劉巧，袁素，張喆，賈爰，晏馥霞

(中國醫(yī)學(xué)科學(xué)院 北京協(xié)和醫(yī)學(xué)院 國家心血管病中心 阜外醫(yī)院麻醉科，北京 100037)

現(xiàn)代科學(xué)與自動化的發(fā)展推動了醫(yī)學(xué)研究的進步，人工智能技術(shù)也影響著醫(yī)學(xué)事業(yè)的發(fā)展，隨著大型臨床數(shù)據(jù)庫的構(gòu)建，人工智能在醫(yī)學(xué)領(lǐng)域得到快速發(fā)展。計算機可模擬臨床醫(yī)師的思維，利用機器學(xué)習(xí)處理復(fù)雜的臨床數(shù)據(jù)，智能化地輔助醫(yī)師進行臨床診斷與治療，如智能化識別醫(yī)學(xué)圖像、個人電子健康檔案管理、臨床輔助決策與診斷、自然語言處理等[1-3]。隨著麻醉信息管理系統(tǒng)(anesthesia information management systems，AIMS)的普及和電子化辦公的日?；?，人工智能在臨床麻醉學(xué)中的應(yīng)用也在不斷擴大，研究者借助機器學(xué)習(xí)算法處理麻醉相關(guān)的數(shù)據(jù)流，計算機系統(tǒng)自動化地早期干預(yù)或預(yù)測麻醉事件，輔助麻醉醫(yī)師的日常工作[4]。人工智能將改變傳統(tǒng)的麻醉模式，推動麻醉技術(shù)向智能化方向發(fā)展，加速智能化麻醉時代的到來。人工智能對于臨床麻醉學(xué)的影響并不是簡單的數(shù)學(xué)建模處理任意臨床數(shù)據(jù)，為全面了解人工智能在臨床麻醉學(xué)中的應(yīng)用及其如何自動化輔助麻醉醫(yī)師制訂臨床決策，現(xiàn)立足于臨床麻醉學(xué)，圍繞人工智能的概念、算法以及在臨床麻醉學(xué)的應(yīng)用進行全面介紹，以為今后智能化麻醉的發(fā)展提供新思路。

1 人工智能及常見算法

人工智能是一門關(guān)于計算機如何從數(shù)據(jù)中不斷挖掘和學(xué)習(xí)信息的科學(xué)學(xué)科，是統(tǒng)計學(xué)和高效算法的交叉領(lǐng)域[5]。人工智能的核心是機器學(xué)習(xí)，通過算法從海量數(shù)據(jù)中自我學(xué)習(xí)，尋找數(shù)據(jù)間的潛在關(guān)系，產(chǎn)生穩(wěn)定的輸出模型[6]。根據(jù)學(xué)習(xí)方式的不同，主要分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)。監(jiān)督學(xué)習(xí)屬于任務(wù)驅(qū)動式學(xué)習(xí)模式，人為預(yù)先設(shè)定輸出值，通過算法輔助學(xué)習(xí)，完成期望輸出指標(biāo)[7]；無監(jiān)督學(xué)習(xí)屬于無任務(wù)驅(qū)動式學(xué)習(xí)模式，計算機可自我識別規(guī)則，對數(shù)據(jù)直接進行整合處理，自動輸出穩(wěn)定模型[8]；強化學(xué)習(xí)是由動物學(xué)習(xí)理論發(fā)展而來，算法通過環(huán)境的交互獎罰制度指導(dǎo)學(xué)習(xí)，在不斷試錯的過程中學(xué)習(xí)，得到期望值，整體過程類似于動物條件反射的建立[9]。機器學(xué)習(xí)的過程主要依賴于算法的建立，機器學(xué)習(xí)算法種類較多，主要有以下幾種。

1.1經(jīng)典機器學(xué)習(xí)算法 該算法需要人為選擇數(shù)據(jù)特征，協(xié)助算法處理數(shù)據(jù)，尋找數(shù)據(jù)間的潛在關(guān)聯(lián)，主要借助決策樹技術(shù)，將數(shù)據(jù)集按屬性分成不同區(qū)域，每個區(qū)域均有獨立的結(jié)構(gòu)模型，通過不斷分割子區(qū)域直到每個子區(qū)域數(shù)據(jù)集類型相同，多用于執(zhí)行分類和回歸任務(wù)。系統(tǒng)可借助決策樹區(qū)分患者的麻醉狀態(tài)[10]、選擇最佳麻醉方式[11]、識別醫(yī)療保健的潛在患者[12]等。

