《Computers in Biology and Medicine》：Computational physiological models for hemodynamic management in critical care: a systematic literature review focusing on model design, credibility and clinical readiness
编辑推荐：
为应对重症患者血流动力学不稳定的复杂性与个体化治疗挑战，本研究通过系统性文献综述，全面评估了零维闭环心血管计算生理学模型(CPM)在设计、可信度及临床就绪度方面的现状。研究发现，虽然存在大量具有临床应用前景的模型，尤其在液体管理领域，但大部分仍停留在临床前研究阶段，模型特性报告不足与验证严谨性欠缺是阻碍其临床整合的关键。该研究为CPM的进一步开发和临床转化指明了方向。
在重症监护室(ICU)里，每三位危重病人中就约有一位会遭遇血流动力学不稳定，这常常引发循环休克，导致组织灌注不足、多器官衰竭，甚至显著增加死亡风险。其背后的病理生理学机制复杂且多变，病人之间存在巨大的差异，使得临床上惯用的“一刀切”指南和方案往往难以满足个体化治疗的需求。理想的血流动力学管理应该是在正确的时间，为正确的病人，提供正确的干预。然而，在病床边实现这种精准医疗却困难重重，因为临床数据缺乏深度整合与洞见，加之ICU日益增长的复杂性和医护人员短缺，使得临床决策变得更加棘手。正是在这样的背景下，计算生理学模型(Computational Physiological Models, CPM)作为一种基于生理学原理的机制性、物理模型，为在重症监护中实现个体化的血流动力学管理提供了充满希望的解决方案。它们不同于依赖大数据训练的“黑箱”人工智能(AI)模型，CPM具有确定性、透明化的特点，能够模拟无法直接测量的生理变量，提供实时的病理生理学见解，并利用患者特异性数据进行个性化，有望成为病床旁的“数字孪生”。
为了全面审视这一领域的发展状况，由荷兰特文特大学(University of Twente)的研究人员领导的一项系统性文献综述应运而生，并发表在《Computers in Biology and Medicine》期刊上。该研究旨在回答：当前应用于重症监护的心血管CPM landscape如何？这些模型在设计上有何特点？其科学可信度如何评估？以及，它们距离真正的临床应用还有多远？
研究人员开展了一项严谨的系统性文献综述。他们于2025年6月2日检索了MEDLINE ALL、Embase、Scopus和Web of Science四大数据库，共计筛查了10,704篇独特文章。经过标题/摘要筛选和全文评估，最终纳入了183项符合标准的研究。纳入标准包括：描述零维(0D)、闭环心血管生理学模型，并聚焦于成人危重或麻醉患者的血流动力学管理应用。研究团队从每篇文章中提取了关于“使用情境”(Context of Use, CoU)、模型设计和验证的数据。模型的可信度采用了基于风险的美国机械工程师协会(ASME)验证与验证(Verification & Validation, V&V) 40-2018标准进行评估，而临床就绪度则采用了一个源自美国国家航空航天局(NASA)技术就绪度等级的九级成熟度框架进行评定。
3.1 使用情境
一半的CPM被应用于临床前研究，旨在探索生理机制或作为“虚拟病人”进行计算机模拟试验(in-silico testing)。另一半则描述了潜在的临床应用，其中决策支持系统是最常见的类型。在具体的临床领域，液体管理是最常被应用的领域，占30%，涉及出血、低血容量性休克、液体反应性等。其次是临时机械循环支持(temporary Mechanical Circulatory Support, tMCS)，占21%，以及心肺复苏(Cardiopulmonary Resuscitation, CPR)，占16%。
3.2 模型设计
所有被纳入的CPM都使用多个室(compartment)来模拟血管功能。154篇文章模拟了脉动性和主动心脏功能，常采用Suga和Sagawa提出的时变弹性(Time-varying elastance)公式。心肺交互在44%的文章中被建模。模型个性化，即根据个体临床数据调整模型参数的能力，仅在25%的文章中被报道，且更常见于室数量较少、旨在临床应用的模型中。大多数模型(85%)是对已有模型的改编或扩展，而非原创开发。仅有18%的文章提供了计算模型（软件实现）的公开访问途径。
3.3 可信度
模型验证在66%的研究中被呈现，但验证数据来源通常仅达到中等满意度（如基于文献或动物实验）。在验证方法上，43%的研究仅依赖视觉检查来比较模拟输出与验证数据，这被评估为不令人满意。根据ASME V&V40框架进行的评估显示，所有文章在模型特性的报告上均不充分，仅有21%的文章在验证方面获得了中等满意度评分。
3.4 临床就绪度
大多数CPM文章处于技术就绪度3级（针对一般生理学验证的原型模型）或4级（针对群体水平数据验证的模型开发阶段），占总数的75%。仅有4项研究达到了6-8级，涉及临床演示。这些高就绪度模型通常是用于估计平均体循环充盈压的个性化工具。
结论与讨论
本综述系统性地勾勒出零维闭环心血管CPM在重症监护领域的研究图景。研究发现，虽然存在大量具有明确临床应用前景的模型，尤其是在液体管理决策支持方面，但大部分模型仍局限于临床前研究阶段。模型个性化是临床转化的关键，但当前仅有少数研究实现，且更倾向于在结构更简单的模型中进行，这提示了模型复杂性与临床可用性之间的权衡。更为严峻的挑战在于模型的可信度：所有研究对模型特性的报告均不完整，仅21%在验证方面达到中等满意度。缺乏标准化的报告、透明的验证实践以及严谨的不确定性量化，严重阻碍了对CPM科学严谨性的全面评估，也拖慢了其临床应用的步伐。
这项研究的意义深远。首先，它明确指出了推动CPM临床整合的三大方向：充分利用现有模型而非重复造轮子、改进验证与验证的透明度、以及建立稳健的个性化策略。其次，该研究强调了在模型开发早期就应考虑其使用情境和可获取的临床数据，以指导设计并提高临床可行性。再者，随着ICU数据日益数字化，低计算需求的集总参数模型有望实时集成到临床工作流甚至监护仪中，充当患者的“数字孪生”，为实现真正个体化、基于生理学的重症监护提供强大工具。最后，最先进的CPM可集成到闭环控制系统中，自动驱动治疗，这虽然带来伦理和法律上的新问题，但也为缓解ICU人员短缺、实现更及时精准的干预展现了清晰前景。总之，这项综述不仅总结了现状，更为计算生理学模型这一变革性技术从实验室走向病床，最终改善危重患者预后，绘制了关键的路线图。
