李傳雄 楊雨欣 富嘉慧 鄭曉樺 李慧玄 肖偉文 余遠波

關(guān)鍵詞：數(shù)字孿生；肺功能；慢阻肺

0 引言

慢性阻塞性肺疾?。ê喎Q慢阻肺，Chronic Ob?structive Pulmonary Disease，COPD） 是全球常見的慢性病之一。根據(jù)世界衛(wèi)生組織的數(shù)據(jù)，慢阻肺的致死率位居全球死亡原因的第4位，至2020年COPD將位居世界疾病經(jīng)濟負擔的第5位。全球COPD倡議組織將肺功能標準化檢查列為診斷COPD的金標準[1]。肺功能指標的降低是COPD的一個重要特征[2]，而指標值的提高則表明健康狀況較好。當前的研究表明，COPD可以在早期階段被診斷，通過智能手機監(jiān)測肺活量[3]、控制BMI以及保持良好的生活習慣，可以有效提高預防COPD的效率[4]。體力活動是慢性疾病一級預防的主要方法之一，體力活動的變化是慢性疾病流行的一個重要因素。研究顯示，改善體力活動水平可以延緩肺功能的下降[5]。通過追蹤身體數(shù)據(jù)，患者可以控制BMI并形成良好的生活習慣，同時，病情數(shù)據(jù)的追蹤有助于患者有效預防和阻止病情的惡化。

1 數(shù)字孿生技術(shù)簡介

2003年，密歇根大學的Michael Grieves教授首次提出了“信息鏡像模型”（Information Mirroring Model） 的抽象概念。2011年，Grieves教授正式提出了數(shù)字孿生（Digital Twin） 的概念。隨著數(shù)字孿生技術(shù)的逐步完善和應用，其在多個領(lǐng)域的影響日益顯著?！督】抵袊?030規(guī)劃綱要》指出，數(shù)字孿生、人工智能等新技術(shù)正在加速與醫(yī)療行業(yè)的融合，推動了我國數(shù)字孿生技術(shù)在醫(yī)療領(lǐng)域的研究與應用。數(shù)字孿生技術(shù)通過數(shù)字化手段建立物理實體的多維、多時空尺度、多學科、多物理量的動態(tài)虛擬模型，以仿真和刻畫物理實體在真實環(huán)境中的屬性、行為和規(guī)則。該技術(shù)整合了三維建模、仿真與優(yōu)化、物聯(lián)網(wǎng)與傳感器、人工智能和虛擬現(xiàn)實等一系列先進的信息技術(shù)[6]。在數(shù)字孿生技術(shù)的發(fā)展中，構(gòu)建數(shù)字孿生模型成為首要任務。這些模型通?；贕rieves教授最初定義的三維模型，即包括物理實體、虛擬實體及二者間的連接[7]。此外，隨著技術(shù)的進步，本研究還采納了陶飛等人提出的數(shù)字孿生五維模型MDT概念[8]，即：

式（1） 中，PE 為物理實體；VE 為虛擬實體；Ss 為服務；DD 為孿生數(shù)據(jù)；CN 為各組成部分間的連接。而數(shù)字孿生五維模型MDT概念也有大量的實例應用。其中，張在房[9]等人開發(fā)了肺結(jié)節(jié)診斷的數(shù)字孿生系統(tǒng)，展示了數(shù)字孿生在醫(yī)療領(lǐng)域應用的特點。

本研究主要針對慢性阻塞性肺疾病（COPD） 患者，旨在構(gòu)建人體肺部的數(shù)字孿生體，以便觀察患者病情的可能變化及在康復周期內(nèi)運動對病情的影響。數(shù)字孿生模型包括物理實體肺部和虛擬肺部模型[10]。物理實體肺部不僅包含肺部本身，還包含基礎數(shù)據(jù)；通過采集這些基礎數(shù)據(jù)，可以構(gòu)建人體肺部的仿真模型。虛擬肺部模型則包括幾何模型及慢阻肺病情仿真模型，通過慢阻肺病情數(shù)據(jù)指標檢測及特定算法聯(lián)動實體基礎數(shù)據(jù)，實現(xiàn)數(shù)字孿生的目標。

