基于EIT的t-SNE与谱聚类识别接受非侵入性呼吸支持的急性低氧性呼吸衰竭患者中的生理集群

《Intensive Care Medicine Experimental》：Identification of physiological clusters in acute hypoxemic respiratory failure patients undergoing non-invasive respiratory support using EIT-based t-SNE and spectral clustering

　　

目的：识别急性低氧性呼吸衰竭（AHRF）患者的生理集群可能有助于个性化非侵入性呼吸支持（NIRS）。电阻抗成像（EIT）可提供实时的区域性潮气通气信息，但其在对接受NIRS的AHRF患者进行聚类方面的价值尚未确立。方法：研究人员开展了一项单中心观察性研究，纳入了在NIRS期间接受EIT监测的成年AHRF患者。潮气通气图像经过预处理和归一化，并使用t分布随机邻域嵌入（t-SNE）算法嵌入到二维空间中。应用谱聚类来识别不同的成像模式。比较了各集群之间的临床、生理和实验室变量。使用校正了年龄、体重指数（BMI）、二氧化碳分压（PaCO₂）和ROX指数的惩罚Cox回归模型，评估了集群成员身份与7天内插管之间的关联。结果：研究纳入了32名患者。谱聚类识别出三个不同的潮气图像集群。这些集群在临床严重程度和生理特征上存在差异：集群1的特点是身材较矮、简化急性生理评分II（SAPS II）较高；集群2表现出最高的摆动通气（pendelluft）；集群3则表现为通气对称且摆动通气较低。这些表型在血流动力学（包括心率和休克指数）方面也存在差异。集群成员身份与7天内插管独立相关。与集群3相比，集群1和集群2的插管风险显著降低（风险比（HR）分别为0.115，p=0.017 和 0.042，p=0.002）。结论：在AHRF中，对EIT潮气图像进行无监督聚类是可行的，并可识别出具有不同短期预后的独特生理集群。这些发现支持了基于EIT成像模式在接受NIRS的患者中进行早期分层的潜在作用。

