理想化早产儿呼吸力学模型的参数可辨识性

近年来，描述呼吸力学的数学模型日益复杂，以与心血管模型整合并纳入非线性动力学。然而，额外的模型复杂性很少在患者特异性可观测数据的背景下被研究。本研究利用局部确定性灵敏度分析、子集选择和基于梯度的优化，对先前开发的非线性呼吸力学模型（Ellwein Fix, PLoS ONE 2018）进行参数辨识，该模型针对 1 kg 早产儿的生理学特征进行调参。该模型由 4 个微分方程状态变量和 31 个参数组成，用于预测在六种模拟条件下产生的气流以及动态肺容积和压力。采用有限差分法计算了各参数相对于模型状态方程的相对灵敏度解，并为每个参数和模拟建立了灵敏度排序。子集选择识别出一组可针对全部六种模拟进行估计的独立参数。这些分析的结合产生了一个由 6 个独立敏感参数组成的子集，在给定理想化临床数据的情况下可被估计。所有使用带有扰动标称参数的伪数据进行的优化均在 40 次迭代内收敛，并估计出的参数平均在标称值的约 8% 以内。该分析表明，对由非线性呼吸力学模型描述的真实患者特异性数据集进行参数估计以研究早产儿动力学是可行的。