编辑推荐：
急性呼吸窘迫综合征（ARDS）治疗存在挑战。研究人员开展 ARDS 个体化治疗、新研究设计及人工智能应用研究。结果显示新策略和技术可优化治疗。这为提高 ARDS 患者预后提供方向，推动了该领域医学发展。
在医学的广阔领域中，急性呼吸窘迫综合征（Acute Respiratory Distress Syndrome，ARDS）一直是困扰医学界的难题。ARDS 是一种复杂的临床综合征，其病理生理过程多变，治疗方法也因人而异。过去，面对 ARDS 患者，医生们常常面临诸多困境。一方面，传统的 “一刀切” 治疗模式难以满足不同患者的需求，因为 ARDS 患者存在高度异质性，同样的治疗手段在不同患者身上可能产生截然不同的效果；另一方面，对于 ARDS 的精准诊断和病情评估也存在困难，导致无法及时给予患者最恰当的治疗。这些问题严重影响了患者的预后，使得 ARDS 的死亡率居高不下。为了攻克这些难题，来自奥地利维也纳医科大学附属医院第一内科重症监护室的研究人员 Nina Buchtele 和 Thomas Staudinger 开展了深入研究，相关成果发表在《Medizinische Klinik - Intensivmedizin und Notfallmedizin》杂志上。
研究人员在本次研究中主要运用了以下关键技术方法：一是借助潜在类别分析（latent class analysis）这一统计学方法，对 ARDS 患者进行亚组分类，以探索不同亚组的特征和治疗反应；二是通过分析大量临床研究数据，如 ARDS 网络试验（ARDS Network trials）、ALVEOLI 试验等，获取有关 ARDS 治疗的证据；三是利用人工智能（Artificial Intelligence，AI）技术，对影像学数据（如肺部计算机断层扫描图像）、临床参数（如通气参数、炎症生物标志物水平）等进行分析，辅助诊断和预测。
一、ARDS 治疗的最新指南与变化
近期欧洲重症医学会（ESICM）和美国胸科学会（ATS）发布的指南更新，对 ARDS 的治疗策略产生了重大影响。在氧疗方面，ESICM 指南推荐高流量鼻氧（HFNO）用于避免气管插管，而对于无创通气（NIV），由于缺乏降低死亡率的证据，未给出明确建议。在保护性通气方面，ESICM 建议低潮气量（4 - 8ml/kg 预测体重 PBW），ATS 则更为严格，要求 Vt≤6ml/kg PBW 且平台压 Pplat≤30cmH2O。在呼气末正压（PEEP）的使用上，ATS 推荐在中重度 ARDS 时采用较高 PEEP 策略，而 ESICM 未对高低 PEEP 策略给出明确建议。此外，指南不再推荐常规的肺复张手法和体外二氧化碳清除（ECCO2R）技术，同时强调了俯卧位通气（在氧合指数 paO2/FiO2<150 时推荐）和静脉 - 静脉体外膜肺氧合（vv - ECMO，在重度 ARDS 且符合特定标准时推荐）的重要性。
二、HFNO、NIV 和有创机械通气（IMV）的应用指征
HFNO 和 NIV 在 ARDS 治疗中的应用存在争议。虽然 HFNO 可尝试用于避免插管，但随着气体交换障碍程度加重，其失败风险增加。NIV 在中重度 ARDS 患者中使用时，与较高死亡率相关，这可能与患者自我造成的肺损伤（PSILI）有关。PSILI 的发生与多种因素相关，如潮气量、呼吸频率、气体交换障碍等，可通过一些临床指标和监测手段（如食管压力监测）评估其风险。当出现无创通气失败的标准时，应及时进行气管插管，避免延误。
三、个体化治疗策略的实施
ARDS 的复杂性和异质性促使研究人员探索个体化治疗策略。根据氧合障碍程度进行治疗调整已成为常规，如中重度 ARDS 患者（paO2/FiO2<150）推荐俯卧位通气，重度 ARDS 患者（paO2/FiO2≤80 或存在严重呼吸性酸中毒）可采用 vv - ECMO 治疗。炎症反应在 ARDS 中起重要作用，类固醇治疗在 COVID - 19 相关 ARDS（CARDS）中效果明确，但在非 CARDS 患者中仍有争议。免疫调节药物如 Janus 激酶（JAK）抑制剂和白细胞介素（IL）抑制剂在 CARDS 中的应用效果也存在争议。在呼吸力学方面，保护性通气是 ARDS 支持治疗的金标准，但如何根据患者个体差异优化通气参数是关键。“驱动压力”（driving pressure）与保护性通气的相关性优于平台压，通过监测食管压力、采用电 阻抗断层扫描（EIT）等技术，有助于实现通气的个体化，减少呼吸机相关性肺损伤（VILI）。
四、ARDS 异质性与个体化治疗管理
ARDS 患者群体的异质性导致一些在小规模研究中显示有效的治疗策略，在大规模研究中未能取得预期效果。潜在类别分析为区分 ARDS 亚组提供了新方法，通过该方法可将 ARDS 分为高炎症和低炎症亚型。不同亚型对治疗的反应存在差异，如高 PEEP 策略在高炎症亚型中可降低死亡率和器官衰竭天数，而在低炎症亚型中则可能产生相反效果。这一发现为 “预测性富集” 策略提供了依据，即根据患者的临床特征和生物标志物，选择最有可能从特定干预中获益的患者群体，从而优化治疗效果。
五、ARDS 临床试验的现状与未来
“人群富集方法” 是当前和未来 ARDS 临床试验的关键。“预后富集” 通过选择高风险患者，可减少样本量，但不能解决患者群体异质性问题；“预测性富集” 则基于临床特征或生物标志物识别可能从干预中获益的患者。此外，自适应 “平台试验” 成为创新的研究设计。这种试验具有灵活性，可同时测试多种干预措施，能动态添加新的干预措施，且只需一个共同对照组，减少了仅接受安慰剂或标准治疗的患者数量。在 COVID - 19 大流行期间，REMAP - CAP、RECOVERY 等试验展示了平台试验在紧急情况下快速、高效开展随机对照研究的优势。即将开展的 PANTHER 试验将进一步评估针对急性低氧性肺衰竭患者的干预措施，并采用预测性富集策略。
六、人工智能在 ARDS 管理中的作用
人工智能在 ARDS 管理中具有巨大潜力。在放射学方面，AI 可辅助早期识别 ARDS，虽然目前 AI 单独对 ARDS 的分类准确性有限，但结合人工判断，可提高识别准确率，同时减轻工作负担。此外，AI 还可用于预测 ARDS 患者的死亡率、辅助选择通气设置等。尽管 AI 目前不能完全取代医生的决策，但它能为医生提供有力支持，使决策更安全、高效，在一定程度上减轻临床工作负担。
综上所述，本研究通过对 ARDS 治疗的多方面探索，为临床医生提供了更科学、更精准的治疗依据。研究结果强调了个体化治疗在 ARDS 管理中的核心地位，新的研究设计和人工智能技术为改善 ARDS 患者的预后带来了新希望。未来，随着研究的不断深入，有望进一步优化 ARDS 的治疗策略，降低患者死亡率，提高患者的生活质量。然而，目前仍存在一些问题需要解决，如不同指南之间的差异如何统一、如何更好地整合多种治疗手段、人工智能模型的临床验证和标准化等。这些问题将成为未来研究的重要方向，推动 ARDS 治疗领域不断向前发展。
