一种新的数学方法经过实验动物研究验证，提供了一种快速、可靠且微创的方法来管理手术过程或重症监护中的严重血压波动。
当重症监护中的患者或进行重大手术的患者经历危险的高血压或低血压时，他们面临严重的器官损伤风险。仅仅识别血压异常是不够的；医疗服务提供者需要了解这些变化背后的原因，以选择合适的治疗方法。麻省理工学院最近的一项研究引入了一个数学框架，能够准确地实时洞察这些重要变化。
这种数学技术在最近发表的IEEE生物医学工程汇刊文章中进行了概述，提供了影响血压的两个基本因素的比例评估：心脏的血液输出（心输出量）和动脉系统对这些血流的阻力（全身血管阻力）。通过将这种创新方法应用于先前存在的动物模型数据，研究人员证明他们的估算来源于对外周动脉血压的微创测量，与更具侵入性的主动脉流量探头的读数相一致。此外，这些估算有效地反映了各种通常用于使血压正常化的药物对动物造成的生理变化。
“我们方法生成的阻力和心输出量估算提供了可操作的实时血流动力学管理洞察，”研究的作者指出。
研究人员相信，经过进一步测试和监管批准，该技术可以应用于多种医疗场景，包括心脏手术、肝脏移植、重症监护单元治疗以及许多其他影响心血管健康或血容量的程序。
“任何接受心脏手术的患者都可能从中受益，”首席作者艾默里·N·布朗表示，他在麻省理工学院皮考尔学习与记忆研究所担任爱德华·胡德·塔普林医学工程与计算神经科学教授。布朗还担任麻省总医院的麻醉师以及哈佛医学院的麻醉学教授。“进行常规手术的患者也可能需要它，特别是当他们有现存的心血管疾病如缺血性心脏病时。稳定的血压至关重要。”
该研究的首席作者是泰勒·鲍姆，他是电气工程与计算机科学（EECS）研究生，由布朗和威廉·A·库利奇教授穆瑟·达希勒共同指导。
算法创新
心输出量和全身阻力是血压调节的基础的概念是基于二元素温度模型。虽然以前的研究已经利用该模型从血压数据中估算这些参数，但在更新速度和估算准确性之间存在矛盾；通常方法要么提供快速但不精确的估算，要么提供较慢但更可靠的估算。在鲍姆的领导下，麻省理工学院团队通过先进的统计和信号处理方法，如“状态空间”建模，解决了这一矛盾。
鲍姆表示：“我们的估算在每次心跳时更新，整合了当前数据和历史信息。正是这种过去情境和实时数据的结合增强了估算的可靠性，同时仍保持快速逐次更新的频率。”
重要的是，生成的心输出量和全身阻力估算是“成比例的”，意味着它们在数学上与另一个共同因子相互关联，而不是独立估算。对六只动物的先前研究数据应用新方法的测试表明，来自微创导管读数的估算与来自更具侵入性的中心导管放置的读数很好地匹配。
一个重要发现是，基于远端位置（例如腿或手臂）放置的导管的动脉血压测量的比例估算与来自中心主动脉导管的读数密切一致。这表明，采用新估算方法的系统可能通过使用较少侵入性的导管放置来运行，从而最小化与将导管插入中心动脉或直接进入心脏的传统方法相关的风险，这些方法被认为是评估心血管健康的标准做法。
另一个显著结果是，当动物接受修改全身血管阻力或心输出量的五种药物中的每一种时，比例估算准确反映了随之而来的生理变化。这表明，这些估算可靠地代表了生理变化。
临床应用
受到这些结果的鼓舞，鲍姆和布朗表示，当前的方法可以有效地在临床环境中实施，以增强对围手术期护理团队关键血压变化的理解。他们正在积极努力获得使用此方法的临床设备的监管批准。
此外，研究人员正在进行额外的动物研究以验证这种先进的血压管理方法。
他们创建了一个由此估算框架指导的闭环系统，以精确调节动物模型的血压。在完成这些动物试验后，他们计划寻求监管许可以在人类对象中测试该系统。
除了鲍姆、达希勒和布朗，作者名单还包括埃利·亚当、克里斯蒂安·圭、加布里埃尔·沙姆伯格、穆罕默德·卡泽米和托马斯·霍尔特。
该研究得到了国家科学基金会、国家卫生研究院、Mathworks奖学金、皮考尔学习与记忆研究所和JPB基金会的支持。