2 系統(tǒng)分析與設計

2.1 設計目的

慢阻肺數(shù)字孿生系統(tǒng)，作為一款集成人體肺部數(shù)字孿生和慢阻肺病情重要指標院外檢測功能的系統(tǒng)，其設計目標主要包括：1） 科學構(gòu)建人體肺部的數(shù)字孿生模型，并有效檢測慢阻肺患者的院外重要指標，以提高數(shù)據(jù)的檢測準確性，便于用戶在日常生活中實時監(jiān)控病情；2） 設計一個美觀且邏輯清晰的人機交互界面。

2.2 技術(shù)框架

uni-app 是一個使用Vue 語法的跨平臺前端框架。開發(fā)者可以編寫一套代碼，隨后編譯至 iOS、An?droid、H5、小程序等多個平臺。Three.js 是一個基于JavaScript 的開源 3D 圖形庫，它利用 WebGL 技術(shù)在網(wǎng)頁上渲染 3D 圖形。此庫提供了多種高級功能，如幾何體、紋理、光照和陰影等，使開發(fā)者能夠快速創(chuàng)建復雜且逼真的 3D 場景。

2.3 需求分析

通過采集可穿戴設備獲取的血氧飽和度、肺活量等數(shù)據(jù)，使用人體肺部數(shù)字孿生模型系統(tǒng)，為慢性阻塞性肺疾病康復期的用戶提供三維展示、數(shù)據(jù)與模型聯(lián)動等方式觀察自身病情可能存在的變化，并根據(jù)異常的病情數(shù)據(jù)向用戶發(fā)出警示。

2.4 功能設計

主要功能設計如圖1所示，包括：1） 基礎數(shù)據(jù)，錄入用戶的身體數(shù)據(jù)（年齡、身高、體重等）；2） 病情數(shù)據(jù)，通過可穿戴設備獲取康復期的運動數(shù)據(jù)和微信運動步數(shù)；3） 肺生理三維結(jié)構(gòu)展示，通過三維孿生體模型展示與聯(lián)動；4） 模型的透視與分解，提供用戶與模型的交互功能；5） 數(shù)據(jù)可視化，對采集的數(shù)據(jù)進行可視化處理；6） 病情指標檢測，根據(jù)檢測到的慢阻肺影響指標SpO2 （血氧飽和度）及異常的病情數(shù)據(jù)變化來發(fā)出警示。

3 系統(tǒng)實現(xiàn)

3.1 肺部數(shù)字孿生外觀模型的構(gòu)建

由于每個人的器官都存在一定的差異，人體器官通常與各種身體數(shù)據(jù)相關(guān)。在這其中，肺部模型的外觀和大小由TLC（肺總量）決定?？偡稳萘靠赏ㄟ^公式TLC（肺總量）=肺活量（VC） +殘氣容積（RV） 來初步確定。此外，持續(xù)追蹤肺活量的變化對于實現(xiàn)動態(tài)數(shù)字孿生至關(guān)重要。

TLC （肺總量）也會隨用戶身體數(shù)據(jù)的變化而調(diào)整，因此，結(jié)合用戶的具體身體數(shù)據(jù)來進一步確定肺部三維模型的外觀是必要的。研究表明，人體肺部的功能與肺的彈性性能、年齡、胸壁、體重、身高、性別等因素有關(guān)[11]。因此，通過收集用戶此類基礎身體數(shù)據(jù)，可以進一步確認肺部三維模型外觀。

每個用戶的生活行為差異也會影響TLC與相關(guān)數(shù)據(jù)之間的關(guān)系。因此，需要收集用戶的生活行為數(shù)據(jù)（如抽煙行為等）。不同年齡區(qū)間的用戶，體力活動水平對其影響也有所不同。對于60歲以上的用戶，不同的體力活動水平會對其心肺功能產(chǎn)生不同影響，研究顯示體力活動水平較高的老年人通常具有較低的安靜心率和血壓，以及較高的肺活量，這表明在日常生活中增加體力活動有助于維持心肺健康[12]。對于60歲以下的用戶，需要考慮他們的吸煙狀況、BMI健康指數(shù)等因素，研究發(fā)現(xiàn)隨著日吸煙量的增加，腰圍增大，肺功能指標下降，且吸煙量越大，肺功能指標的下降幅度越顯著[13]。

