介绍
过去二十年来，心血管成像技术的进步令人印象深刻。心脏磁共振成像（MRI）可提供流经心脏和大血管的血流的生动三维图像，其电影级的画质凸显了 “一图胜千言 ”的格言。磁共振成像无法在床边使用。不过，其他成像技术已经得到了重大改进，并越来越多地用于麻醉和重症监护。例如，超声心动图的硬件和软件都有了长足的进步。如果能够获得超声创新技术和适当的培训，超声心动图可能会成为血流动力学评估的基石，从而实现及时、精确的干预。与此同时，舌下摄像显微镜等较新的成像技术也处于发展阶段。这种技术可以详细观察微循环，深入了解组织灌注的动态变化，为更个性化的治疗铺平道路。
在成像技术进步的同时，心输出量监测仪也有了长足的发展。过去，心输出量监护仪是以表格形式显示基本数字数据的笨重设备，而现在，它们采用了时尚的触摸屏界面，并集成了可视化决策支持工具。这些工具将血流动力学数据合成为直观的图形格式，使临床医生能够快速掌握循环休克的决定因素。
在这篇关于血流动力学可视化的叙述性综述中，我们先后讨论了血流动力学监护仪上的图形显示、人工智能超声工具、斑点追踪超声心动图和舌下视频显微镜的演变。
图形显示
图形显示可将血流动力学数据转化为直观的视觉形式，从而有助于发现生理变化、提高诊断准确性、延长治疗目标的维持时间并减轻临床医生的认知工作量。现在，所有的心输出量监护仪都在数值旁边添加了趋势线，可动态显示患者的运动轨迹，有助于识别单点测量可能会忽略的血流动力学变量的渐变。
现代交互式趋势屏幕可自动量化指定时间段内的变化，从而增强了这一功能。这一功能在诊断测试（如被动抬腿动作）或治疗干预（如输液）时特别有用。
一览式监控
人脑非常擅长处理视觉信息，解读图像的速度是解读文字或数字的 60,000 倍。这种与生俱来的能力凸显了图形显示在血液动力学监测中的主要优势之一：它能让复杂的信息一目了然。福特等人在一项开创性研究中提出了 “一览式监控 ”的概念，该研究分析了麻醉医师在手术过程中如何与监控系统进行互动。通过对麻醉医师在手术开始、中间和结束时的录像，该研究发现临床医师用于观察监护仪的时间极少--每 10 分钟大约 30 秒。他们观察的特点是频繁而短暂的一瞥，平均持续 1-2 秒，在每个 10 分钟窗口内出现 15-20 次。值得注意的是，这种行为在所有手术阶段都保持一致。图形显示器将大量的血流液动力学数据整合到一个单一的、视觉直观的对象中，从而利用了这种行为模式。这种整合使临床医生能在几秒钟内掌握病人的整体状况，从而在关键时刻简化决策。这种显示屏在高风险环境中可能特别有用，因为在这种环境中，快速的态势感知会对病人的预后产生重大影响。
一览式监测概念还支持将所有监测数据整合到一个统一的显示器中。目前，先进的血流动力学变量通常显示在专用、笨重的独立监护仪上，与显示生命体征的标准多参数监护仪放在一起。基于脉搏轮廓或脉搏波分析的系统主要是通过动脉压力波形计算每搏量和衍生参数（如心输出量和血管阻力）的算法。从技术角度看，这类算法尚未集成到标准床旁监护仪中，这多少令人感到意外。这样做可以腾出病人周围的宝贵空间，降低血流动力学监测的总体成本。此外，将这些变量整合到一个经过精心设计的界面中，可以提高临床医生快速识别异常趋势或情况的能力，同时减轻认知负担。
将数据转化为知识
