基于振荡测量术与机器学习预测慢性阻塞性肺疾病气体潴留及弥散功能的可行性研究

《Sensors》:STMP-UNet: Structure-Aware Target Modeling with Morphology Priors for Low-False-Alarm Detection of Small UAV Targets

【字体: 大 中 小 】 时间:2026年10月21日 来源:Sensors 4.0

编辑推荐:

  振荡测量术(Oscillometry)已被公认为一种评估呼吸系统状况的非侵入性方法,并正越来越多地应用于常规临床实践。目前,完整的肺功能检测(Pulmonary Function Test, PFT)——其需要大量基础设施和经过培训的专业人员——仍是全面评估肺

  
振荡测量术(Oscillometry)已被公认为一种评估呼吸系统状况的非侵入性方法,并正越来越多地应用于常规临床实践。目前,完整的肺功能检测(Pulmonary Function Test, PFT)——其需要大量基础设施和经过培训的专业人员——仍是全面评估肺功能的标准方法。此外,尽管大多数轻度慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Disease, COPD)患者能够完成完整的PFT,但对于疾病更为晚期的患者而言,完成该检测可能极为困难且繁琐。本研究旨在探讨在轻度和极重度COPD患者中,通过仅需平静呼吸的非侵入性技术——振荡测量术所获得的肺功能参数,与标准PFT中技术要求更高的组成部分——体积描记法(plethysmography)和弥散功能(diffusing capacity)所获参数之间的关系。通过Spearman相关分析,观察到振荡测量术中的5 Hz电阻(R5)及5 Hz与19 Hz电阻之差(R5–R19),与PFT中的残气量(Residual Volume, RV)与肺总量(Total Lung Capacity, TLC)之比(RV/TLC——气体潴留指标)及肺一氧化碳弥散量(Diffusing Capacity of the Lung for Carbon Monoxide, DLco——弥散功能指标)之间存在最强关联(相关系数分别为0.69和?0.74)。为拓展振荡测量术的临床应用性,研究实施了三种适用于小数据集的机器学习模型,即极端梯度提升(Extreme Gradient Boosting, XGBoost)、随机森林(Random Forest, RF)和支持向量回归(Support Vector Regression, SVR),以仅基于振荡测量术指标和基线人口统计学数据预测上述关键PFT结局。其中,XGBoost取得了最佳性能,对RV/TLC的平均绝对误差(Mean Absolute Error, MAE)为9.7,对DLco的MAE为8.1。相比之下,所有模型均无法准确预测TLC。特征重要性分析显示,年龄增强了RV/TLC的预测性能,而BMI的加入则持续影响DLco的预测。总之,振荡测量术有潜力作为PFT的补充手段,用于评估那些通常繁琐、耗费资源且往往难以获取的气体潴留和气体交换信息,尤其适用于患有晚期疾病的老年或体弱患者,同时仍能提供较高的准确性。
一、研究背景与问题提出
慢性阻塞性肺疾病(COPD)是一种极为常见的进行性呼吸系统疾病,以持续且基本不可逆的气流受限为特征,包括慢性支气管炎和肺气肿。基于风险因素趋势的建模预测,到2050年全球COPD患病率将达到约6亿例,较2020年增加23%,其中女性及中低收入国家的相对增长幅度最大。慢性阻塞性肺疾病全球倡议(GOLD)将COPD按气流受限严重程度分为四级,从轻度(GOLD 1)至极重度(GOLD 4)。极重度COPD与最差的临床结局相关,死亡和频繁住院风险显著升高。与此同时,如何在风险个体中开展大规模轻度COPD筛查,仍是实现早期诊断和及时管理的持续挑战。
