人工智能与麻醉

邵海军 胡天然 徐怡琼 罗 艳 于布为

畅想一下,未来某个时刻,3个或更多的手术室里正进行着手术,手术室里没有麻醉科医师,仅控制中心有1位麻醉科医师及其助手,观察着每间手术室的手术进度和麻醉辅助机器人系统的工作状态。想要实现这一激动人心的时刻,离不开每间手术室里的人工智能(artificial intelligence, AI)麻醉辅助系统。

1 AI在麻醉中的应用是社会发展的必然结果

目前,全世界AI技术蓬勃发展。预计至2048年,全世界范围内的机器人总数将超过人类总数,中国将实现AI及相关产业规模超过10万亿元。中国已制订了相关的决策,使与AI有关的理论、技术和应用达到世界领先水平。因此,麻醉学科未来的发展方向,必须要紧跟国家宏观政策,将AI技术快速、有效地运用到麻醉医疗中。

基于我国麻醉科人员结构的现状,迫切需要AI参与工作。目前,中国国内麻醉科医师数量约为10万人,如果按欧美国家每万人需要2.5名麻醉科医师的标准,中国至少还应配备30万名麻醉科医师。在关于全国医师过劳死亡的数据中,麻醉科医师约占一半。在发展相对薄弱的地区,麻醉科医师短缺问题更加突出,AI可在一定程度上改善这一现状,将此类地区的麻醉医学水平提升至发达地区水平,从而促进全国麻醉科的同质化和提高医疗安全性。

在麻醉医疗过程中,AI将发挥很大的优势。一位经过8年医学培养的麻醉学博士,再经过2～3年的专科培训,其临床思维和医疗决策水平,受限于所学的书本知识和所接触的临床病例。AI则可整合海量、多样、真实的数据,再借助各种算法(深度学习、神经网络)、统计学知识,依托强大的处理能力(云计算)来解决问题。在某一简单重复性工作领域,AI具有大数据背景、客观决策、智能预测的优势。

2 AI在麻醉过程中的应用

AI可应用于麻醉前、麻醉中、麻醉后各个环节,其中关于AI在麻醉中的应用研究报道较多。

2.1 AI在麻醉前的应用 主要包括术前麻醉风险评估和术前气道评估。目前,临床上多采用ASA分级进行术前麻醉风险评估,这种分级是主观的,精细度有限。基于AI的术前麻醉风险评估系统,可于术前由患者自主填写相关表格,综合其既往病史和实验室检查结果,借助相关算法和预测模型,自动生成具有更细精度和更多层分级的风险评分。通过这种连续性的评分,可帮助麻醉科医师识别高危患者,从精细的术前麻醉风险评估中获益。这种AI参与的麻醉风险评估,不仅能够提高现有的分级、分层水平,还能提供新型的高度个性化的风险评分。将患者自主评分、客观病史参照、算法对海量数据自动分级相结合,可有效、精确地对患者的麻醉风险进行评估。此外,利用术前数据,再结合术中血流动力学数据,可预测一些术后并发症(急性肾损伤、深静脉血栓形成、肺栓塞和肺炎等)的发生。目前,“我的手术风险”分析平台已经应用于临床研究中[1]。

AI气道评估系统,只需对患者人脸、口腔进行识别,再结合术前头颈部影像学检查结果,可预测患者是否存在困难气道,该性能优于Mallampati评分和甲颏距离对气道的评价效能。目前已有多种术前评估困难气道相关的AI算法、模型,但模型的特异度高、灵敏度低,故可采用基于多种算法进行综合评价。目前,预测小儿困难气道的AI系统已进入临床研究。

2.2 AI在麻醉中的应用 主要包括区域麻醉解剖结构识别、麻醉深度监测、自动给药、术中疼痛管理及不良事件预测等。AI技术可协助超声引导下的血管穿刺、神经阻滞。神经网络可用于超声图像分类和识别。目前已有多项超声图像引导神经阻滞机器人专利获得批准,可用于神经识别、自动定位穿刺点、自动平面内进针,从而实现辅助麻醉科医师完成高精度的神经阻滞。

机器人内窥镜自动气管插管,可自动识别患者插管路径上的各种解剖结构,并通过自动控制系统,将气管导管插入气管内,并固定于合适的深度。

机器人自动抽药系统,可在一定程度上减少因抽药失误而导致的医疗不良事件的发生。此外,其亦可在整个麻醉科某种药物用药高峰前,根据大数据将所需要的药物提前备好。

目前,机器人麻醉相关的全身麻醉理论、标准和技术方面已有了长足的发展。

麻醉是一种由药物引起的、可逆的意识消失状态。麻醉的核心是意识丧失,而不是传统的镇静、镇痛和肌肉松弛三要素[2-3]。关于麻醉的本质,一直是当代医学的一个难题。人体一旦进入麻醉状态,即由原先的自主神经内分泌系统控制的脏器活动,转为麻醉状态下由麻醉科医师控制和干预的生命活动。因此,可将麻醉看成是对患者脏器活动稳态的剥夺,同时建立一个由麻醉科医师和麻醉药物控制的一个新稳态。AI相关的麻醉自动控制系统则充当这一稳态建立和维持的新辅助系统。目前,机器学习技术飞速发展,推动了脑电信号分析技术的进步,提供了多种不同的算法用于建立可靠的生理参数以监测麻醉深度。

