Mechanical ventilation is a widely used clinical intervention among intensive care patients to assist with breathing. Although it can be useful in facilitating patient recovery, the machine used during this therapy, ventilators, are highly complex, and patient needs vary greatly. The MV-Optimizer is an existing clinical forecasting software to help clinicians with proper ventilator management and improve the ventilatory treatment of critical care patients. The objective of this project is to enhance the development of a clinical forecasting system within the context of multiple ongoing research projects conducted by the BIOART research group, MV- Optimizer. This will involve the integration of gas exchange and alveolar recruitment models, as well as a sensitivity analysis using the recently improved system. Regarding gas exchange, the model implemented into the MV-Optimizer includes ventilation, perfusion, and pulmonary shunt fractions. Simulations were run, and changes in the alveolar and arterial oxygen and carbon dioxide pressures due to alterations in the ventilation-perfusion ratio were observed and qualitatively validated with results seen in the literature. Due to the differences between pressures on an alveolar and arterial level, an alveolar-arterial gradient, common in patients with impaired ventilation-perfusion ratios, was also noted. To portray the recruitment of collapsed lung areas during recruitment maneuvers, two recruitment models (MR1 and MR2) were analyzed and compared to the one already implemented in the model (MR3). The new models incorporate dynamic elastance and resistance components representing recruitment and distension. The parameters of the three models were adjusted using optimization techniques to quantitatively evaluate their prediction capability using experimental data. Findings highlight MR3's accuracy in predicting respiratory mechanics. However, MR1 exhibited similar accuracy in respiratory mechanics and reduced the prediction error of the pressure, suggesting its potential benefits in mechanically ventilated patients. Because of the intricate nature of models in the MV-Optimizer system and the numerous parameters involved, a sensitivity analysis was required to determine which parameters were most crucial to adjust for personalizing predictions. Simulations varying parameter values individually for four distinct clinical scenarios were performed on the upgraded MV-Optimizer with gas exchange modifications. Parameters were selected based on their total and relative sensitivity levels to allow for an appropriate global adjustment, while also ensuring the variables of interest were predicted accurately. Results emphasize the selection of parameters related to the respiratory, cardiovascular, and central neural control systems. Furthermore, two parameters of the newly implemented gas exchange model had the highest relative sensitivity for variables related to gas pressures, indicating their importance in these calculations
La ventilación mecánica es una intervención clínica ampliamente utilizada en pacientes de cuidados intensivos para ayudar con la respiración. Aunque puede ser beneficioso para facilitar la recuperación del paciente, la máquina utilizada durante esta terapia, los ventiladores, son complejos y las necesidades de cada paciente varían ampliamente. El MV- Optimizer es un software de pronóstico clínico para ayudar a los médicos con la gestión de ventiladores y mejorar el tratamiento ventilatorio de pacientes críticos. El objetivo de este proyecto es mejorar el desarrollo de un sistema de pronóstico clínico en el contexto de múltiples proyectos de investigación en curso por el grupo de investigación BIOART, MV- Optimizer. Esto implicará la integración de modelos de intercambio de gases y reclutamiento alveolar, así como un análisis de sensibilidad utilizando el sistema recientemente mejorado. En cuanto al intercambio de gases, el modelo implementado en el MV-Optimizer incluye fracciones de ventilación, perfusión, y shunt pulmonar. Se realizaron simulaciones y se observaron cambios en las presiones de oxígeno y dióxido de carbono alveolares y arteriales debido a alteraciones en la relación ventilación-perfusión. Estos se validaron cualitativamente con resultados publicados en la literatura. Diferencias en las presiones produjeron un gradiente alveolo-arterial, común en pacientes con relaciones ventilación-perfusión alteradas. Para representar el reclutamiento de áreas pulmonares colapsadas durante maniobras de reclutamiento, se analizaron dos modelos de reclutamiento (MR1 y MR2) que se compararon