一种呼吸机人机异步的识别与改善方法

刘青华，石 岩，李 强，任 帅，3，郝黎明

(1.北方工业大学 机械与材料工程学院，北京 100041；2.北京航空航天大学 自动化科学与电气工程学院，北京 100191；3.流体动力与机电系统国家重点实验室，浙江 杭州 310063)

引言

2020年新冠状病毒肆虐全球，造成大面积肺炎的感染，患者的肺部功能由于受到新冠病毒的损坏，产生大量黏液，氧气吸收受阻，血氧饱和浓度降低，身体机能受到严重损害。呼吸机作为一种有效的治疗装置，能为失去呼吸能力的患者提供通气支持，发挥着至关重要的作用。在临床中，医生发现适当使用呼吸机能维持危重症新冠肺炎病人机体氧供和氧耗的平衡，使病人并发症的发生率降低[1-5]。

但是，临床发现呼吸机在辅助通气治疗过程中也存在着许多安全问题，如由于气道压过高导致的肺损伤，没有足够的呼气时间导致的肺屏气和长时间通气导致的撤机困难等[6-10]。呼吸机造成的安全问题基本是由于通气过程中人机异步而导致的。当呼吸机设置参数不符合患者需求时，就会发生人机异步，严重的人机异步比例高达43%。通气过度协助或协助不足会转化为不同类型的异步，对患者产生不同的影响。因此，对呼吸异步的准确识别与改善对患者的治疗至关重要。

针对人机异步的监测和解决，国内外学者做了大量的研究。临床上最广泛接受的方法是通过目视分析气道流量和压力[11-12]。在辅助呼吸支持模式下，呼吸波形输出是呼吸机与患者呼吸之间相互作用的结果，流量、体积和气道压力信号会受到患者-呼吸机相互作用，可以用作指导医生采取适当措施以改善患者与呼吸机之间同步性的工具；但由于医疗资源的紧张，医生无法持续监测机械通气患者的异步情况。另外一种可靠的异步检测方法是在食道中放置气囊导管，以测量呼吸周期中胸腔内压力的变化。食管或导管的监测的优势是可以反映患者每一次的吸气情况[13-15]。除此之外，肌电图也已用于通过比较呼吸肌的肌电信号与呼吸机输送的吸气流量的开始来评估异步。研究者对接受压力支持模式的健康受试者进行试验诱导气流受限，肌电图记录横腹肌的活动获得呼气肌活动的时间和大小，并与根据血流描记法和肌电图(EMG)确定的呼吸机循环和呼吸机活动进行比较，人机异步时，呼吸机气流和肌肉群在受试者的循环中产生了明显的相位差。两种方法的缺点都是具有侵入性，并且某些患者尤其是机敏患者不能很好地耐受[16-17]。

为解决人机不同步问题，NELSON C等[18]开发了一种基于专家知识的算法，能最大程度地减少通气压力并根据通气需求而变化，该算法实时监测呼吸机频率和吸气峰值，然后进行单独或组合闭环控制来自动解算确定分钟通气量和潮气量；RICHARD F等[19]设计了能够满足病人理想分钟通气量的自适应通气控制器,该控制器基于调节呼吸机通气频率和通气量来调节控制；石鹏等[20]设计了一种新的自适应通风控制策略，以PID为控制方法，在给定的潮气量调节下自动调节压力和吸气持续时间，以单肺模型为例使用STM32微控制器做了验证；YRONE F等[21]通过调节呼吸机运行时的单次呼吸潮气量和呼吸频率，控制患者动脉二氧化碳浓度浓度。有研究以患者血液中pH值、氧浓度和二氧化碳浓度为输入量，采用神经模糊控制系统和中心神经控制系统调节呼吸机参数[22]。陈小飞[23]根据模糊控制原理,设计了呼吸机自动调压控制框架,通过储能单元的控制策略,实现功率分配，依据二次平移调节原理,利用获取的电压幅值比较检测电压值与预设值，实现自动调压。目前对于人机不同步问题的研究大多基于通气压力的设置和自动调整[24-25]。

针对目前人机异步存在的一些问题，搭建了压力支持实验平台，采用临床医生判断人机异步的方法，基于呼吸波形，引入人机异步事件的量化定义和评价标准，提取6项呼吸波形特征，实现了人机异步事件的自动识别，利用模糊逻辑控制技术，实现了呼吸机吸气触发阈值、呼气切换百分比和呼气末正压的实时调整。

