CT联合损伤因素预测原发性爆炸肺损伤结局：基于真实爆炸环境山羊模型的研究

《European Journal of Trauma and Emergency Surgery》：Prediction of primary blast lung injury outcomes in goats using CT and injury factors

本研究针对爆炸性肺损伤(PBLI)评估缺乏标准化非侵入性方法的难题，通过建立真实爆炸环境下的山羊模型，创新性地将CT影像特征与爆炸参数（海拔、距离、朝向）相结合，构建了可个体化预测PBLI严重程度（重度/严重 vs. 中度/轻度）和致死风险（死亡 vs. 生存）的列线图模型。结果显示，CT评分、损伤体积和肺系数（lung coefficient）在区分结局方面表现出卓越性能（AUC均>0.9），为战场及灾难现场的快速伤情评估和精准临床管理提供了重要工具。

　　

随着工业化进程的加速和军事冲突的加剧，爆炸伤的发生率持续攀升，其中肺部是最易受损的靶器官。原发性爆炸肺损伤（Primary Blast Lung Injury, PBLI）作为爆炸冲击波直接作用于胸壁和肺组织所导致的特定损伤类型，其主要病理表现为肺出血和肺水肿。若未能及时干预，病情可迅速进展为急性呼吸窘迫综合征（Acute Respiratory Distress Syndrome, ARDS）和多器官功能障碍综合征（Multiple Organ Dysfunction Syndrome, MODS），对生命构成严重威胁。更危险的是，爆炸导致的气体栓塞可能进入体循环，引发即刻死亡。

尽管PBLI的研究已有较长历史，涵盖了冲击波损伤效应、胸部动力学响应及损伤标准制定等多个方面，但当前的伤情评估方法仍高度依赖生命体征综合判断或侵入性病理检查，存在主观性强、界定模糊或操作有创等局限。能够直接反映肺损伤程度的非侵入性标准和参数仍较为匮乏。尤其在实际战场或灾难救援等复杂现场环境中，爆炸发生的具体条件（如海拔高度、爆炸距离、人体朝向等）会显著影响伤情结局，而现有研究多局限于简化条件或小样本实验，其结论难以推广至真实场景。因此，开发一种能够整合影像学 biomarkers（生物标志物）与爆炸环境参数、适用于复杂场境的标准化评估工具，成为提升PBLI救治效率的关键。

在此背景下，研究人员在《European Journal of Trauma and Emergency Surgery》上发表了一项研究，旨在通过建立大样本山羊模型，模拟真实爆炸环境的生物损伤效应，并探索CT（Computed Tomography，计算机断层扫描）联合损伤因素在预测PBLI致死率与严重程度方面的价值。该研究不仅为临床前研究提供了重要参考，也为将CT为基础的列线图（Nomogram）模型转化为临床实践奠定了基础。

为了系统回答上述问题，研究团队采用了多项关键技术方法。首先，他们在自然野外环境下选择平原（海拔200米）和高原（海拔3300米）两种海拔高度作为爆炸试验场，使用TNT当量为8千克的新型温压弹药进行爆炸实验。实验动物为来自格尔木动物育种中心的253只山羊（最终纳入分析220只），通过随机数字表法分配至不同的爆炸距离（2-6米）和朝向（右侧胸壁或正胸朝向爆心）。爆炸后，山羊被运送至临时医疗中心，由专业医疗人员确认生存状态。死亡山羊直接进行CT扫描，存活山羊则先进行血气分析（Blood Gas Analysis），随后实施CT扫描并最终安乐死进行病理解剖。病理专家根据肺大体解剖结果，采用肺爆炸伤病理严重程度评分（Pathologic Severity Scale of Lung Blast Injury, PSSLBI）将损伤分为轻度、中度、重度和严重四个等级（对应评分1-4分），并计算肺系数（肺重量[克]/体重[千克]）。CT扫描采用车载16排螺旋CT，由两位经验丰富的胸放射科医师盲法评估PBLI的影像学特征（如挫伤、撕裂、血肿、肺不张、气胸、血胸等），并使用3D Slicer软件对损伤区域进行勾画，获取损伤体积（Volume of Interest, VOI）和平均密度值（Mean Density Values）。同时，采用视觉半定量评分系统对每个肺叶的损伤程度进行评分（CT score）。最后，利用统计学方法（如ROC曲线、Spearman相关性分析、Logistic回归分析）评估各指标对结局的预测效能，并构建预测致死和严重/重伤风险的列线图模型。

研究结果

基线特征与CT表现

分析显示，近距离爆炸是导致现场死亡（41例，死亡率18.64%）的主要原因。高原环境、近距离爆炸以及右侧朝向爆心均会加剧肺损伤的严重程度。在CT形态学指标中，损伤部位（双肺 vs. 单肺）、分布模式（弥漫性 vs. 散在）、气胸、血胸及受累肺叶数量在区分死亡与存活组间存在显著差异。而对于区分损伤严重程度（重度/严重87例 vs. 中度/轻度133例），CT评分、损伤体积、平均密度值、损伤部位、分布模式、密度分类（实变影 vs. 磨玻璃影）、撕裂伤及受累肺叶数量均显示出鉴别价值。

ROC曲线对致死率与严重程度的预测效能

ROC曲线分析表明，肺系数、CT评分和损伤体积在预测死亡风险和重度/严重损伤风险方面均表现出优异的性能。预测死亡的AUC（Area Under the Curve，曲线下面积）值分别为0.967、0.925和0.924；预测重度/严重损伤的AUC值分别为0.944、0.915和0.909，且三者间的诊断效能无统计学差异。这些指标的表现均优于其他评估参数。

肺系数与CT评分的相关性分析

Spearman相关性分析显示，在存活组中，肺系数与CT评分呈强相关（r=0.708, p=0.000）；而在死亡组中，两者无显著相关性（r=0.171, p=0.559）。在按严重程度分组后，肺系数与CT评分在重度/严重组和中度/轻度组中均呈中度相关（r=0.440, p=0.002； r=0.480, p=0.000）。

Logistic回归分析与列线图构建

多因素Logistic回归分析确定，损伤体积和受累肺叶数量是预测死亡风险的有利因素；而海拔（地区）、朝向、距离、CT评分和损伤体积是预测重度/严重损伤风险的有利因素。基于这些预测因子构建的列线图模型显示，损伤体积是对预后贡献最大的变量。

结论与讨论

本研究通过建立模拟真实爆炸效应的可控山羊模型，证实了CT成像技术结合爆炸环境参数（海拔、距离、朝向）能够有效预测PBLI的致死率和严重程度。研究发现，高原环境因低压缺氧和压力差效应放大等因素，会显著加重肺损伤；右侧胸腔朝向爆心可能由于纵隔结构的解剖特点，导致冲击波能量在右肺反复传递，加剧损伤。CT评分、损伤体积和肺系数在区分不同结局方面具有等效且优异的预测能力，其中CT评分因其操作便捷性，在早期快速分诊中展现出独特优势。尤为重要的是，研究构建的列线图模型整合了关键影像学指标和爆炸参数，能够实现个体化风险预测，为战场、灾难现场等复杂环境下的快速伤情评估、资源优化配置和及时临床干预提供了非侵入性、定量化的实用工具。尽管存在山羊膈肌运动范围与人类差异、未使用增强CT等局限性，但本研究为PBLI的精准评估和管理奠定了坚实基础，推动了影像学在急危重症救治中的应用边界。