从生理学到生物热模拟：核心温度初始化的数据驱动框架

《Heat Transfer》：From Physiology to Bioheat Simulation: A Data-Driven Framework for Core Temperature Initialization

　　

核心体温（core body temperature, CBT）的精确初始化是生物热传递模型（bioheat transfer model）中一个关键但往往被忽视的组成部分，尤其是当此类模型应用于异质性人群和真实世界环境条件时。传统生物热模拟（bioheat simulation）通常依赖来自有限数据集的固定或理想化核心体温值，从而限制了其在多样化人口学特征和环境情景中的生理真实性与预测能力。本文提出了一种数据驱动框架（data-driven framework），通过系统整合文献来源的核心体温测量数据与合成个体水平数据生成，桥接生理体温调节数据与生物热模拟。研究人员从72项已发表研究中构建了结构化数据库，涵盖性别、年龄段、运动状态及环境暴露（室内vs.室外）的差异。利用统计重采样和基于自举法（bootstrap）的模拟，生成了大规模合成核心体温分布，以捕获个体间变异性，同时保留所报告实验数据的统计特性。随后，这些分布被用于为在COMSOL Multiphysics中实现的三层皮肤生物热模型定义具有生理学基础的初始条件。析因分析（factorial analysis）和多变量统计分析表明，环境背景是核心体温变异性的主导驱动因素，而性别、年龄和运动状态等人口学因素则发挥次要的、依赖于情境的作用，这些作用主要在室外热应激（heat stress）下变得显著。数据驱动的核心体温初始化随后被应用于模拟真实室内条件和代表奥运马拉松赛事场景的室外情景的in silico生物热模拟中，并纳入太阳辐照度、对流、蒸发和辐射效应。模拟结果显示出跨皮肤层一致的深度依赖性热分层（thermal stratification），并强调初始核心体温的变化在高辐照度条件下显著调节预测的组织温度和累积热负荷。总体而言，本研究建立了一种具有生理学基础、统计学稳健性的生物热模拟初始化方法，能够在不同人群和环境条件下更真实地建模人体热反应。所提出的框架为精英运动及其他高热暴露情境中的热生理风险评估和热应激缓解策略提供了可迁移的基础。

**研究背景**

核心体温（core body temperature, CBT）是维持人体重要器官正常功能的关键生理参数，其静息正常值存在个体间差异，且受年龄等人口学因素影响。在耐力性和户外竞技体育中，劳力性热射病（exertional heat stroke, EHS）——即运动期间散热不足导致的核心温度病理性升高——是医疗急救事件的主要原因之一。运动过程中CBT过度升高的风险源于代谢产热与机体有限散热能力之间的失衡，这一平衡受气温、相对湿度、太阳辐照度等环境参数以及生物性别、年龄、体能水平等个体生理特征的显著调节。然而，经典生物热传递模型通常依赖来自小样本或同质人群的固定或理想化初始核心温度值，这种简化显著限制了模型在多样化生理条件（如性别、年龄、运动状态）和环境情境（室内vs.室外）下的预测能力。此外，已有实验和现场研究大多仅报告汇总统计量，缺乏覆盖性别、年龄组和运动状态的个体水平生理数据，阻碍了对CBT动态中多个交互因素相对贡献的评估。为此，研究人员开展了本研究。

**研究概况与意义**

研究人员构建了一个整合文献来源CBT数据与合成个体水平自举观测的生物统计框架，以量化性别、年龄段、环境条件（室内vs.室外）和运动状态对运动期间CBT的相对影响。该框架首先通过PRISMA指南系统提取72项已发表研究的经验CBT数据，生成并进行析因统计分析人口学特异性分组分布，然后将其作为随机初始条件与真实环境输入耦合至COMSOL Multiphysics中的确定性三维（3D）生物热模型，最终评估不同奥运马拉松场景下的空间热分层。研究建立了具有生理学基础、统计学稳健性的生物热模拟初始化方法，为精英运动及其他高热暴露情境中的热生理风险评估和热应激缓解策略提供了可迁移基础。论文发表在《Heat Transfer》。

**主要关键技术方法**

研究人员主要采用了以下关键技术方法：（1）基于PRISMA指南的AI辅助文献检索与人工筛选，纳入1987–2025年间72项研究报告，样本涵盖12–65岁男女运动员与非运动员、室内外环境，CBT测量方式包括直肠、食管和可吞服传感器；（2）参数自举重采样生成合成个体水平数据（每亚组5000例，共745000条，固定随机种子42，并采用正态、对数正态、截断正态和伽马分布进行敏感性分析）；（3）全因子方差分析（ANOVA，Type II平方和，偏η²效应量）与置换多变量方差分析（PERMANOVA）/多元离散分析（PERMDISP）；（4）三次多项式岭回归；（5）COMSOL Multiphysics 6.2中三层皮肤Pennes生物热方程求解及Monte Carlo参数扫描（30次独立实现）；（6）ECMWF ERA5再分析数据提取奥运场景太阳辐照度。