1 人机异步类型及评价

1.1 人机异步类型

临床研究中对人机异步的识别主要参照流速时间波形和压力时间波形。当肺功能发生一定的变化，能够提供直观的参考信息，这些波形也作为判定人机异步的重要依据。临床中常见的人机异步事件分为触发异步和切换异步，触发异步包含无效触发、误触发、双触发3种，切换异步包含切换过早和切换过晚。

无效触发为呼吸机无法感知患者努力。当患者产生吸气动作，呼吸机无法识别患者吸气，导致无法向患者供气。无效努力的主要特征是由于患者吸气努力而在压力-时间波形中产生气道压降，从而降低了气道压力，并产生吸气流量。如图1所示，在标识处压力出现下降，流速出现上升，表明患者此时有吸气动作，后期无大幅度的压力上升出现，表明呼吸机并未触发。

图1 无效触发压力流速-时间曲线

误触发定义为在吸气阶段患者并未产生吸气努力，但由于呼吸机管道泄漏或患者的咳嗽等原因导致气道压力急剧下降触发了呼吸机进入了吸气阶段。误触发的主要特征是较短的吸气时间和较小的峰值流速，如图2所示，误触发后，呼吸机进入吸气阶段，流速曲线开始上升但由于患者并未呼吸，吸气阶段峰值流速较小，呼吸机很快切换。

图2 误触发压力流速-时间曲线

双触发定义为2个周期间隔很短的呼气时间。如果在呼吸机运转至呼气阶段后患者的吸气努力继续进行，并且患者产生的这些努力能够克服临床医生设定的触发阈值，则可能会触发呼吸机进行第2次呼吸。双触发的主要特征是患者切换到呼气阶段后很快转入吸气阶段，如图3所示，患者的呼气在压力-时间波形中产生气道压降后，立刻达到触发压力，进入吸气阶段。

图3 双触发压力流速-时间曲线

过早切换定义为呼吸机预设的吸气时间小于患者自主的吸气时间，吸气阶段时，患者还未吸气完成呼吸机主动切换为呼气。过早切换和双触发的区别在于，在过早切换中，患者的吸气努力不足以触发第2次呼吸，如图4所示，呼吸波形出现较短的时间的吸气阶段。

图4 过早切换压力流速-时间曲线

切换过晚定义为呼吸机中设定的吸气时间超过患者吸气时间。如果患者的吸气阶段结束后，呼吸机将在吸气阶段继续运行，从而减少了可用于呼气阶段的时间，该现象在呼气阶段产生空气滞留可能导致无效的努力，如图5所示，呼吸波形出现较长的吸气阶段。

图5 过晚切换压力流速-时间曲线

1.2 人机异步评价

采用人机异步发生率A作为人机同步的评价指标，即人机异步的呼吸数除以总呼吸数(呼吸机辅助通气和患者自主呼吸的总和)，无效触发、误触发、双触发、切换过早、切换过晚的呼吸数分别为N1,N2,N3,N4,N5，总模拟触发数为N，表示为百分比[26]：

(1)

临床研究表明，当异步率大于10%时，机械通气时间延长，撤机失败率增加，气管切开率、ICU和住院病死率升高[6]。

1.3 人机异步的识别

人机异步的产生主要是因为呼吸机和患者之前的呼吸不匹配，要改善这种异步现象，减缓患者在机械通气治疗中的痛苦，首先就是要对人机异步进行有效的识别。在临床治疗中，医生主要通过呼吸机的监测波形和患者的治疗状态来判定，但由于医疗资源的限制，人机不同步现象往往无法及时的识别，因此，人机异步的自动识别十分重要。

依据异步事件的定义和有关文献的调查研究得到人机异步事件的量化定义[26]：无效触发定义为吸气触发时间txc大于平均吸气时间tex的1.5倍且吸气功Px大于平均吸气功Pex的1.5倍；误触发定义为吸气峰值流速vp小于平均吸气峰值流速vep的1/2；双触发定义为呼气时间th小于平均呼气时间teh的1/2；吸气时间tx小于平均吸气时间tex的1/2；切换偏早定义为吸气时间tx大于平均吸气时间tex的1/2；切换偏晚定义为吸气时间大于平均吸气时间tex的2倍。