直到最近，血流动力学变量通常以孤立的指标显示，用颜色区分，但没有标准化或明确其临床重要性的优先顺序。这种方法让临床医生不得不在脑海中整合和解释数据，这可能很耗时，并且在紧急情况下容易出错。呈现血流动力学数据的更直观的策略是使用刻度盘或颜色编码等视觉辅助工具来指示变量何时超出正常范围或预定义的治疗目标。自 2007 年以来，越来越多的血流动力学监测器采用“类似飞机驾驶舱”的屏幕（图 1）。进一步的进步将是根据血流动力学变量的生理关系对其进行分层。例如，平均动脉压由心输出量和全身血管阻力决定，而心输出量本身取决于每搏输出量和心率。如图 2 所示，以视觉方式显示这些相互关系可以让临床医生立即了解血流动力学概况。尽管最近开发了机器学习 (ML) 算法来自动识别血流动力学表型或特征，但视觉分析可能提供同样有效且更简单的替代方案 。视觉工具利用临床医生快速处理图形数据的能力，可以增强对循环衰竭潜在机制的理解，而无需复杂的算法。为了验证这种方法，在临床环境中评估视觉分析与机器学习算法的有效性的比较研究将非常有价值。
图1，驾驶舱屏幕示例。该屏幕由 F. Michard 和 U.J. Pfeiffer 于 2007 年为 UP-MED（德国慕尼黑）的 Intellegio 显示器设计。此后，多家公司已将这一概念应用于其显示器。经 UP-MED 创始人 U.J. Pfeiffer 许可
图2，图形显示的演变：从数据到知识。从数据（带有无意义颜色编码的数字表）到信息（超出正常范围的血流动力学变量变得非常明显）和知识（血流动力学变量根据其生理关系呈现，可以一目了然地识别血流动力学特征——本例中为低血容量性休克）
抽象显示
多项研究探索了抽象图形显示（如直方图、多边形或蜘蛛网状目标）与传统表格数字显示相比的临床实用性。这些研究一致证明了图形格式在增强生理数据解释方面的潜力。在受控实验室环境中，Gurushanthaiah 等人使用标准数字显示或图形格式（直方图和多边形）来监测生命变量，评估了麻醉实习医生的表现。他们的研究结果表明，图形显示显著缩短了响应时间，提高了检测急性生理变化的准确性。Blike 等人研究了图形对象（具有有意义形状的数据的视觉表示）是否可以提高麻醉师准确快速诊断五种常见休克病因的能力：过敏反应、心动过缓、心肌缺血、血容量不足和肺栓塞。该研究利用包括心率、血压、肺动脉压、中心静脉压和心输出量在内的数据集，将字母数字数据呈现与图形显示进行了比较。使用图形格式的麻醉师诊断错误更少，并且更快地完成了休克识别和诊断。Vallée 等人 介绍了一种蜘蛛网状的可视化工具，旨在帮助临床医生遵守“拯救脓毒症运动”指南。这种创新的目标屏幕同时显示了中心静脉血氧饱和度、乳酸水平、平均动脉压、动脉血氧饱和度和心脏指数等变量。研究发现，图形工具提高了对脓毒症指南的遵守程度，这可以通过增加中心静脉血氧饱和度和乳酸水平的测量率来证明。虽然这些研究并未证明患者预后有直接改善，但潜在的下游益处令人信服。随着时间的推移，对既定指南的遵守程度提高以及更快、更准确的诊断可能会转化为更好的临床结果。
解剖或隐喻展示
解剖或隐喻显示提供了器官或人体的视觉表示，旨在帮助临床医生（尤其是经验较少的临床医生）快速识别和更好地理解血流动力学异常 [14]。Agutter 等人评估了麻醉师在处理模拟复杂外科病例时的表现，使用传统的床边监护仪或心血管系统的图形表示来可视化肺动脉导管测量的血流动力学变量。研究表明，使用图形显示可以更早开始治疗，收缩压和中心静脉压与基线的偏差更小，并且在模拟结束时动脉血氧饱和度更高。在随后的一项研究中，同样的隐喻显示证明了其在减少检测不良事件所需的时间和在模拟场景中开始治疗的时间方面的实用性。最近的研究探索了动画患者“化身”在临床环境中的价值。这些虚拟形象通过视觉修改形状、颜色和下腔静脉、心脏和主动脉的动画等元素来反映血流动力学变量（例如心率、血压、中心静脉压和心脏指数），从而动态地表示患者的生理状态。研究表明，基于虚拟形象的监测可以提高护理人员的情境意识并减少认知工作量。这些发现表明，无论是静态还是动画，隐喻显示都对推进血流动力学监测具有重大前景。
临床超声心动图的（革命性）发展
