Predicción específica del paciente de la mecánica pulmonar regional en pacientes con ARDS con modelos basados en la...

Área de la Ciencia:

• Ingeniería biomédica
• Fisiología computacional
• Medicina de cuidados intensivos

Sus antecedentes:

• La ventilación mecánica es crucial para los pacientes con síndrome de dificultad respiratoria aguda (ARDS), pero las configuraciones óptimas son un desafío debido a la variabilidad pulmonar.
• La anatomía y fisiopatología pulmonar individualizadas requieren estrategias de ventilación adaptadas.

Objetivo del estudio:

• Desarrollar y validar modelos de pulmón computacionales basados en la física para predecir la ventilación regional y la carga mecánica en pacientes con SDR.
• Evaluar el potencial de estos modelos para informar las decisiones personalizadas de ventilación mecánica.

Principales métodos:

• Se crearon modelos de pulmón computacionales específicos para el paciente utilizando tomografías computarizadas y datos ventilatorios de siete pacientes con ARDS.
• Los modelos simulan numéricamente la mecánica pulmonar y el flujo de aire durante la ventilación.
• Las distribuciones de ventilación previstas se validaron con las mediciones de la Tomografía de Impedancia Eléctrica (EIT).

Principales resultados:

• Los modelos computacionales predijeron con precisión la ventilación regional, con una alta correlación (96% anteroposterior, >81% transversal) con los datos del EIT.
• Los modelos demostraron una estimación confiable de la ventilación regional específica del paciente.
• Los modelos validados proporcionan información sobre los estados pulmonares locales no observables y las cargas mecánicas.

Conclusiones:

• Los modelos de pulmón computacionales basados en la física pueden estimar de manera confiable la ventilación regional específica del paciente en el ARDS.
• Estos modelos sirven como una herramienta valiosa para la toma de decisiones individualizadas en la ventilación mecánica.
• Los ajustes personalizados del ventilador informados por estos modelos pueden potencialmente mejorar los resultados para los pacientes con ARDS en estado crítico.