因此，為了使數(shù)字孿生外觀模型更加精確，還需要收集生活行為、胸圍、體力活動水平、BMI健康指數(shù)等數(shù)據(jù)，以構(gòu)建更為真實的數(shù)字孿生外觀模型。虛擬模型外觀構(gòu)建的算法流程圖如圖2所示。

首先，進行數(shù)據(jù)初始化，獲取用戶的個人信息，包括各項基礎數(shù)據(jù)的初始值（如年齡、性別、體重、身高等）。

接著，采集用戶的特有基礎數(shù)據(jù)，包括肺活量、胸圍、日常體力活動習慣、吸煙狀況及其他生活行為。對數(shù)據(jù)進行處理后，將人的肺部模型根據(jù)年齡分為不同階段，主要分為12～60 歲區(qū)間和60～69 歲區(qū)間。由于69歲之后可能出現(xiàn)的不確定性疾病及衰老相關(guān)的多種不確定因素，因此不將69歲之后的數(shù)據(jù)納入計算。根據(jù)馬冠等人的研究[12]，將不同區(qū)間的肺部模型依據(jù)個人特有基礎數(shù)據(jù)進行分類；首先判斷年齡區(qū)間，其次判斷性別，再利用BMI健康指數(shù)計算公式：BMI健康指數(shù)=體重kg/身高m^2，根據(jù)中國的BMI標準，劃分用戶的肥胖程度（偏瘦：BMI≤18.4；體質(zhì)正常：18.5≤BMI≤23.9；體質(zhì)過重：24.0≤BMI≤27.9；體質(zhì)肥胖：28.0≤BMI≤32.0；重度肥胖：BMI＞32.0） 。

通過計算BMI健康指數(shù)，并結(jié)合胸圍數(shù)據(jù)，判斷胸廓橫徑的變化趨勢。進一步通過判斷是否存在駝背畸形，初步區(qū)分用戶的肺部模型。隨后，根據(jù)得到的結(jié)果進一步確認用戶的特有模型；研究表明，吸煙者的肺功能通常低于非吸煙者。中等及高水平的體力活動能夠緩解肺功能的下降，因此隨著體力活動水平的提高，吸煙與非吸煙者之間的肺功能指標差異會增大[13]。系統(tǒng)因此需要對體力活動習慣、生活習慣及吸煙狀況進行評估。

3.2 慢性阻塞性肺病的院外監(jiān)測：血氧飽和度和肺活量

慢性阻塞性肺?。–OPD） 是一種具有可檢測指標的慢性肺部疾病。其中，反映肺氣體交換能力的血氣分析是主要的檢測指標，對于伴有呼吸衰竭的COPD 患者尤為重要。正常人的經(jīng)皮血氧飽和度（SpO2） 應在94%或以上，而COPD患者可能因肺功能不足、氣道阻塞或呼吸困難等原因?qū)е卵跛浇档蚚14]。通過可穿戴設備監(jiān)測血氧飽和度，COPD患者可以隨時了解自己的血氧水平，及時發(fā)現(xiàn)血氧水平下降的情況。對于COPD患者而言，高強度的運動可能會使血氧飽和度降低。因此，可以通過監(jiān)測運動全程的心率和患者的自我疲勞感知來評估并規(guī)避風險。COPD患者的運動強度應控制在適宜的心率范圍內(nèi)。可穿戴設備通過SpO2監(jiān)測有助于管理COPD病情，若血氧水平持續(xù)低于正常值，患者應尋求醫(yī)療建議和治療。

肺活量是衡量COPD患者肺功能的一個重要指標，反映了人體肺部的功能活動，且因個體差異而有所不同。從某種角度來看，肺活量也可以表示個體進行深呼吸的能力，通常與年齡、性別、體型、健康狀況及呼吸肌的強弱有關(guān)。成年人的肺活量因性別而異，通常男性的肺活量高于女性，這是由于女性的胸廓和肺部容積通常相對較小。COPD患者由于肺部功能受損，其肺活量通常略低于正常人。