如图6所示，根据临床异步事件量化定义提取6项呼吸波形特征：

图6 呼吸波形特征

(1) 吸气触发时间txc，上一周期降至呼气末正压后至呼吸机触发前的时间；

(2) 吸气功Px，吸气阶段压力低于呼气末正压的触发面积(PTP=压力与时间的乘积)；

(3) 吸气时间tx，吸气触发至呼吸切换的时间；

(4) 峰值流速vp，压力达到峰值时的吸气流速；

(5) 呼气时间th，呼气切换至压力降至呼气末正压的时间。

(6) 呼气末正压phm，呼气末期在呼吸道保持的一定正压。

根据人机异步的量化定义，判定标准是基于当前监测量与前期监测量的均值进行比较得到的，这种判断的依据是呼吸节律，即人在静息状态下，呼吸的节律基本是均匀而整齐的。对此，以提取特征的均值为特征库，在初始阶段以前30次呼吸的特征均值为初始特征库，之后的每次呼吸同特征库特征值比较，以识别人机异步现象，如本次呼吸无人机异步现象，将本次提取的特征值纳入特征库然后更新特征库，识别过程如图7所示。

图7 人机异步的自动识别流程图

2 压力支持通气模式试验平台搭建

2.1 压力支持通气模式

压力支持通气模式(PSV)在有创和无创呼吸机上都可实现，通用性强，适用于治疗可以自主呼吸的病人，工作过程如图8所示。病人吸气产生负压触发呼吸机，呼吸机送气使气道压迅速升高，当气道压达到设定值后，维持该气道压力直至吸气流量降低至峰值流量的设定百分比，此时，病人从吸气阶段转为呼气阶段。压力支持通气模式主要适用于病人脱离呼吸机的训练过程中[27]。

图8 PSV通气模式呼吸波形示意图

由PSV通气模式的原理可知，该模式输入量为气道压力和流量，在使用呼吸机时，需要预设的呼吸机参数为吸气触发阈值pxt、呼气切换百分比E、水平压力ps、呼气末正压phm。试验平台的设计包括气路设计和电路设计，呼吸机的结构和阈值设置均参考美国万灵科公司Pb700系列呼吸机，水平压力范围：0～70 cmH2O，呼气切换百分比范围：1%～80%。

2.2 试验平台的设计

如图9所示，试验平台的整体结构包括3部分：吸气道、呼气道与气源。呼吸机治疗气源采用自然气源，控制电路通过驱动风机转动鼓风为气路提供一定的风压与流量以完成治疗，气路采用医用波纹管，医用波纹管具有柔韧性好、易于弯曲、抗压、耐磨与减振等优点，呼吸机面罩采用非排气面罩，将气路固定于患者口鼻，实现患者吸气道与气路的连通。

图9 呼吸机气路

吸气时，当压力流量传感器监测到压力信号达到预设值，风机打开，电磁开关阀关闭，空气进入气道，气道压上升；呼气时，当压力流量传感器监测到流量信号到达吸气终止条件时，风机进入低压供气状态，电磁开关阀打开，当气路压力达到设定压力，呼气末正压阀打开，肺内气体排向大气。

搭建实物测试平台如图10所示，呼吸机的中央处理模块核心芯片采用基于ARMCortex-M3的32位微控制器-STM32F103ZET6，拥有数模转化和串口通信等模块，能实现传感器的信息采集和对风机、电磁阀的有效控制。

图10 整体测试平台

压力流量传感器采用美国矽翔传感器型号FS6122，其适用环境为相对湿度不大于100%且无水汽凝结的空气，工作温度-5～65 ℃，压力满量程测量精度为±(0.8+0.5 fs)%，测量范围为-5～45 cmH2O，流量满量程测量精度为±(2.5+0.5 fs)%，测量范围为-100～100 L/min。

