEPレベル（min/max）では中程度の偏差が見られた。
• 局所的換気 (EIT):
  • 初期PEEPレベルにおいて、EITデータが利用可能な7名中5名の患者で、高いピクセル単位の相関（$r > 0.8$）が観察された。
  • 左右分布： 左右の指標（$F_{left}$: $r=0.915$; $CoV_{rl}$: $r=0.843$）については強い相関が見られた。
  • 背腹分布： 背腹の指標（$F_{dorsal}$: $r=0.214$; $CoV_{vd}$: $r=0.274$）については相関が弱かった。モデルは背側の換気を過大評価する傾向があり、この不一致は、モデルにおける現在の腹圧の影響および特定の流体力学の欠如に起因すると考えられる。
• 呼気終末肺容積 (EELV): モデル由来のEELVはCT由来のEELVと内部一貫性を示したが、いくつかの患者において、手法的に独立した窒素希釈法（$EELV_{breathgas}$）と比較した際に乖離が見られた。これは、タイミングの違いや、不均一なARDSにおける参照法の限界によるものである可能性が高い。

意義および主張
著者らは、個別化された物理ベースの計算肺モデルが、ARDSにおける患者固有の呼吸力学および局所的な換気パターンの主要な特徴を再現できる能力を示すものであると主張している。

• 予測妥当性： シミュレートされた全般的パラメータと実測値との間の強い一致は、このアプローチが人工呼吸器調整に対する生理学的反応を推定できる可能性を支持している。
• 臨床的有用性： モデルは、侵襲的なモニタリングなしでは取得が困難な肺貫通圧などのパラメータを推定するための非侵襲的な手法を提供する。これは、臨床的な意思決定を代替するのではなく、それをサポートするための補完的なツールとして機能する。
• 限界と今後の展望： 著者らは、現在の精度は補助的なガイダンスに適したものであることを謙虚に認めている。また、サンプルサイズの小ささ、背側換気に対する腹圧の影響のモデリング改善の必要性、およびICUでのリアルタイム適用を可能にするための自動化されたキャリブレーション・パイプラインの必要性といった具体的な限界を強調している。本研究は、モデルに基づいたPEEPタイトレーションが、臨床的なベネフィットとして測定可能な利益に転じるかどうかを検証するための、臨床ワークフローへの統合に向けた基礎を築くものである。