非侵入性呼吸支持（NIRS）在重症监护病房（ICU）中被广泛应用于多种临床指征。然而，其在急性低氧性呼吸衰竭（AHRF）患者中的作用仍存在争议。尽管NIRS可以改善气体交换并降低吸气肌做功，但其对临床有意义结局的影响仍不确定。当前指南越来越强调个性化呼吸支持策略的必要性，认识到AHRF背后存在显著的异质性。在此背景下，识别可能对NIRS产生不同反应的疾病表型，可能有助于优化治疗调整并潜在改善患者预后。既往对急性呼吸衰竭进行表型分类的努力主要集中在急性呼吸窘迫综合征（ARDS）上。使用计算机断层扫描（CT）的成像方法已确定了不同的形态学模式，例如局灶性和弥漫性ARDS，它们对呼气末正压（PEEP）调整的反应不同。尽管基于生物标志物的分类描述了高炎症和低炎症表型，提示对通气和药物干预可能有差异反应，但这些表型的临床实用性仍然有限。电阻抗成像（EIT）是一种非侵入性的床旁监测技术，通过胸部电极带测量潮气呼吸过程中的区域阻抗变化，从而实时可视化区域通气分布。EIT已成功应用于围手术期和机械通气患者，以表征通气模式和识别生理表型。然而，其在表征接受非侵入性呼吸支持的AHRF患者方面的应用基本上尚未探索。最近，人工智能（AI）驱动的方法已成为解决急性呼吸衰竭复杂性和异质性的有前途的工具。无监督机器学习方法能够在不依赖预定义标签或结局的情况下，通过数据驱动识别潜在的生理模式，使其特别适合重症监护中的探索性表型分析。当与高分辨率床旁监测技术结合时，此类方法有潜力支持个体化呼吸管理策略并改善早期风险分层。无监督聚类是一种数据驱动的统计方法，它在不依赖预定义标签或结局的情况下，识别数据集中相似观察组。本研究旨在评估对EIT潮气通气图像应用无监督聚类方法以识别接受非侵入性呼吸支持的AHRF患者中生理集群的可行性。次要目的是评估已识别集群之间的临床差异，并探索其与患者相关结局及插管预后风险的关联。方法部分，研究人员在2023年10月至2025年6月期间，在意大利费拉拉大学医院的重症监护病房开展了这项前瞻性观察研究。纳入了在AHRF诊断后48小时内开始NIRS并接受EIT和有创动脉血压监测的成年患者（≥18岁）。排除了EIT禁忌症、慢性呼吸衰竭、严重慢性肺病或急性慢性肺病、严重心力衰竭、高碳酸血症、放弃插管或心肺复苏指令以及姑息治疗入院的患者。研究获得了伦理委员会批准（代码CE‐AVEC 598‐2023‐Oss‐AOUFe）。临床数据在入组时（定义为AHRF诊断后48小时内）收集。临床结局（即插管率和死亡率）在入组后7天和28天进行评估。EIT数据采集使用专用的EIT监测系统（Pulmovista 600, Drager?），电极带放置于第4-5肋间隙。在研究开始时记录自发呼吸至少2分钟。原始EIT潮气图像被导出并转换，使用自定义脚本进行处理。对于每位患者，在稳定的功能残气量期间选择了5个非连续且有代表性的呼吸周期进行分析，并计算了包括摆动通气、区域通气分布、通气中心（CoV）、全局不均匀性指数和背侧通气分数（DFV）在内的EIT衍生参数。潮气图像分析首先将像素值归一化到[0,1]范围，然后使用t-SNE算法（余弦距离作为相似度度量）将图像矩阵（1024维）降至二维空间。随后，应用谱聚类来识别具有相似特性的EIT图像组。通过轮廓分数确定最佳聚类数（k=3）。统计分析方面，鉴于研究的探索性，样本量基于可行性考虑。正态分布的连续变量以均值±标准差表示，非正态分布的变量以中位数（四分位距）表示。分类变量以数字和百分比表示。组间差异评估使用方差分析（ANOVA）、Kruskal-Wallis检验或卡方检验。使用惩罚Cox比例风险模型评估集群成员身份与7天内插管的关联，并校正了年龄、BMI、PaCO₂和ROX指数。结果部分，研究共纳入32名患者，其中13名（41%）为女性，19名（59%）为男性，中位年龄72岁，中位体重指数（BMI）27.2 kg/m²。t-SNE和谱聚类分析确定了三个集群：C1、C2和C3。这些集群在人口统计学和临床特征上存在差异：C1组患者身材显著矮于C2和C3（中位身高164.5 cm vs 170 cm vs 171.5 cm, p=0.023），且SAPS II评分更高（50 vs 32.5 vs 42.5, p=0.021）。C3组的心率显著更高（94 bpm vs 83 bpm vs 70 bpm, p=0.018），而C2组的休克指数显著更高（1.95 vs 1.34 vs 1.45, p=0.009）。在EIT衍生参数方面，各集群的摆动通气存在显著差异（p=0.044），其中C2最高（46.2%），C1和C3较低且相近（23.8% 和 25.8%）。通气中心水平坐标（CoV-X）也存在差异（p=0.019），C1和C2较低，表明通气偏向右侧，而C3更接近对称。在调整了BMI、年龄、PaCO₂和ROX指数后，集群成员身份与7天内插管风险独立相关。与C3相比，C2的插管风险比（HR）为0.042（95% CI 0.002–0.35, p=0.002），C1的HR为0.115（95% CI 0.01–0.698, p=0.017），即C1和C2的插管风险均显著低于C3。讨论部分，该研究评估了应用无监督聚类方法于EIT潮气图像的可行性，以识别接受NIRS的AHRF患者的生理集群。主要发现为：谱聚类从原始EIT潮气图像中识别出三个不同的患者集群；这些集群不仅在EIT衍生的通气模式上存在差异，在人口统计学、临床和严重程度特征上也存在差异；在调整相关混杂因素后，属于集群3与7天内插管风险增加独立相关。从EIT角度看，集群主要通过摆动通气幅度和通气对称性来区分：C1以低摆动通气和右侧通气为特征，C2以高摆动通气和右侧通气为特征，C3则以低摆动通气和相对对称的左右通气为特征。值得注意的是，这些集群在生物测量和严重程度相关特征上也存在差异。当比较摆动通气同样较低的集群（C1和C3）时，C1患者身材更矮且合并症负担更重，这可能是数据驱动的生理学假设。尽管C3的摆动通气较低且通气模式相对对称，但其插管率最高，表明通气对称性本身并不一定意味着良好的呼吸力学或临床预后，反而可能提示双侧肺受累。这一看似矛盾的现象突显了NIRS失败机制和患者自损性肺损伤（P-SILI）进展的复杂性。研究局限包括样本量较小、随访时间有限、血流动力学数据收集不详细以及缺乏直接的呼吸驱动和做功测量。此外，作为观察性研究，无法推断因果关系。结论部分重申：对EIT潮气图像的无监督聚类揭示了接受非侵入性呼吸支持的急性低氧性呼吸衰竭患者中存在的生理异质性，这种异质性是常规EIT、临床和气体交换参数所无法捕捉的。集群成员身份与7天内插管的可能性独立相关。这些发现支持基于EIT的聚类作为一种床旁、生理驱动工具用于早期患者分层的作用，并为未来旨在开发AHRF个性化管理策略的研究提供了理论依据。