1999年,上海交通大学医学院附属瑞金医院麻醉科创立了中国的全身麻醉理论,即“理想麻醉状态”[4]。根据这一理论,可以通过对患者的麻醉深度和生命体征分别进行管控,包括Narcotrend指数、血压、心率、呼吸末二氧化碳分压等指标,并根据患者的实际情况和手术特殊要求,设定个体化的正常范围。通过机器学习大量的病例数据后建立的算法、模型,自动获取相关的分级、分层指标,从而为建立AI控制的麻醉系统奠定基础。此外,术中常规监测的核心是维持全身各脏器微循环灌注稳态[5],血压、心率只是这一核心的表象;并在此基础上建立了“麻醉诱导期高容量填充”临床实践理论和操作规范[6],以尽可能实现“理想麻醉状态”。

闭环靶控是AI麻醉的基础。麻醉机器人根据“理想麻醉状态”和“麻醉诱导期高容量填充”理论,同步闭环输注镇痛、镇静、肌肉松弛药物及补液,可体现全自动闭环给药系统的安全性和可靠性。

此外,AI通过每天大量病例的学习,可分析术中不良事件的预测因子。在新病例中,可根据这些因子预测术中不良事件的发生。血压是基础生理参数,可在一定程度上反映各个脏器微循环的灌注情况[7]。目前的低血压预测指数软件基于海量数据,结合实时动脉血压波形信号,对成人手术患者未来15 min内可能发生的低血压事件[平均动脉压<65 mmHg(1 mmHg=0.133 kPa),持续至少1 min]进行预警[8]。此外,AI可为临床医师提供前负荷、后负荷和心肌收缩力等相关血流动力学参数,辅助麻醉科医师在低血压事件发生前了解其发生的诱因并进行干预,及时采取措施,从而降低由低血压引起的急性肾损伤、心肌损伤等术后并发症的发生风险,改善患者预后[9]。

2.3 AI在麻醉后的应用 AI可预测患者在麻醉后恢复室(PACU)内不良事件(低血压和恶性心脏事件)的发生;AI对术后患者全脑扫描数据进行分析,可精确判断疼痛的严重程度。

AI可对手术患者围手术期风险进行预测,通过机器学习获得大量的围手术期生理参数,采用多路径卷积神经网络算法,可预测术后一定时间内患者的死亡率[10]。

3 AI无法完全取代麻醉科医师

尽管AI在某些方面优于麻醉科医师个人的能力,但其无法在各个方面完全取代麻醉医疗队伍的集体智慧。随着AI技术与麻醉医疗实践结合越来越紧密,麻醉科医师应当了解AI技术的发展趋势,了解正在变革中的学习方法和决策方式,解读机器从海量数据中归纳的知识,进而形成麻醉科医师网络化的知识体系。麻醉科医师要善于利用AI技术,完成一些需要综合判断、组织架构、沟通协调或发挥创造力的工作;并利用AI技术完成简单重复程序化劳动,以及严重依赖临床医师个人经验、知识范围过于狭窄固化的工作。

4 AI在麻醉医疗中的未来发展趋势

目前已对AI在麻醉各个环节中的应用进行了大量研究。混合现实技术可通过模拟重建患者头颈部的解剖结构,在困难气道管理中发挥指导作用;重建患者的血管、神经及椎管的解剖结构,在血管穿刺、神经阻滞和椎管阻滞中发挥可视、量化作用。未来的AI不仅可为临床麻醉提供监测、闭环自动麻醉和预警,还可通过学习患者心理,为患者提供稳定情绪的服务。

目前,有关AI技术在麻醉学科中的应用还有很多问题需要解决,如获得必要大数据的路径,数据与分析过程中的偏差可能会产生意想不到的负面影响,数据获取、保存、使用、分析中的医学伦理问题[11-12],制订评估机器学习准确性的标准、法律责任,以及AI技术应用过程中人文关怀和个体化床边医疗等规范。

在不远的将来,麻醉学科必然会发生深刻变革,麻醉科医师的工作内容也会发生巨大变化;但生命至上,一切以患者为中心的宗旨将始终如一。