**研究结果**

*3.1 核心体温数据库*：通过10000次自举重采样估计不同人口学和生理类别的CBT分布。室内条件下，年轻成人（12–25岁）运动员男性平均CBT为38.07±0.01°C，非运动员男性为37.65±0.00°C，运动员与非运动员差异显著（t=72.71, p<0.001）；26–40岁成人组均值最高（F=36485, p<0.001）。室外条件下所有亚组CBT系统性升高，非运动员亚组尤为显著，其中41–65岁非运动员室外均值达40.80–41.80°C；室外暴露显著升高CBT（t=?236.41, p<0.001）。运动状态一致预测较低CBT；自举分布标准差窄（室内σ≤0.01°C，室外σ≤0.02°C）。雷达图显示室外条件使分布右移展宽，运动员多边形紧凑且男女重叠大，非运动员室外展宽最明显。

*3.2 合成数据析因方差结构*：全因子ANOVA显示环境背景（Location）是CBT变异的最大来源（偏η²≈0.13），远超过任何单一生物学因素；涉及Location的交互项（Athlete×Location×AgeGroup，η²≈0.063；Location×AgeGroup，η²≈0.036）贡献显著；而性别、年龄段和运动状态的主效应各自仅占不到1%方差。

*3.2.1 效应量大小与不确定性*：自举偏η²估计的95%置信区间窄，反映合成数据生成框架内方差分配的稳定性。

*3.2.2 因子结构内部稳定性*：自举比例（F_b≥F_obs）均围绕0.5，表明观测F统计量位于自举分布中心而非尾部，为描述性稳定性指标。多变量组织分析（PERMANOVA）显示Location具有显著质心分离且离散齐性（PERMDISP p=0.51）；AgeGroup也显示质心分离（PERMDISP p=0.056）；而Study、Sex和Athlete伴随显著离散异质性（PERMDISP p=0.001），反映组内变异性差异而非明确的多变量结构。

*3.3 线性回归*：采用三次多项式岭回归（R²≈0.994, MSE≈0.002），作为生成分层合成值以进行模拟初始化的实用工具。

*3.4 生物热模拟结果*：3.4.1 时间特异性太阳负荷——ERA5数据显示巴黎平均城市辐照度65.88 W·m^?2、东京2.72 W·m^?2、里约83.56 W·m^?2、伦敦101.16 W·m^?2。3.4.2 奥运情景in silico模拟——所有情景和亚组均显示一致的垂直热分层：表皮温度最低、真皮次之、皮下组织最高；伦敦2012情景各皮肤层温度系统性最高；女性模拟情景间温度分布更均匀，男性情景间变异性更显著；温度随深度从皮下组织向表皮单调递减。随血温（T_blood）升高，各层平均皮肤温度系统性上升，高辐照度城市（里约）斜率更陡；高辐照度情景下热积分更大。26–40岁组女性平均皮肤温度高于男性，但T_blood斜率两性相当。

**讨论与结论**

讨论部分指出，环境背景是合成参数空间内CBT变异的主导组织维度，人口学因素应被视为热调节的次要调节因子，其生理相关性主要通过与环境暴露的交互作用体现。多层皮肤模型结合Pennes方程准确捕获了皮下组织作为主要热储层的深度方向温度梯度；个性化初始核心温度配合Monte Carlo模拟产生极窄变异带（σ≈0.01–0.02°C），与当前生物热文献验证标准一致。与Fiala多节点模型、Murakami CFD耦合模型及Saxena经典皮肤传导模型相比，本模型在局部高分辨率与个性化数据集成方面具有优势。应用方面，模型可支持精英运动预冷策略优化、功能性纺织品评估以及职业和军事领域热应变决策辅助（如Heat Strain Decision Aid, HSDA）。局限性包括：稳态假设忽略初始热存储阶段和热漂移现象；局部皮肤块缺乏全身调节机制；合成数据源于汇总统计量且测量方式存在异质性；数据库可能低估部分人群；裸皮边界条件排除服装效应。

结论部分翻译：本工作提出了一种新颖的生物热模拟框架，整合了解剖学细节、生理分层与统计学严谨性。模型将皮肤分解为表皮、真皮和皮下组织层，对各层求解包含深度依赖性传导、灌注和代谢项的Pennes生物热方程。初始核心温度从反映性别、年龄、运动状态和环境背景的分层合成数据库中采样。跨人口学亚组的Monte Carlo模拟产生窄变异带（σ≈0.01–0.02°C），证明了高数值精度和生理一致性。统计分析表明环境——特别是室外热负荷和地点——是影响核心温度动态的主导因素（偏η²≈0.13），远超个体人口学变量（偏η²≤约0.008）；年龄、性别和训练状态的交互效应在热应激下加剧。模型复现了实验和分析观测到的分层皮肤-核心热剖面。应用方面，模型可在精英运动中指导热适应方案和热风险识别，在功能纺织品开发中作为in silico评估平台，在职业和军事环境中实现安全阈值和暴露指南的生理学定制。未来工作应耦合全身多节点或CFD热调节框架、集成显式服装层、进行实地数据验证、扩展瞬时模拟，并扩充CBT数据库以涵盖代表性不足人群。