對于COPD患者而言，風險預測和適量的康復訓練能起到正向促進作用[15]。慢阻肺病情檢測算法流程如圖3所示，經(jīng)過算法處理后，將病變情況體現(xiàn)在虛擬模型上。

首先，需要初始化數(shù)據(jù)，這一過程基于模型構(gòu)建時所獲取的用戶基礎數(shù)據(jù)。接著，采集用戶的肺活量、SpO2數(shù)值及康復訓練程度。采集停止后，需要將這些數(shù)據(jù)與虛擬模型構(gòu)建算法結(jié)合，重點檢測COPD 患者的院外病情實時獲取用戶肺活量數(shù)據(jù)。由于COPD患者的肺部功能受損，其肺活量通常略低于正常人，因此，需要監(jiān)測肺活量是否異常。隨后進行SpO2的評估，將SpO2低于正常區(qū)間（SpO2＜94%） 的用戶模型區(qū)分出來，并根據(jù)用戶的康復訓練程度及實時SpO2數(shù)據(jù)，對病變模型進行實時檢測與更新。

3.3 功能介紹

用戶打開慢阻肺數(shù)字孿生系統(tǒng)微信小程序，界面主要包括首頁、數(shù)字孿生和我的，具有以下主要功能：1） 用戶首次使用時須進行登錄或注冊。2） 在首頁，用戶可以通過可穿戴設備進行數(shù)據(jù)采集并查看數(shù)據(jù)的可視化展示，如圖4所示；點擊“我的”，如圖5所示，用戶可上傳更詳細的孿生數(shù)據(jù)，如圖6所示。3） 在數(shù)字孿生界面，如圖7所示，用戶首次上傳孿生數(shù)據(jù)并完成可穿戴設備的連接后，點擊進入數(shù)字孿生系統(tǒng)，如圖8 所示，用戶可以通過交互操作查看三維數(shù)字孿生模型，實現(xiàn)縮放、旋轉(zhuǎn)、定位等功能，如圖9所示，點擊模型的分區(qū)部分可查看該區(qū)域的科普知識。

用戶訪問慢阻肺數(shù)字孿生系統(tǒng)網(wǎng)頁端時，主要界面包括登錄、可穿戴設備數(shù)據(jù)及物理實體數(shù)據(jù)的可視化，以及數(shù)字孿生模型的展示。具體功能如下：用戶首次在微信小程序上進行授權(quán)登錄后，須同步注冊網(wǎng)頁端，并上傳及同步物理實體數(shù)據(jù)和可穿戴設備數(shù)據(jù)。隨后，網(wǎng)頁端將同步這些實體數(shù)據(jù)，進行數(shù)據(jù)處理，并展示數(shù)據(jù)的可視化結(jié)果，如圖10所示。

4 結(jié)束語

本文深入探討了慢阻肺數(shù)字孿生系統(tǒng)的設計與實現(xiàn)，旨在為用戶提供全面?zhèn)€性化的肺部數(shù)字孿生模型服務。該系統(tǒng)通過三維展示及數(shù)據(jù)與模型的緊密結(jié)合，使慢性阻塞性肺疾病患者能夠直觀地觀察自身病情的可能變化。同時，系統(tǒng)還能夠分析康復周期內(nèi)運動量化數(shù)據(jù)的變化對病情的影響，從而為患者提供更科學的康復建議。

數(shù)字孿生系統(tǒng)的核心在于實體數(shù)據(jù)與虛擬模型數(shù)據(jù)之間的精確關(guān)聯(lián)。然而，由于本研究中采用了區(qū)間式劃分方法，不可避免地存在特殊案例與虛擬模型無法完全對應的情況。為了進一步完善系統(tǒng)，研究者計劃優(yōu)化特殊案例與實體數(shù)據(jù)之間的關(guān)聯(lián)算法，并將繼續(xù)深入研究更科學、更符合實際情況的虛擬模型構(gòu)建方法。