人体全肺数值模拟研究取得突破！流体力学临床医学研究请收藏

4小时前浏览7

导读：随着生物力学与计算医学的深度融合，基于数值模拟的肺部呼吸动力学研究，已成为揭示呼吸疾病机制、优化临床治疗策略的关键技术手段。它不仅能够突破传统实验在时空分辨率上的限制，还能在虚拟环境中复现健康或病变肺部的复杂力学行为，揭示了自主呼吸过程中气道力学特性与肺功能变化规律，为肺部疾病研究与治疗提供了全新工具。目前传统研究方案受限于建模与计算瓶颈，往往只能选取局部气道进行片段化分析，难以捕捉自主呼吸时全肺多级联动的力学特性，更无法揭示肺泡微环境与大气道动力学之间的跨尺度关联。

为了解决这些问题，四川大学生物力学实验室联合华西医院呼吸与危重症医学科，以临床需求为导向，突破性地构建了首个分段式人体全肺数值模型。通过融合医学影像重建、与计算机辅助建模技术构建从气管到肺泡（G0-G23）的全肺下呼吸道模型，结合流固耦合（FSI）与计算流体力学（CFD）技术模拟肺腺泡区域肺泡受力引起的自主呼吸过程，实现了从肺泡到气管的“呼吸全链路”动态模拟，为揭示肺部疾病的生物力学机制提供研究工具。

一、研究亮点与方法

1、尺度模型：融合CT重建与程序化生成技术，覆盖气管（G0）至肺泡（G23）共24级分支，构建非对称分段全肺模型，突破传统模型的空间局限。

2、创新性“自下而上”边界传递法：以肺泡壁压力变化为驱动，逐级传递边界条件至支气管，精准模拟自主呼吸的生理过程。

3、多物理场耦合验证临床数据：结合流固耦合（FSI）与计算流体力学（CFD），量化肺顺应性、潮气量、功能残气量等关键参数，与临床实测高度吻合。

4、病理研究新平台：模型可拓展至肺纤维化、慢阻肺等疾病模拟，为机械损伤机制研究与靶向给药提供理论支撑。

图1：将整个下呼吸道的几何模型划分为五个单元(a)几何模型划分示意图(b)模型提取步骤(c)程序构建的G6-G11、G11-G15、G15-G20和G20-G23的三维几何模型。

图2：肺腺泡区域流固耦合模拟边界条件。

研究采用多尺度分区建模策略（图1）：基于CT影像重建G0-G6级主支气管三维几何，G6-G23级小气道通过程序化建模生成，模型。模型将肺泡区（G20-G23）定义为流固耦合（FSI）域，采用双向耦合求解器计算肺泡壁弹性形变引起的气流运动；G0-G20级通过计算流体力学（CFD）模拟，G0-G6与G6-G20分别采用k-ω湍流模型与层流模型。两区域通过动态边界条件传递实现跨尺度耦合：FSI域输出的肺泡容积变化驱动CFD域入口流量。

二、研究结果

1、呼吸力学特性：

研究通过全肺多尺度模型揭示了自主呼吸过程中气道与肺泡的力学响应特征（图3-6）。模型肺顺应性为0.202 L/cmH₂O，与临床标准值（0.2 L/cmH₂O）接近。气道阻力吸气相0.27 cmH₂O/(L/s)、呼气相0.32 cmH₂O/(L/s)，均值0.295 cmH₂O/(L/s) 落入健康人群下呼吸道阻力范围（0.25-0.75 cmH₂O/(L/s)）。G0-G6级气道贡献占呼吸道总气道阻力61%（0.18 cmH₂O/(L/s)）。

G0-G23气道压力降呈现呼吸周期依赖性：吸气相肺泡扩张驱动气流吸入，G0入口相对压力降至-10.128 Pa；呼气相反转至12.063 Pa。压力降随气道分级递增而衰减，且分支不对称性导致同级小分支压力降较大分支低，表明压力分布不对称。

图3：G0-G23气道模型吸气半程（t = 1.0 s）和呼气半程（t = 3.0 s）时的压力云图。

壁面剪切应力（WSS）在分叉处达到峰值（图4a）：吸气时0.59 Pa的近端支气管WSS峰值大于呼气时的0.16 Pa，而末端支气管的差异不大；G0-G6WSS值没有显著下降，G6后WSS值显著下降约4个数量级。

图4：吸入一半（t = 1.0 s）和呼出一半（t = 3.0 s）的WSS模拟结果。(a) WSS分布云图(b)不同肺深度的WSS。

气道气流速度和流量随代数的曲线如图5(b)所示，流量随代数的变化满足本实验在G6后完全二分岔假设。从G0到G23，气道内的气流速度大约从1.66 m/s下降到7.22×10^-4m/s。然而，由于母支和子支之间的气道直径变化较大，从G3到G6的下降趋势并不明显。

图5：峰值吸气时速度分布（t = 1.0 s） (a)速度色切片和流线(b)不同肺深流速和流量曲线。

肺泡力学行为方面（图6-7），吸气末（t=2.0 s）肺泡壁位移达1.76×10^-4m，对应单肺泡模型容积变化23.4%（图6）。Von-Mises等效应变峰值25%，且集中于肺泡囊与气道连接处（图7a），该区域等效应力达2100 Pa，提示机械损伤易发位点。全肺容积变化率21.9%（504 mL），与健康成人潮气量匹配。

图6：G20-G23肺腺泡模型吸气时位移轮廓（0.5 s时间间隔）。

图7： G20-G23肺泡模型壁面情况(a)组织取样选择位置及吸气结束时的应变云图（t=2.0 s） (b)取样点应变与时间的关系(c)吸气结束时的应力云图（t=2.0 s）。

三、自学CFD仿真、体外循环实验和AI深度学习

从上文来看，该研究通过先进的数值模拟方法，构建了一个高保真度的全下呼吸道模型，为呼吸力学研究提供了重要工具，并为临床治疗（如机械通气优化、靶向给药）和基础医学研究（如细胞力学微环境）奠定了理论基础。未来可进一步扩展至疾病模型，以探索不同病理条件下的呼吸力学变化。

众所周知，血液循环系统涉及丰富的力学理论，仅根据医学影像和形态学数据判断血管疾病和制定治疗方案是不够全面的，缺乏相关力学数据支撑。随着科学技术的发展，计算流体力学（CFD）数值模拟、体外循环实验和深度学习引起了研究人员的巨大兴趣。CFD可模拟血流场并获取血流动力学参数，弥补了医学影像分析和形态学指标的不足；体外循环实验可直观展现压力变化、流场分布，具有高度可控性和可重复性；深度学习可高效实现医学图像的精准分割和血流动力学参数的快速预测，显著提升诊断和治疗效率。当前血流动力学现已普遍应用于血管疾病研究（如主动脉夹层、腹主动脉瘤、颈动脉狭窄）和手术方案制定（如烟囱支架的选择和设计、不同旁路搭桥策略的对比、胸主动脉支架长度的确定）。

近日，笔者在仿真秀官网独家原创发布视频课程《血流动力学临床医学研究高级进阶33讲：自学CFD仿真、体外循环实验和AI深度学习》正式上线了，让用户掌握CFD仿真+体外循环实验+AI深度学习技能，全面判断血管疾病和制定科学治疗方案。希望帮助血流动力学基础的临床医生、医学科研人员和高校学生快速地掌握血流动力学的基础概念和流程，以及了解血流动力学在血管疾病的起因、发展，手术疗效评估和手术方案设计中的应用。