通过自主学习辅助通气改善COVID-19患者的呼吸支持

随着新冠肺炎疫情继续肆虐全球，机械呼吸机对于无法自主呼吸的COVID-19患者的生存至关重要。主要挑战之一是跟踪和控制呼吸机的压力，以确保患者获得所需的准确空气量。埃因霍温理工大学(TU/e)的研究人员开发了一种基于自学习算法的技术，将控制器的性能提高了10倍。研究结果在IFAC2020上公布，这是一个关于自动控制的重要国际会议。

一个机械呼吸机当病人无法(充分)自主呼吸时，泵入或泵出病人肺部的空气。空气的交替流动可以让肺部交换一氧化碳₂对啊₂血液中，因此保证了病人的存活。为了确保病人获得所需的空气量，气压完全按照医生的指示进行调节是至关重要的。如果不这样做，可能会导致更高的死亡率。

这不是一个微不足道的问题。并不是每个病人都是一样的，用于将空气输送到病人体内的软管和鼓风机系统可能会有所不同，从而导致不必要的不一致。因此，为了纠正这个问题，人们进行了大量研究，使用了自适应反馈控制等技术。然而，这些技术依赖于准确的患者模型，而这些模型在实践中并不总是可用的，因为并非每个患者都是相同的。

TU/e的研究人员采用了机械工程系副教授Tom Oomen正在开发的一种替代控制技术，用于打印机和晶圆扫描仪等高科技行业的应用。这种技术基于自我学习算法，并利用了镇静患者(许多COVID-19患者)的呼吸往往非常规律的事实，就像工业中的许多流程一样。

重复控制

这项技术被称为重复控制，可以从机器错误中学习，并有能力在几次迭代中纠正它们，使用机器传感器的测量数据。对于机械呼吸机来说，这样做可以在几次呼吸后将呼吸机提供的压力和流量的准确性提高10倍，即使在患者的肺活量未知的情况下。

这项技术在实验室的人造肺上进行了测试。在所有三种情况下(婴儿、儿童和成人)，压力跟踪的性能都优于现有的设备。

“多亏了我们应用的自我学习算法，我们能够获得非常准确的压力水平，无论患者连接到该设备。这使得治疗更加稳定，”机械工程系动力学与控制部分的博士候选人、参与研究的研究人员之一Joey Reinders说。

Reinders和他的同事们在2019年进行了大部分研究，当时对许多人来说，冠状病毒大流行仍是一种反乌托邦的幻想。“当我们开始研究时，我们不知道它会变得如此相关，”他说。“因此，我对结果非常满意，有一天这可能会成为我的救命稻草冠状病毒病人。”

未来的研究

他指出，在这项技术应用于实践之前，还需要做更多的研究。Reinders和他的同事只在服用镇静剂的患者身上进行了测试，对他们来说，重复控制效果最好，因为他们的呼吸模式非常规律。然而，呼吸机也用于仍有意识的患者，以及可能开始意外呼吸的患者。通风机控制器也需要能够应对这种情况。