Физиология дыхания после возвращения в положение на спине после вентиляции в положении на животе для прогнозирования 28‑дневной смертности у пациентов на ИВЛ: анализ методом машинного обучения

Почему переворачивание пациентов важно

Во время кризиса COVID‑19 врачи, ухаживавшие за самыми тяжёлыми пациентами на аппаратах искусственной вентиляции лёгких, часто укладывали их на живот — приём, называемый позиционированием на животе (prone positioning). Простая смена положения тела может улучшить распределение воздуха и крови в повреждённых лёгких. Но такая манипуляция требует усилий персонала и связана с рисками. В этом исследовании поставлен практический вопрос с последствиями для жизни и смерти: может ли поведение лёгких после того, как пациента вернули на спину, помочь врачам предсказать, кто, вероятно, переживёт следующий месяц, и подсказать, продолжать ли этот приём или переходить к другим методам лечения?

Как врачи сейчас оценивают сессию переворачивания

В отделениях интенсивной терапии успех укладки пациента на живот обычно оценивают по одному числу, отражающему, насколько хорошо кислород переходит из воздуха в кровь. Если это число быстро растёт, сессию часто считают успешной; если нет, некоторые бригады могут прекратить дальнейшие попытки. Однако сосредоточение только на кислороде может упускать другие важные признаки нагрузки на лёгкие или скрытых повреждений. Авторы исследования предположили, что то, что происходит через несколько часов после возвращения пациента на спину, может дать больше информации о том, действительно ли лёгкие восстановились или показали лишь кратковременное улучшение.

Анализ данных реальных ИТАР‑пациентов

Чтобы проверить это, исследователи обратились к большой голландской базе данных взрослых с тяжёлым COVID‑19, которым требовалась искусственная вентиляция в отделении интенсивной терапии. Они отобрали 522 пациента, прошедших чёткую последовательность: на спине — затем на животе — затем снова на спине, всё в первый период на ИВЛ и с находением в положении на животе менее 24 часов. Для каждого человека собрали показатели газов крови и механических свойств лёгких в течение четырёх часов до переворачивания на живот и в течение четырёх часов после возвращения на спину. Затем они использовали современные вычислительные методы, включая машинное обучение, чтобы выяснить, могут ли шаблоны этих показателей предсказать смерть в течение 28 дней от начала вентиляции.

Что числа рассказали о лёгких

При сравнении выживших и невыживших исследователи обнаружили, что традиционные показатели, снятые до переворачивания на живот, были довольно похожи в обеих группах. Различия проявились после возвращения пациентов на спину. Те, кто умер в течение 28 дней, как правило, по‑прежнему требовали более высоких настроек кислорода на аппарате, демонстрировали худшую передачу кислорода из воздуха в кровь и имели признаки того, что большая часть вдоха не участвовала в газообмене — признак поражённых или слабо расправленных участков лёгких. Их лёгкие также выглядели более жёсткими, из‑за чего вентилятор должен был сильнее «толкать» при каждом вдохе. Напротив, у выживших чаще наблюдались устойчивые улучшения в переносе кислорода и возможность поддержки с меньшей подачей кислорода, что указывает на более успешную рекрутировку ранее сдавленных участков лёгких.

Доверив поиск закономерностей компьютерам

Поскольку многие из этих показателей лёгких связаны между собой сложными взаимосвязями, команда применила модели машинного обучения для их сочетания. Сначала они сузили круг наиболее информативных измерений, затем обучили несколько видов моделей на части когорты пациентов и протестировали их на оставшейся части. Ни одна модель не была идеальной, но все они позволяли отличить выживших от невыживших лучше, чем случайность. Лучшие результаты в целом показала модель XGBoost, удачно сочетая способность выявлять большинство пациентов с высоким риском смерти и не порождать слишком много ложных тревог. Наиболее важными для предсказания оказались такие параметры, как соотношение кислорода в крови к подаваемому кислороду, доля «потерянного» вдоха, не участвовавшего в газообмене, растяжимость лёгких и объём кислорода, который вентилятор всё ещё вынужден подавать.

Что это значит для решений у постели больного

Для пациентов и их семей главный вывод в том, что поведение лёгких после сессии переворачивания может давать врачам больше информации о вероятности выживания, чем немедленное и часто радостно встречаемое улучшение кислороднойation, наблюдаемое пока пациент лежит на животе. Это исследование показывает, что небольшой набор рутинных измерений, снятых через несколько часов после возвращения на спину, может помочь разделить пациентов на группы с более высоким и более низким риском, хотя точность прогноза далека от идеала. Моделям машинного обучения требуются более крупные и разнообразные наборы данных, чтобы стать действительно надёжными и простыми в применении, но они указывают на будущее, в котором решения о продолжении позиционирования на животе, переходе к другим спасательным терапиям или корректировке параметров вентиляции будут опираться на более полную картину функции лёгких, а не на одно число кислорода.

Цитирование: Lijović, L., Dam, T.A., Baek, M.S. et al. Respiratory physiology after resupination following prone ventilation to predict 28-day mortality in mechanically ventilated patients: a machine learning analysis. Sci Rep 16, 8188 (2026). https://doi.org/10.1038/s41598-026-39336-3

Ключевые слова: острый респираторный дистресс‑синдром, вентиляция в положении на животе, искусственная вентиляция легких, COVID‑19 в ОРИТ, прогнозирование с помощью машинного обучения