al modelo ya implementado (MR3). Los modelos nuevos incorporan componentes dinámicos de elastancia y resistencia que representan el reclutamiento y la distensión. Se ajustaron los parámetros de los modelos con técnicas de optimización para evaluar su capacidad predictiva cuantitativamente con datos experimentales. Aunque los resultados destacan la precisión de MR3 en la predicción de la mecánica respiratoria, MR1 mostró una precisión similar y disminuyó el error de la presión, lo que sugiere su posible beneficio en pacientes ventilados. Debido a la naturaleza intrincada de los modelos en el MV-Optimizer y la cantidad de parámetros asociados, se realizó un análisis de sensibilidad para determinar los parámetros más importantes para ajustar y personalizar las predicciones. Se realizaron simulaciones variando los valores de los parámetros individualmente para cuatro escenarios clínicos en el MV-Optimizer actualizado con las modificaciones a la planta de intercambio de gases. Parámetros se seleccionaron en función de su sensibilidad total y relativa para permitir un ajuste global adecuado y garantizar una precisa predicción de las variables de interés. Resultados resaltan la selección de parámetros relacionados con el sistema respiratorio, cardiovascular y de control neural central. Además, dos parámetros del modelo de intercambio de gases añadido presentaron una alta sensibilidad relativa para las variables relacionadas con las presiones de los gases, lo que indica su importancia en estos cálculos
La ventilació mecànica és una intervenció clínica àmpliament utilitzada en pacients de cures intensives per ajudar amb la respiració. Tot i que pot ser beneficiós per facilitar la recuperació del pacient, la màquina utilitzada durant aquesta teràpia, els ventiladors, són complexos i les necessitats de cada pacient varien àmpliament. El MV-Optimizer és un software de pronòstic clínic per ajudar als metges amb la gestió dels ventiladors i millorar el tractament ventilatori de pacients crítics. L'objectiu d'aquest projecte és millorar el desenvolupament d'un sistema de pronòstic clínic en el context de múltiples projectes d'investigació en curs realitzats pel grup de recerca BIOART, MV-Optimizer. Això implicarà la integració de models d'intercanvi de gasos i reclutament alveolar, així com una anàlisi de sensibilitat utilitzant el sistema recentment millorat. En quant a l'intercanvi de gasos, el model implementat en el MV-Optimizer inclou fraccions de ventilació, perfusió i shunt pulmonar. Es van realitzar simulacions i es van observar canvis en les pressions d'oxigen i diòxid de carboni alveolars i arterials a causa d'alteracions en la relació ventilació-perfusió. Aquests es van validar qualitativament amb resultats publicats a la literatura. Diferències en les pressions van produir un gradient alveolo-arterial, comú en pacients amb relacions ventilació-perfusió alterades. Per representar el reclutament d'àrees pulmonars col·lapsades durant maniobres de reclutament, es van analitzar dos models de reclutament (MR1 i MR2) i es van comparar amb el model ja implementat (MR3). Els nous models incorporen components dinàmics d'elasticitat i resistència que representen el reclutament i la distensió. Es van ajustar els paràmetres dels models mitjançant tècniques d'optimització per avaluar quantitativament la seva capacitat predictiva amb dades experimentals. Tot i que els resultats destaquen la precisió de MR3 en la predicció de la mecànica respiratòria, MR1 va mostrar una precisió similar i va reduir l'error predictiu de la pressió, el que suggereix el seu potencial d'ús en pacients ventilats. A causa de la naturalesa intrincada dels models en el MV-Optimizer i la quantitat de paràmetres associats, es va realitzar una anàlisi de sensibilitat per determinar els paràmetres més importants per ajustar i personalitzar les prediccions. Es van realitzar simulacions variant els valors dels paràmetres individualment per a quatre escenaris clínics en el MV-Optimizer actualitzat amb les modificacions a la planta d'intercanvi de gasos. Els paràmetres es van seleccionar en funció de la seva sensibilitat total i relativa per permetre un ajust global adequat i garantir una precisa predicció de les variables d'interès. Els resultats destaquen la selecció de paràmetres relacionats amb el sistema respiratori, cardiovascular i de control neural central. A més a més, dos paràmetres del model d'intercanvi de gasos afegit van tenir una sensibilitat relativa alta per a les variables relacionades amb les pressions dels gasos, el que indica la seva importància en aquests càlculs