1.2人工神經(jīng)網(wǎng)絡(luò)算法 人工神經(jīng)網(wǎng)絡(luò)是機器學(xué)習(xí)中應(yīng)用最多的算法。該算法模仿生物神經(jīng)系統(tǒng)中神經(jīng)元間的聯(lián)絡(luò)，由輸入層、神經(jīng)元層、輸出層構(gòu)成，輸入層由數(shù)據(jù)集的特征組成，神經(jīng)元層對數(shù)據(jù)集進行信息處理和模型構(gòu)建，輸出層產(chǎn)出結(jié)果，該過程類似于大腦神經(jīng)元的突觸連接，在處理復(fù)雜數(shù)據(jù)時，需應(yīng)用多層神經(jīng)元層方可保證輸出結(jié)果的穩(wěn)定。研究者可借助人工神經(jīng)網(wǎng)絡(luò)進行麻醉深度監(jiān)測[13]、預(yù)測丙泊酚在特殊人群中的藥動學(xué)[14]、監(jiān)測低氧血癥[15]等。

1.3深度學(xué)習(xí)算法 深度學(xué)習(xí)是人工智能領(lǐng)域的新方向，其通過自我學(xué)習(xí)數(shù)據(jù)集的內(nèi)在特征與規(guī)律，不需人工提取特征，利用多層神經(jīng)網(wǎng)絡(luò)模擬人腦思維進行模式分析與識別，分析數(shù)據(jù)更本質(zhì)的特征，并通過逐層預(yù)訓(xùn)練的方式解決龐大的計算量，以得到最優(yōu)解[16]。深度學(xué)習(xí)在醫(yī)學(xué)影像學(xué)的應(yīng)用較為廣泛。研究者還可利用深度學(xué)習(xí)預(yù)測腦電雙頻指數(shù)(bispectral index,BIS)[17]、小兒困難氣道[18]以及住院時間和病死率[19]等。

1.4模糊邏輯 模糊邏輯旨在模仿人腦的模糊性信息決策以及推理思維模式，處理傳統(tǒng)方式無法解決的規(guī)則問題[20]。該算法主要用于控制系統(tǒng)，如Sharma等[21]提出的2型區(qū)間模糊邏輯控制器，其可自動控制硝普鈉的輸注速率，保證患者的平均動脈壓在100 mmHg(1 mmHg=0.133 kPa)以內(nèi)，為閉環(huán)血壓控制系統(tǒng)的應(yīng)用奠定基礎(chǔ)。

2 人工智能在臨床麻醉學(xué)中的應(yīng)用

近年來人工智能在醫(yī)學(xué)領(lǐng)域蓬勃發(fā)展，其提高了醫(yī)護人員的工作效率。麻醉學(xué)作為臨床醫(yī)學(xué)的重要學(xué)科，其學(xué)科發(fā)展對于醫(yī)學(xué)事業(yè)的進步至關(guān)重要。在日常的麻醉工作中，由于手術(shù)操作的多變性、患者的個體差異以及臨床事件的不可預(yù)測性，麻醉醫(yī)師必須同時并準(zhǔn)確地處理大量臨床事件，長時間的高壓工作極易造成精神疲憊，導(dǎo)致不良后果的發(fā)生。為保證患者圍手術(shù)期安全并提高麻醉效率，研究人員將人工智能應(yīng)用于臨床麻醉學(xué)，開發(fā)出多種智能麻醉系統(tǒng)，推動臨床麻醉向自動化麻醉發(fā)展。