超声心动图是评估心脏功能的基石，可提供实时成像和血流动力学信息，这对于评估和管理危重患者至关重要。它被广泛推荐作为出现循环休克迹象患者的一线诊断和管理工具。超声心动图技术的最新进展提高了其可及性和实用性。最显著的创新之一是袖珍成像设备的出现（图 3）。这些便携式工具使超声心动图更加方便，使临床医生即使在资源有限的环境中也能高效、方便地进行床旁超声 (POCUS) 评估。尽管外形紧凑，但许多现代设备都能提供高分辨率成像，并结合了曾经只有更大、更复杂的系统才具备的功能。
图3，超声心动图设备的演变。三十年来，超声设备从笨重且昂贵的推车式机器演变为价格实惠的无线袖珍换能器，可连接到智能手机或电子平板电脑
然而，超声评估的有效性仍然高度依赖于操作者。对于经验不足的临床医生或实习医生来说，实现对心脏功能的精确定量评估尤其具有挑战性。为了解决这些限制，最近的超声设备通常包括先进的软件创新，旨在提高床边超声心动图评估的质量和一致性。这些工具旨在简化图像采集、优化测量并减少操作员的差异，从而提高诊断准确性。
支持人工智能的超声工具
人工智能 (AI) 与超声成像的结合为血流动力学评估开辟了新途径。机器学习算法经过大量超声心动图图像数据集的训练，现在能够识别多个超声视图、指导用户优化图像质量并自动测量关键的超声心动图变量。这些进步减少了操作者内部差异（传统超声评估的常见限制），从而提高了诊断的可靠性和一致性 。
人工智能超声工具让不同专业水平的临床医生都能进行复杂的超声心动图分析。这些系统可以提供以前未经大量培训就无法获得的关键信息和参数。通过普及高级血流动力学评估，人工智能驱动的创新有可能改善患者治疗。
大多数用于超声心动图的机器学习算法都是为实时估计左心室射血分数 (LVEF) 而开发的，主要在心脏病患者中得到验证。在危重患者中，Varudo 等人最近使用了一种神经网络算法，该算法可自动识别心尖四腔视图，检测左心室的心内膜边界，并根据二尖瓣运动确定舒张末期和收缩末期的时间。使用这些数据，它可以计算左心室容积和 LVEF。这项研究报告了检测左心室收缩功能障碍的极佳特异性 (> 95%)。值得注意的是，与专业超声心动图医师进行的手动测量相比，新手用户使用 ML 算法获得的 LVEF 测量结果更加一致。这凸显了 AI 提高可靠性的潜力，尤其是对于经验不足的操作员而言。值得注意的是，一些 ML 算法可以直接估计 LVEF，而无需计算左心室容量。
机器学习算法现在能够自动评估各种血流动力学变量，包括主动脉下速度时间积分 (VTI)。主动脉下 VTI 是左心室搏出量的替代指标，在血流动力学评估中起着关键作用。它可以通过观察被动抬腿动作或液体冲击过程中 VTI 的显著增加来帮助确定液体反应性。此外，VTI 测量值还用于计算心输出量 。机器学习算法可以自主识别心尖五腔视图并定位左心室流出道。然后，它们将脉冲波多普勒采样盒最佳定位在流出道中，以捕获高质量的多普勒信号并计算几秒钟内的平均 VTI（图 4）。即使由受训人员执行，此过程也能提供快速可靠的 VTI 估计。此外，ML 算法将其功能扩展到其他血流动力学标志物。它们可以自动量化下腔静脉直径的呼吸变化，这是公认的机械通气患者液体反应性指标 。机器学习工具还可以测量二尖瓣环平面收缩期位移 (MAPSE)，这是左心室收缩功能的标志 。
图4，用于自动测量主动脉下速度时间积分 (VTI) 的人工智能工具示例
斑点追踪超声心动图