肺功能检测(PFT)是评估呼吸系统的综合诊断手段,代表表征肺功能的传统临床标准。完整PFT包括肺量测定法、体描箱肺容积测定法和弥散功能测定,分别提供气流受限、过度充气、气体潴留和气体交换的独特信息。然而,体描箱测定和弥散功能测定资源密集,需要通常仅在较大医疗中心才有的专用设备、高度培训的专业人员,以及最重要的是患者充分配合完成多项困难且不适的呼吸动作。这些因素限制了其在社区环境和资源有限地区的可及性,也限制了在大多数最需要强化慢性病随访管理的成人COPD患者群体中的实用性。
振荡测量术(Oscillometry)作为一种简单、便携的替代技术应运而生。它通过在平静潮式呼吸过程中测量气流阻抗来评估呼吸系统的力学特性,无需用力呼吸动作、屏气动作或困难的患者转移,所需技术投入极小,易于在临床护理点获取。因此,振荡测量术对婴幼儿、老年、体弱、行动不便及疾病更晚期的患者极具吸引力。振荡测量术评估疾病严重程度、小气道功能障碍、急性加重风险和支气管扩张剂反应的能力已在COPD人群中得到证实,其与肺量测定参数的相关性也已被广泛研究。然而,振荡测量术能否确定气体潴留、过度充气和弥散功能的存在——这些以往只能通过完成体描箱测定和弥散功能测定来获得——仍不清楚。鉴于这一重要且具有临床相关性的知识空白,本研究旨在探讨COPD患者中,通过平静潮式呼吸获得的振荡测量术关键参数与完整PFT常规参数之间的关系,并进一步通过多种机器学习模型,结合基本患者人口统计学信息,提高振荡测量术参数对体描箱测定和弥散功能测定的预测准确性,最终确定振荡测量术作为传统完整PFT的简便、快速获取的替代和/或补充手段的适用性。
二、研究设计与主要技术方法
本研究使用了麦吉尔大学健康中心(MUHC)单中心横断面观察性研究的数据集。研究经MUHC研究伦理委员会批准及加拿大卫生部批准,并在ClinicalTrials.gov注册。纳入标准为年龄≥40岁、当前或既往吸烟者且吸烟史≥10包年、经肺量测定确诊为轻度(GOLD 1)或极重度(GOLD 4)COPD的患者。排除合并哮喘、接受持续家庭氧疗、近期COPD急性加重、慢性或化脓性呼吸道感染,以及存在进行标准PFT绝对禁忌症的患者。所有测试均在MUHC创新医学中心(CIM)的同一日访视中完成,振荡测量术先于完整PFT进行。研究收集了年龄、性别、BMI、吸烟总量和GOLD分级等基线数据。参与者使用Tremoflo C-100设备完成振荡测量术,测量5 Hz至37 Hz频率间的电阻和电抗参数。随后参与者完成完整PFT,包括肺量测定、体描箱测定和弥散功能测定。统计上,研究使用Shapiro–Wilk检验评估正态性,采用Spearman相关系数评估振荡测量术参数与体描箱及弥散功能关键测量值之间的关系。机器学习方面,研究实施了三种适用于小数据集的模型——XGBoost、随机森林(RF)和支持向量回归(SVR),采用留一法交叉验证(LOOCV)评估性能,以平均绝对误差(MAE)为优化指标进行超参数网格搜索,并采用SHAP进行特征重要性分析。
三、研究结果
3.1 参与者基线特征与PFT测量结果
在招募并测试的19名参与者中,18名被纳入最终分析,其中9名患GOLD 1(轻度)COPD,9名患GOLD 4(极重度)COPD。GOLD 1组参与者年龄更大、BMI显著更高,且两组间气流受限严重程度差异显著(平均FEV1分别超过预测值的90%和约为预测值的24%)。两组在性别分布和累计吸烟史上相似。体描箱和弥散功能测量显示,气体潴留(RV/TLC)和过度充气(TLC)在GOLD 4组中更为显著,且气体潴留在组间的差异比过度充气更大。GOLD 4组的DLco极低,中位值仅为预测值的28%。
3.2 振荡测量术参数分布
与GOLD 1 COPD个体相比,GOLD 4 COPD个体的所有电阻参数均更高(更严重),所有电抗参数均更负(更严重),基于面积的参数Ax振幅更大(更严重)。
3.3 相关性分析结果
对于RV/TLC和TLC(数值越高表示气体潴留和过度充气越严重),观察到与电阻参数呈正相关,与电抗参数呈负相关。对于DLco(数值越低表示气体交换异常越严重),观察到方向相反的相关关系。最强关联出现在R5与RV/TLC之间(ρ = 0.69)以及R5–R19与DLco之间(ρ = ?0.74)。振荡测量术参数与TLC仅表现出中等关联,最高相关系数为R5的0.45。
