基于人工智能的自动PRAGMA和黏液栓算法在儿童囊性纤维化中的验证研究

本研究针对囊性纤维化(CF)患者肺功能评估的临床需求，开发并验证了一种基于人工智能的自动PRAGMA和黏液栓算法。通过分析1395例多呼吸冲洗(MBW)测试数据，证实该方法在成人和儿童CF患者中均具有高可行性(总体94.3%)，且能准确预测测试时长。研究为CF患者肺功能监测提供了新型AI解决方案，对优化临床决策具有重要意义。

　　

囊性纤维化(CF)是一种危及生命的遗传性疾病，主要影响肺部功能。尽管肺功能检测在CF诊断和管理中至关重要，但传统方法如一秒用力呼气容积(FEV₁)在幼儿和早期疾病阶段敏感性不足。多呼吸冲洗(MBW)技术能更敏感地检测通气不均，通过肺清除指数(LCI_2.5)量化肺部病变，但其在成人CF患者中的可行性一直存在争议，主要顾虑是测试时间较长。

为解答这些问题，Christine Allomba等研究团队在《Journal of Cystic Fibrosis》发表了重要研究成果。研究人员前瞻性收集了2020-2022年间313例CF患者和153例健康对照的1395次MBW测试数据，采用氮气MBW技术，通过Exhalyzer D设备配合Spiroware 3.3.1软件进行分析。研究评估了不同年龄组和肺功能严重程度(根据ppFEV₁分为高、中、低三组)患者的测试可行性，并开发了测试时间预测模型。

研究结果显示，MBW在健康对照组可行性达100%，CF患者总体为94.3%。儿童CF患者可行性(96.0%)显著高于成人(92.5%)。按肺功能分组，高FEV₁组可行性最高(96.6%)，低FEV₁组最低(82.6%)。测试时间分析发现，健康对照组平均6.9分钟，CF患者8.6分钟，其中低FEV₁组最长(18.3分钟)。

通过相关性分析，研究人员发现测试时间与患者体质参数(如身高、体重)和疾病严重程度指标(如LCI_2.5、ppFRC_pleth)显著相关。基于这些发现，团队建立了测试时间预测公式：时间[分钟]=-4+0.183×LCI_2.5+0.022×身高+0.011×ppFRC_pleth。该模型在独立验证队列中表现良好，尤其在轻中度患者中预测准确。

研究还探讨了单次测试的可行性，发现与多次测试相比，单次合格测试获得的LCI_2.5结果无显著差异，这为临床实践中缩短测试时间提供了可能。

在讨论部分，作者强调本研究首次系统评估了MBW在不同年龄段和疾病严重程度CF患者中的可行性，并开发了实用的时间预测工具。尽管在严重肺功能受损患者中预测准确性有所下降，但整体而言，该研究为MBW在CF临床管理中的推广应用提供了重要依据。研究证实MBW不仅适用于儿童，也可作为成人CF患者的有效监测手段，特别是对新治疗效果的评估可能比传统肺功能指标更敏感。

这项研究的创新之处在于将人工智能算法与临床肺功能评估相结合，通过大样本数据分析，解决了MBW技术在临床应用中的关键障碍。研究结果对优化CF患者随访策略、提高诊疗效率具有重要意义，也为其他慢性气道疾病的肺功能评估提供了参考。未来研究可进一步验证该预测模型在不同医疗中心的适用性，并探索其在个体化治疗决策中的应用价值。