2.1閉環(huán)靶控輸注系統(tǒng) 臨床工作中，麻醉醫(yī)師需要實時根據(jù)患者狀態(tài)與手術(shù)情況，在維持患者生命體征平穩(wěn)的基礎(chǔ)上，不斷調(diào)整藥物的劑量，以維持患者處于適宜的鎮(zhèn)靜、鎮(zhèn)痛和神經(jīng)肌肉松弛狀態(tài)，保證手術(shù)順利進行。根據(jù)麻醉醫(yī)師的工作特點，研究者開發(fā)出自動化輸注系統(tǒng)，其可自動維持患者處于適宜的麻醉狀態(tài)，該系統(tǒng)稱為閉環(huán)靶控輸注系統(tǒng)，簡稱閉環(huán)系統(tǒng)。閉環(huán)系統(tǒng)由四部分組成：①麻醉效應(yīng)參數(shù)，用來衡量藥物的藥效程度，如BIS；②參數(shù)設(shè)定點，由麻醉醫(yī)師預(yù)先設(shè)定效應(yīng)參數(shù)的控制范圍；③控制器，計算機通過算法處理參數(shù)，對執(zhí)行器發(fā)出命令；④執(zhí)行器，即藥物輸注泵。系統(tǒng)工作期間麻醉醫(yī)師可隨時按下“pause”或“stop”按鈕，停止閉環(huán)系統(tǒng)，改為人工控制麻醉，防止因系統(tǒng)設(shè)計漏洞而造成的意外事件，保證患者安全。

1950年人類首次嘗試使用閉環(huán)系統(tǒng)，Mayo等[22]利用腦電圖分析對硫噴妥鈉鎮(zhèn)靜進行自動化管理。20世紀(jì)90年代，隨著計算機性能的提升，腦電信號監(jiān)測技術(shù)的進步，人類對閉環(huán)系統(tǒng)的研究也越來越多樣化，早期的閉環(huán)系統(tǒng)僅控制麻醉的某個方面，即單回路閉環(huán)系統(tǒng)，如利用BIS自動化控制丙泊酚的輸注，維持BIS為40～60，以保證患者適宜的鎮(zhèn)靜深度[23]。隨著單回路閉環(huán)系統(tǒng)的成熟，麻醉的多個方面逐漸納入閉環(huán)系統(tǒng)，開發(fā)出更智能化的多回路閉環(huán)系統(tǒng)。如Liu等[24]利用BIS控制瑞芬太尼和丙泊酚輸注，開發(fā)出雙回路閉環(huán)系統(tǒng)，將目標(biāo)BIS值設(shè)定為40～60，當(dāng)BIS差值(實際BIS值與目標(biāo)BIS值)為2～3時，僅調(diào)整瑞芬太尼的輸注速率(若瑞芬太尼連續(xù)3次改變輸注速率，則同時改變丙泊酚輸注速率)；當(dāng)BIS差值>4時，改變丙泊酚和瑞芬太尼的輸注速率，成功地完成了鎮(zhèn)靜和鎮(zhèn)痛的自動化控制。為滿足更多的麻醉需求，Hemmerling等[25]研發(fā)出世界上第1臺完全自動化的閉環(huán)麻醉輸注系統(tǒng)——McSleepy，該系統(tǒng)分別以BIS、Analgoscore、4個成串刺激作為鎮(zhèn)靜、鎮(zhèn)痛、肌肉松弛的參數(shù)，分別控制丙泊酚、瑞芬太尼、羅庫溴銨的輸注，成功實現(xiàn)了非心臟手術(shù)中麻醉誘導(dǎo)與維持的自動化管理。閉環(huán)系統(tǒng)不僅可用于非心臟手術(shù)，隨著系統(tǒng)的不斷優(yōu)化，還可用于心臟手術(shù)、小兒麻醉及遠程醫(yī)療[26-27]等，拓展了閉環(huán)系統(tǒng)在麻醉領(lǐng)域的應(yīng)用場景。研究顯示，與手動控制相比，閉環(huán)系統(tǒng)的術(shù)后蘇醒快，拔管時間短，麻醉更平穩(wěn)，還減少了老年患者術(shù)后認(rèn)知功能障礙的發(fā)生[28]。