风机选用东莱WS7040，风机自带控制板WS2403，支持脉冲调制的控制方式，风机接口直径17 mm，最大风量达280 L/min，最大风压65 cmH2O。

电磁开关阀选用SMCVX230，接口直径15 mm，临界压力比为0.39，上游压力20 cmH2O，下游压力0 cmH2O，最大流量可达129 L/min。

3 呼吸参数自调整

模糊控制用模糊的语句对被控对象的状态特征进行相应的描述,能够实现对非线性系统的有效控制[28-32]。本研究采用的模糊参数自调整控制器是根据控制系统中当前吸气功相对误差e1、呼气时间相对误差e2和吸气流速相对误差e3作为信息，对吸气触发阈值pxt、呼气末正压phm和呼气切换百分比E进行调整，进而达到自适应的效果。在实际控制中，通过单片机实时的采集当时的吸气功相对误差、呼气时间相对误差和吸气流速相对误差，通过已设置的程序进行模糊解算，从而实现呼吸机参数的实时调整，由此使整个控制系统获得更好的控制结果。

3.1 模糊输入量

采用吸气功相对误差e1、呼气时间相对误差e2和吸气流速相对误差e3作为输入变量，对于呼气末正压的设置由吸气功和呼气时间决定,触发阈值由吸气功和吸气流速决定：

(2)

(3)

(4)

吸气功相对误差，使用“大”(B)、“中”(M)、“小”(S) 3个模糊词对应量化，最终取[-1,1]为吸气功相对误差的量化域，{B,M,S}为相对应的模糊词集；

呼气时间相对误差，使用“长”(L)、“中”(M)、“短”(S)3个模糊词对应量化，最终取[-0.5,0.5]为呼气时间相对误差的量化域，{L,M,S}为相对应的模糊词集；

吸气流速相对误差，使用“大”(B)、“中”(M)、“小”(S)3个模糊词对应量化，最终取[-0.5,0.5]为吸气流速相对误差的量化域，{B,M,S}为相对应的模糊词集。

表1 隶属度表

3.2 模糊规则

依据人机异步率最小原则和经验得到如下的调整原则。

1) 呼气末正压的调整原则

呼气末正压是指病人在呼气后呼吸道仍保持一定正压。呼气末正压主要针对肺泡早期闭合和肺不张的病人，能扩张肺泡，减少的功能残气量的增加，达到提高血氧的目的；但在压力支持通气模式中，较大呼气末正压会导致患者吸气触发困难，易造成无效触发及双触发。呼气末正压增量比值Kp的模糊规则见表2。

表2 呼气末正压增量比值的模糊规则

2) 吸气触发阈值调整原则

吸气触发阈值是指，在吸气阶段，患者如果产生吸气动作且达到设定的吸气触发阀值，呼吸机就按照设定的参数压力供气。触发阈值的设定在PSV通气模式中十分重要，触发阈值设置的过大容易造成无效触发，触发阈值过小会造成误触发和双触发，吸气触发调整规则见表3。

表3 吸气触发调整规则

3.3 解算输出量

基于调研市场呼吸机的参数设置情况，将呼气末正压增量比值和触发阈值增量比值作为输出量，隶属函数的选择为三角隶属函数。采用重心法解算输出信息即式(5)，得推理输出图11和图12。

图11 呼气末正压增量比值的推理输出图

图12 吸气触发增量比值的推理输出图

(5)

下一次的切换百分比E(k+1)、呼气末正压设定值phm(k+1)和触发阈值pxt(k+1)可由式(6)～式(8)求得。

(6)

phm(k+1)=phm(k)+Kppehm

(7)

pxt(k+1)=pxt(k)+Ktrpext

(8)

式中，E(k)——当前切换百分比

tx(k)——吸气时间

tex(k)——吸气时间均值

phm(k)——当前呼气末正压设定值

Kp——呼气末正压增量比值

pehm——呼气末正压均值

pxt(k)——当前吸气触发阈值

Ktr——吸气触发增量比值

pext——吸气触发均值

4 结果分析

4.1 触发效果评价

图13为呼吸机识别无效触发的压力流量波形图，呼吸时间3.8 s，呼吸频率16次/min，平均吸气时间1.0 s，平均呼气时间2.8 s，呼吸比2.8∶1，呼气末正压为3.90 cmH2O。初始吸气触发阈值为1.00 cmH2O，吸气触发时间为1.2 s，得到平均吸气功为0.0107 cmH2O·s；之后吸气触发阈值不断增大至2.00 cmH2O，此时，产生了吸气触发困难，呼吸机检测到呼吸功为0.1070 cmH2O·s，吸气触发时间为6.5 s，识别为无效触发；呼吸机迅速做出调整，将吸气触发阈值降至1.63 cmH2O，吸气功降至0.010 cmH2O·s，吸气触发时间降至1.1 s，人机异步消除。