斑点追踪超声心动图 (STE) 是一种先进的技术，可增强心肌功能评估，现在临床医生更容易掌握，即使是那些没有丰富超声心动图经验的医生也可以使用。与传统方法不同，STE 会追踪自然声学标记或“斑点”，以可视化和量化心肌缩短。STE 的一项关键进步是它可实时应用，而不是像以前那样依赖于离线、成像后分析。这种实时功能可为临床医生在床边评估期间提供可操作的见解，使其成为指导患者管理的宝贵工具。通过提供有关心肌应变的精确数据，STE 可以补充传统的超声心动图技术，帮助检测可能被忽略的心脏功能的细微变化。
整体纵向应变 (GLS) 是收缩期心肌缩短的直接定量测量指标，与右心室或左心室射血分数相比，它能更精确地评估心脏功能。与 LVEF 不同，GLS 测量心肌变形时不受这些限制，而 LVEF 是从收缩末期和舒张末期容积得出的，并且依赖于 Simpson 圆盘法中使用的几何假设，因此它可能更可靠]。GLS 值以负百分比表示，反映心肌缩短，正常值通常在两个心室的 -20% 到 -30% 之间。较小的负值（例如 -15%）表示心肌缩短受损。除了数值之外，STE 与颜色编码相结合，可以生成心肌应变的动态可视化效果，从而增强临床医生评估心脏功能的能力。视频 S1（补充文件 1）显示了使用 STE 进行左心室收缩功能评估的示例。事实证明，GLS 是检测亚临床心脏功能障碍的高灵敏度标记。荟萃分析强调了其与传统超声心动图参数相比的优越灵敏度，特别是在早期识别左心室功能障碍方面 。此外，与传统的左心室功能评估相比，GLS 测量降低了对操作员的依赖性，提供了更高的可重复性。
斑点追踪超声心动图也是评估右心室功能的重要工具，可提供超越传统超声心动图参数的见解。对于患有慢性心力衰竭和接受心脏手术的患者，与三尖瓣环平面收缩期偏移 (TAPSE) 相比，右心室 GLS 在检测右心室功能障碍方面表现出更高的灵敏度。此外，研究发现，右心室 GLS 可更准确地预测这些人群的临床结果。TAPSE 的局限性可能源于其仅关注右心室的一小部分区域，只能提供收缩功能的区域评估。此外，TAPSE 依赖于角度，这可能会引入变化并降低其检测整体收缩功能障碍的灵敏度 。同样，另一个常用于评估右心室收缩功能的参数是收缩面积分数 (FAC)，它与 LVEF 具有间接性质，并且受制于几何假设。相比之下，右心室 GLS 可直接测量心肌缩短。但应注意的是，它受室间隔缩短的影响，而室间隔缩短又受左心室收缩功能的影响，可能会混淆其解释 。尽管存在这一局限性，但研究表明，在识别右心室收缩功能障碍方面，右心室 GLS 可能优于 FAC [48] 甚至三维射血分数。这些优势凸显了右心室 GLS 在评估和管理右心室功能受损患者方面日益重要的作用。
这些硬件和软件创新只是超声技术变革时代的开始。事实上，可穿戴多普勒传感器现已可用于监测颈动脉血流的动态变化 ，创新的超声粘性贴片也即将问世。另一方面，在许多医院，尤其是在中等收入国家，现有超声心动图解决方案的可及性和对潜在用户的充分培训仍然是一项挑战。在互联网接入可靠的环境中，远程解释非医生拍摄的图像可以提供一种实用的解决方案，确保更多患者从超声创新中受益。
舌下视频显微镜检查
脓毒症和休克状态下的微循环成像显示，微血管改变的发生率很高，这是疾病严重程度的标志。当旨在使血压和心输出量正常化的复苏努力未能恢复足够的组织灌注（这种情况称为血流动力学不一致）时，很可能存在隐匿性休克 。在这种情况下，微循环休克的特点是尽管全身和局部血流明显正常化，但组织灌注不足持续存在（视频 S2 补充文件 2）。这强调了在复苏过程中监测微循环的潜在价值，以确保有效恢复组织灌注和氧合。
手持式活体显微镜
