预测腹内压升高：利用人体测量学参数和机器学习的突破性研究

《Scientific Reports》：Predicting intra-abdominal hypertension using anthropometric measurements and machine learning

本研究旨在解决如何早期识别腹内高压（IAH）的问题，通过利用人体测量学参数结合机器学习技术预测腹内压（IAP），为临床监测提供非侵入性方法，研究成果发表于《Scientific Reports》，具有重要的临床应用前景。

　　腹内压（IAP）是危重症患者重要的生理参数，但目前测量方法存在局限性。比利时布鲁塞尔自由大学等机构的研究人员开展了一项研究，旨在利用人体测量学参数和机器学习技术预测IAP，从而非侵入性地识别腹内高压（IAH）。研究发现，通过特定的人体测量学参数（如剑突至耻骨距离差、矢状腹部直径和腹部顺应性）能够有效预测IAP，并且剑突至耻骨距离差单独即可可靠预测IAH，为临床早期干预提供了新的思路。该研究为危重症患者的监测和管理开辟了新途径，有望减少并发症的发生，提高治疗效率，降低医疗成本。

腹内压（IAP）作为腹腔内的稳态压力，在危重症患者的病情监测中具有重要意义。研究表明，约四分之一的危重症患者在入院时就患有腹内高压（IAH，定义为IAP≥12 mmHg），并且在ICU住院的第一周内，有一半的患者会发展为IAH。IAH若未能及时发现，可能会进一步发展为多器官功能障碍的严重并发症——多室压迫综合征。因此，早期识别IAH并采取适当的管理措施对于改善治疗效果、缩短ICU住院时间以及降低治疗成本至关重要。目前，测量IAP的金标准是通过膀胱测量，但这种方法存在一定的局限性，例如可能导致泌尿系统感染和创伤等。近年来，随着对人体测量学参数与疾病相关性的研究不断深入，研究人员开始探索利用这些参数来预测IAP，从而实现IAH的非侵入性监测。

比利时布鲁塞尔自由大学、英国牛津大学医院信托基金、比利时安特卫普大学医院等机构的研究人员组成的研究团队，开展了一项回顾性观察研究，旨在探究人体测量学参数与IAP之间的关系，并利用这些参数训练预测模型以预测IAP值和检测IAH。研究纳入了2008年至2014年间在比利时安特卫普ZNA Stuivenberg医院ICU住院的96名危重症患者，这些患者在ICU住院的第一周内均进行了胃内和膀胱内压（IGP和IBP）的测量。研究团队收集了患者的年龄、性别、身高、体重、体质指数（BMI）、体表面积（BSA）等一般资料，以及ICU的APACHE II、SAPS II和SOFA严重程度评分，同时收集了所有可能与IAP相关的人体测量学数据，包括腹部直径、肋骨高度、剑突至耻骨距离等，并计算了IAP衍生参数，如IGP的平均值、压力差等。此外，还收集了患者的呼吸机设置参数，如吸气时间、呼气时间、潮气量、呼吸频率、平台压、呼气末正压等，并从中选择了腹部顺应性（Cab）、动态呼吸顺应性（Cdyn）和驱动压（DPALV）等参数进行进一步的统计分析。

在技术方法方面，研究人员首先通过两尾非配对t检验筛选出在有无IAH患者之间存在显著差异的参数，然后采用Pearson相关性分析探究这些参数与IBP（或IAH）之间的相关性，筛选出相关性大于20%的变量，并进一步通过互信息相关性分析评估变量之间的信息共享程度，设定最小相关强度为50%。随后，利用Datastories公司的专有AI系统创建并训练了66,537个预测模型，以学习预测IBP值，并通过交叉验证避免过拟合，提高模型的预测能力。此外，还通过Bland-Altman分析评估了IBP与IGP之间的关系。

研究结果显示，一般患者数据和ICU严重程度评分方面，IAH患者的体重、BMI、BSA和ICU住院时间显著高于无IAH患者。在人体测量学数据中，矢状腹部直径、肋骨高度、剑突至耻骨距离和腹部周长的p值最小，且IAH患者的这些参数显著更高。在IAP衍生参数方面，IBP、IGPm和IAPm之间显示出良好的一致性，而ΔIGP在IAH患者中显著更高，表明在IAH发展过程中，吸气末IGP的增加幅度大于呼气末IGP。在呼吸机设置参数方面，DPALV和胸腹传导指数在IAH患者中显著更高，而IAH患者的Cab和Cdyn则低于无IAH患者。通过相关性分析，研究人员发现15个人体测量学参数与IBP的相关性大于20%，其中Cab（影响58%）、剑突至耻骨距离差（影响37%）和矢状腹部直径（影响4%）对IBP值的预测最为关键，三者联合预测IBP值的Pearson相关系数达到0.745（R2=0.56）。在IAH检测模型中，剑突至耻骨距离差和矢状腹部直径是检测IAH的关键指标，而剑突至耻骨距离差单独即可有效检测IAH，Pearson相关系数为0.89（R2=0.79）。此外，IBPee与IGPee之间显示出强烈的Pearson相关性（R2=0.91，p<0.0001），表明这两种测量方法具有可比性。

研究结论强调，通过人体测量学参数和机器学习技术预测IAP和检测IAH是可行的。尽管研究发现了一些与IBP高度相关的参数，但剑突至耻骨距离差和矢状腹部直径是预测IAH的最重要指标。这些发现为未来在ICU环境中将这些成果转化为临床监测提供了基础，并为开发非侵入性IAP监测方法开辟了新的途径。然而，研究也存在一些局限性，如样本量有限、患者体型多样性不足以及缺乏对预测模型性能指标（如敏感性和特异性）的详细评估。因此，未来需要在更广泛的人群中进行进一步的研究，以验证这些发现并完善预测模型。