图13 无效触发识别压力流量波形图

图14为呼吸机识别误触发的压力流量波形图，呼吸时间2.50 s，呼吸频率24次/min，平均吸气时间1.07 s，平均呼气时间1.50 s，呼吸比1.5∶1。初始吸气触发阈值为0.50 cmH2O，吸气时间为0.15 s，呼气末正压3.50 cmH2O，得到平均吸气功为0.0011 cmH2O·s，峰压流速为15.50 L/min；之后吸气触发阈值不断降低至为0.34 cmH2O，此时，呼吸机检测到呼吸功为0.0001 cmH2O·s ，吸气时间为0.52 s，峰压流速为-37.78 L/min，识别为双触发；呼吸机识别后做出调整，将吸气触发阈值升至0.69 cmH2O ，吸气功升至0.0080 cmH2O·s，峰值流速升至46.00 L/min，人机异步消除。

图14 误触发识别压力流量波形图

图15为呼吸机识别双触发的压力流量波形图，呼吸时间2.5 s，呼吸频率24次/min。平均吸气时间0.90 s，平均呼气时间1.60 s，呼吸比1.7 ∶1，初始吸气触发阈值为0.50 cmH2O，吸气触发时间为0.50 s，呼气末正压3.50 cmH2O，得到平均吸气功为0.0029 cmH2O·s，峰压流速为14.11 L/min，不断增大吸气触发阈值至0.66 cmH2O，此时，呼吸机检测到呼吸功为0.0034 cmH2O·s，呼气时间0.27 s，峰值流速-4.15 L/min为误触发，呼吸机将吸气触发阈值升至1.00 cmH2O，呼气末正压降低为3.10 cmH2O，调整后呼气时间0.90 s，人机异步消除。

图15 双触发识别压力流量波形图

图16为呼吸机识别切换过早的压力流量波形图，呼吸时间3.8 s，呼吸频率16次。平均吸气时间2.2 s，平均呼气时间1.6 s，呼吸比0.7∶1，初始吸气触发阈值为0.5 cmH2O，吸气触发时间为0.2 s，呼气末正压2.5 cmH2O，呼气切换百分比0.35，之后不断降低切换百分比为0.22，此时，吸气时间为1.0 s，呼气时间为1.4 s，识别为切换过早，呼吸机将切换百分比降低到0.05，调整后吸气时间1.7 s，人机异步消除。

图16 切换过早识别压力流量波形图

图17为呼吸机识别双触发的压力流量波形，呼吸时间2.8 s，呼吸频率21次。平均吸气时间1.2 s，平均呼气时间1.6 s，呼吸比1.3∶1，初始吸气触发阈值为0.5 cmH2O，吸气触发时间为0.3 s，呼气末正压2.5 cmH2O，呼气切换百分比0.35，之后不断降低切换百分比为0.23，此时，吸气时间为4.6 s，呼气时间为1.7 s，识别为切换过晚，呼吸机调整设置参数将切换百分比提高到0.80，调整后吸气时间0.8 s，人机异步消除。

图17 切换过晚识别压力流量波形图

5 结论

本研究对呼吸机的人机同步性进行了研究，涉及到的关键技术有：人机异步量化定义、呼吸波形的特征提取、试验平台的建立和呼吸机参数自调整等，主要研究结论如下：

(1) 基于呼吸波形，提出了5种人机异步事件的量化定义，基于人的呼吸节律实现了人机异步事件的自识别，为后续研究提供了理论基础；

(2) 基于压力支持通气模式，针对呼吸参数无法调整、人机协调性差、控制精度低等问题，设计了以 STM32F103为核心的呼吸机；

(3) 采用模糊逻辑的方法，设计了呼吸参数自调整控制器，以吸气功、吸气时间、呼气时间为输入量，呼气末正压、吸气触发阈值为输出量，利用反复的调试以及医学专家的知识经验建立了模糊控制规则库，建立了一套呼吸机参数调整算法；

(4) 在实现人机异步识别和良好试验平台的基础上，对呼吸机参数调整算法做了测试，试验表明，呼吸机能准确识别无效触发、误触发、双触发、切换过早和切换过晚5种异步事件，并针对不同的异步事件对呼气末正压、呼气切换百分比、吸气触发阈值进行实时调整。