慢性阻塞性肺疾病急性加重期预测新探索：多变量与 AI 结合能否破局？
【字体：
大
中
小
】
时间：2025年02月26日
来源：BMC Medical Informatics and Decision Making 3.3
编辑推荐：
为解决慢性阻塞性肺疾病（COPD）急性加重期监测难题，法国索邦大学研究人员开展相关研究，发现单一呼吸频率监测不足，更完整模型有潜力，对疾病管理意义重大。
慢性阻塞性肺疾病（Chronic Obstructive Pulmonary Disease，COPD），这个名字或许对很多人来说有点陌生，但它的影响力可不容小觑。它是全球发病和死亡的主要原因之一，就像一个隐藏在暗处的 “健康杀手”，悄无声息地威胁着人们的生命健康。患有 COPD 的患者，常常被慢性呼吸困难所困扰，生活质量大打折扣。而且，这种疾病还伴随着反复的急性加重期（exacerbations），一旦进入这个阶段，患者的症状会急剧恶化，肺功能也会快速下降。这不仅意味着患者要承受更多的痛苦，还可能需要紧急住院治疗，给家庭和社会带来沉重的经济负担。据统计，因 COPD 急性加重期住院的平均费用每年可高达 18120 美元，这无疑是一笔不小的开支。
面对如此严峻的形势，寻找有效的方法来监测和预测 COPD 的急性加重期就显得尤为重要。过去，一些研究尝试通过监测患者的呼吸频率来预测急性加重期，但结果并不理想，灵敏度和特异性都有限。这就好比用一把不太精准的尺子去测量，很难得到准确的结果。因此，探索更有效的监测方法迫在眉睫。
在这样的背景下，法国索邦大学（Sorbonne University）的研究人员挺身而出，展开了一项极具意义的研究。他们的研究成果发表在BMC Medicine期刊上，为 COPD 的监测和管理带来了新的希望。
研究人员在这项研究中采用了多种关键技术方法。首先，他们使用了 TeleOx? 设备对患者进行监测，该设备能放置在氧气回路中，每隔 5 分钟测量一次患者的氧气流量、呼吸频率和吸气幅度，实现了对患者呼吸数据的频繁监测，而且不会给患者带来额外的负担。其次，在数据处理方面，研究人员将数据分为基线日和测试集日。基线日用于训练个体模型，他们将患者出院前的最后一周数据作为基线，以代表患者的稳定状态。而测试集日则包含急性加重期之前的日子和假定稳定的日子，用于评估模型的性能。此外，研究人员还构建了多种参考模型，包括将每日数据视为单一测量值、每日数据分布以及每日时间序列，通过不同的算法计算新奇分数（novelty score），以此来判断患者的状态是否正常。
下面来看看具体的研究结果。在数据收集阶段，研究人员从 2019 年 6 月至 2021 年 4 月共纳入了 63 名患者（39 名男性），这些患者在康复护理中心接受监测。经过筛选，最终用于分析的数据包含 16 个有急性加重期的记录和 23 个无急性加重期的记录。在模型性能评估方面，研究人员发现，当以 4 天为一个周期，判断其中至少有 1 - 2 天与基线相比为非典型日时，基于每日氧气治疗时长和基于隐马尔可夫模型（Hidden Markov Model，HMM）的时间序列这两种方法表现最佳，它们获得了相当的曲线下面积（Area Under Curve，AUC）。具体来说，在特异性为 50% 的情况下，基于 HMM 的方法平均能检测到 73% 的急性加重前期，准确率为 62%；而基于每日平均呼吸频率的方法只能检测到 56%，准确率为 53%；基于每日氧气使用时长的方法则达到了 77% 的灵敏度，准确率为 63% 。
从研究结论和讨论部分来看，这项研究意义重大。研究表明，仅依靠每日单一的呼吸频率测量不足以检测 COPD 的急性加重前期。而更完整的模型，如结合时间序列和 HMM 的模型，虽然表现相对较好，但与基于每日氧气使用时长的简单方法相比，优势并不明显。这一结果提示，监测患者对治疗的依从性同样重要。不过，该研究也存在一些局限性，比如研究数据来自康复护理中心的患者，这些患者在基线期并非处于真正的稳定状态，而且康复过程可能会干扰对急性加重期的判断。与以往大多数在家中进行且持续时间较长的研究相比，本研究的环境和对象有所不同。尽管如此，该研究还是为 COPD 患者呼吸特征变化的监测提供了新的方法和思路。未来的研究应更多地关注真实生活场景下，对患者进行长期的居家远程监测，进一步验证基于 HMM 和每日时间序列的方法在 COPD 监测中的价值。
总之，这项研究虽然没有完全解决 COPD 急性加重期监测的难题，但为后续的研究指明了方向。相信在科研人员的不断努力下，未来一定能找到更有效的方法来监测和管理 COPD，为患者带来更多的希望和福音。
生物通微信公众号
生物通新浪微博
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