25 年前，手持式活体显微镜的问世使人们可以在床边观察微循环 [57]。第一项创新来自正交偏振光谱 (OPS) 成像的发展，该技术可以无创地观察暴露组织和器官中的人体微循环 。该技术利用与血红蛋白吸收相对应的波长的线性偏振光，使红细胞以黑色结构的形式流经微血管 。随后，侧流暗场 (SDF) 成像技术超越了 OPS 技术，该技术提供了增强的对比度和更好的毛细血管可视化 。SDF 技术采用六个脉冲绿色 LED 光源，与相机的帧速率同步，实现活体频闪检查以获得更出色的成像效果。最新一代手持式活体显微镜采用入射暗场 (IDF) 照明，以更高分辨率的光学元件和自动对焦功能进一步推动了该领域的发展。这些创新使视野增加了三倍，可以进行更全面、更详细的微循环评估（图5）。
图5，舌下微循环图像的演变。从正交偏振光谱 (OPS) 到侧流暗场 (SDF) 和间接暗场 (IDF) 成像技术
由于舌下黏膜相对容易进入，因此是重症患者微循环评估研究最多的区域。这种血管丰富的组织直接由舌动脉（颈外动脉的一个分支）供应，并流入颈内静脉 。据报道，不同器官的微循环状态存在差异，突出表明舌下微循环的减少并不总是等同于肠道或肾脏的灌注不足。使用手持式活体显微镜评估舌下微循环可以量化几个关键参数，包括血管密度、灌注、红细胞速度和异质性。其中，灌注血管密度 (PVD) 是一个关键测量指标。PVD 反映了具有连续血流的毛细血管数量，可直接评估灌注情况并间接估计组织供氧量 。这些指标可用于评估微循环健康状况。它们是否以及如何帮助指导危重患者的治疗干预仍有待探索。
实际挑战
捕捉高质量的微循环视频需要大量的训练，以实现适当的照明、准确的聚焦、稳定的成像序列以及避免压力伪影。成像过程中的血管压缩会破坏正常的流动模式，这是最常见的问题，经常被误解为微循环功能障碍。为了区分真正的微循环改变和成像伪影，应仔细评估某些迹象。例如，双向流动或先前停止的血管中流动的突然恢复通常表明外部压缩而不是病理变化。在生理条件下，微血管流动是连续的和单向的 。了解这些细微差别对于避免误诊和确保微循环的可靠评估至关重要。
将微循环评估整合到常规 ICU 实践中的另一个挑战是缺乏自动化、即时的结果，需要离线和耗时的分析。由于准确性和精确度问题，开发定性、即时治疗评估方法的尝试一直未能成功。现有的分析SDF和IDF成像的软件需要大量的手动输入，使得该过程劳动强度大，不太适合实时决策。
微血管评估和分析的下一个前沿
需要开发自动化软件来实现实时床边微血管评估。新软件使用先进的计算机视觉算法，可以自主分析图像序列，无需人工干预。除了标准变量外，它还引入了新的指标，如毛细血管血细胞比容（红细胞体积与微血管体积的比率）和组织红细胞灌注，后者可以量化血管内的红细胞位移。然而，这些指标在个体之间差异很大，它们是否可以在未来重新定义组织灌注的目标仍有待探索 。另一项创新是将双波长血氧测定与 SDF 成像相结合，从而能够测量氧合血红蛋白和脱氧血红蛋白的消光系数，以确定血红蛋白饱和度。该技术旨在通过评估焦深来同时测量组织灌注、氧合、炎症和组织水肿。此外，它还可以跟踪白细胞动力学，并可能为糖萼降解和微血管炎症提供见解。
结论
超声设备的小型化和成本降低在手术室和重症监护室的广泛应用方面发挥了关键作用。结合人工智能工具，这些设备现在有助于简化超声心动图评估，即使经验不足的临床医生也能获得可重复的血流动力学测量。斑点追踪超声心动图已经出现，可以对心肌缩短进行直接、视觉和定量评估。该技术为评估左右心室收缩功能的传统方法提供了一种引人注目的替代方法。
同时，舌下微循环成像突显了重症患者微血管改变的患病率很高。手持式活体显微镜现在允许临床医生量化血管密度、灌注、红细胞速度和 PVD 等参数，为微循环健康提供了新的视角。然而，这些指标在指导治疗干预方面的作用仍然是一个正在进行的研究领域。
与此同时，心输出量监测器也发生了重大变化，采用了先进的图形显示。这些工具在检测异常血流动力学状态和轨迹方面提供了视觉清晰度，帮助临床医生了解血流动力学不稳定的潜在机制。