3.4 机器学习模型预测性能
XGBoost、RF和SVR模型被应用于从振荡测量术参数及人口统计学变量预测各项PFT测量值。多数模型的预测值落在RV/TLC的95%置信区间内,DLco的预测也在一定程度上落在置信区间内。所有模型对TLC的预测均未显示清晰或一致的预测值与实际值相关性。其中,XGBoost对RV/TLC(R2 = 0.44,Spearman ρ = 0.72,p = 0.001)和DLco(R2 = 0.76,Spearman ρ = 0.85,p = 0.001)的预测准确性最高。相比之下,所有模型对TLC的预测性能均较弱,表现为负值或接近零的R2值及不显著的秩相关。
3.5 SHAP特征重要性分析
在预测RV/TLC的XGBoost模型中,年龄和BMI分别被列为第一和第二最具影响力的特征,其次是GOLD严重程度和R19、R5等振荡测量术参数。在所有三个预测DLco的模型中,BMI始终是最具影响力的特征,而R5–R19在XGBoost和RF模型中均排名第二,与其与DLco的强相关性一致。TLC预测受较少且一致性较差的特征影响,与其较弱的预测性能相符。鉴于样本量较小,最具影响力预测因子的排序可能不稳定,仅应作为探索性解读。
3.6 消融分析
排除GOLD严重程度变量的消融分析仅导致MAE的微小增加(RV/TLC从9.70增至9.85,DLco从8.10增至8.20),表明该变量对模型性能的贡献极小。由于肺量测定是诊断COPD的常规第一步,GOLD严重程度对COPD患者而言易于获取,将其作为输入特征不会增加所提出方法的复杂性或限制其临床适用性。
四、讨论与结论
本研究发现,振荡测量术参数与气体潴留(RV/TLC)和弥散功能(DLco)之间存在较强关联,而与过度充气标志物TLC仅存在中等关联。R5–R19与DLco之间的密切关联可能由肺气肿的共同机制解释,即肺泡-毛细血管破坏影响气体交换,同时降低对小气道的牵引效应从而影响小气道电阻。年龄对改善RV/TLC预测的贡献可能反映年龄增长促进气体潴留并升高RV/TLC;BMI对DLco预测的贡献则可能反映其与肺气肿的共同后果。XGBoost取得最高预测性能,可能归因于其梯度提升框架能顺序纠正预测误差并有效捕捉振荡测量术与人口统计学信息之间的复杂非线性关系,其固有的正则化也可能优于RF和SVR。本研究的临床意义在于,在医疗资源日益受限的背景下,振荡测量术作为一种非侵入性测量技术,无需大量固定实验室设备或专业人员即可作为诊断工具应用,同时提供通常仅能通过完整PFT获得的关于气体潴留和气体交换的补充性生理学及临床相关信息。值得注意的是,不同振荡测量设备间的测量差异可能相当大,建议在模型训练中纳入设备指示符等协调方法以减少偏倚。本研究的局限性包括仅纳入疾病极端的轻度和极重度患者,模型可能不适用于中度(GOLD 2)或重度(GOLD 3)COPD患者,且有限的数据集可能限制了机器学习模型的完整能力。
结论部分指出,本研究调查了COPD患者中振荡测量术参数与标准体描箱及弥散功能PFT测量值之间的关联。振荡测量术参数与气体潴留和弥散功能表现出更强的关联。利用这些生理关系,研究人员实施了多种结合振荡测量术参数和基线人口统计学信息的机器学习模型。这种简单且临床适用的方法能够预测体描箱和弥散功能测量值。值得注意的是,所有模型均无法预测TLC,这可能反映了振荡测量术在评估过度充气方面的根本局限性,而非模型失败。这些初步发现凸显了振荡测量术作为一种实用、可及的完整PFT补充手段的潜力,可在护理点随时进行,促进临床决策,并减轻患者和医疗系统的负担。未来工作应在更大规模和更多样化的人群中实施该技术,包括所有GOLD分级的患者。由于振荡测量术输出因设备而异,在将该方法考虑用于常规临床实践之前,需要通过使用不同振荡测量设备的独立多中心队列进行外部验证。此类异质性数据集将支持应用更先进的建模方法,包括深度学习,从而有可能进一步提高完整PFT结局的预测准确性。最终,该方法可能支持护理点评估并影响一线临床护理。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号