近年來閉環(huán)系統(tǒng)不僅限于麻醉鎮(zhèn)靜、鎮(zhèn)痛、肌肉松弛等方面，為進一步挖掘閉環(huán)系統(tǒng)的臨床價值，研究者還開發(fā)出了用于圍手術(shù)期液體輸注、血管活性藥物管理等方面的閉環(huán)系統(tǒng)。閉環(huán)液體輸注系統(tǒng)是指閉環(huán)系統(tǒng)模擬目標(biāo)導(dǎo)向液體輸注原則，根據(jù)尿量、血壓、心率、每搏量、每搏變異度、脈壓變異度等變量對圍手術(shù)期液體輸注進行自動化管理[29]。Joosten等[30]首次將鎮(zhèn)靜鎮(zhèn)痛雙閉環(huán)系統(tǒng)與閉環(huán)液體輸注系統(tǒng)結(jié)合，通過術(shù)中監(jiān)測BIS、每搏量、每搏變異度，對瑞芬太尼、丙泊酚、晶體液、膠體液輸注進行自動化控制，推動了閉環(huán)系統(tǒng)的多元化發(fā)展。閉環(huán)系統(tǒng)還可以根據(jù)血壓、心率等的反饋，自動化控制血管收縮藥[31]或血管擴張藥[32]的輸注，維持目標(biāo)血壓，但由于開發(fā)成本高、安全考核不完善以及臨床監(jiān)管難等問題，目前關(guān)于血管活性藥物的閉環(huán)系統(tǒng)開發(fā)相對較少，相信未來隨著工程技術(shù)的發(fā)展，閉環(huán)系統(tǒng)可以結(jié)合更多的臨床指標(biāo)，真正地模擬麻醉醫(yī)師，自動化完成圍手術(shù)期的麻醉過程。

2.2麻醉監(jiān)護與預(yù)測 人工智能在臨床麻醉中的應(yīng)用越來越廣泛，研究者們利用算法對患者圍手術(shù)期數(shù)據(jù)進行信息挖掘，處理和分析多維度數(shù)據(jù)，建立預(yù)測模型，動態(tài)預(yù)測圍手術(shù)期不良事件的發(fā)生，以提高患者圍手術(shù)期安全。

圍手術(shù)期低血壓與主要的心血管不良事件以及急性腎臟損傷等相關(guān)[33]，提前預(yù)測并早期干預(yù)低血壓是目前臨床研究的一大熱點。Hatib等[34]根據(jù)動脈波形圖開發(fā)出可預(yù)測低血壓的人工智能算法，該算法對1 344例患者的動脈波形圖進行了分析，在患者的動脈波形中提取23個特征，可提前15 min預(yù)測低血壓的發(fā)生，該算法也被稱為早期預(yù)警系統(tǒng)。鑒于該系統(tǒng)對低血壓的預(yù)測屬于被動型且具有滯后性，Wijnberge等[35]提出新型預(yù)測模式，可輔助醫(yī)師主動預(yù)測低血壓的發(fā)生以及產(chǎn)生病因，新型預(yù)測模式將早期預(yù)警系統(tǒng)與循環(huán)治療指南結(jié)合，麻醉醫(yī)師可根據(jù)計算機系統(tǒng)提示的參數(shù)與流程圖相對應(yīng)，快速得到低血壓的潛在病因，提前15 min干預(yù)病因，有效降低了圍手術(shù)期低血壓的發(fā)生率，減少了麻醉期間的循環(huán)波動。

麻醉過深與病死率、術(shù)后不良事件以及相關(guān)臟器損傷相關(guān)，圍手術(shù)期維持適宜的麻醉深度對于臨床麻醉的意義重大。目前圍手術(shù)期麻醉深度的監(jiān)測主要借助BIS，維持BIS為40～60可避免術(shù)中知曉以及深度麻醉的發(fā)生，但BIS具有滯后性，且易受電刀干擾，監(jiān)測效果易受影響。目前研究的重點是根據(jù)患者的原始腦電圖探索監(jiān)測圍手術(shù)期麻醉深度的方法，由于不同麻醉狀態(tài)下的腦電圖變化復(fù)雜，提取單一特征很難有效評估麻醉深度，可借助人工智能算法自腦電圖中提取出多個有效特征，以精準(zhǔn)評估麻醉深度，提高監(jiān)測的實時性與準(zhǔn)確性。Haghighi等[36]借助人工神經(jīng)網(wǎng)絡(luò)從腦電圖中提取4個有效參數(shù)(熵、腦電邊緣頻率、β比率、快慢波的相對同步性)，將這4個參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入層、BIS作為神經(jīng)網(wǎng)絡(luò)的輸出層，分析大腦功能狀態(tài)，可有效區(qū)分患者的清醒狀態(tài)與麻醉狀態(tài)；Gu等[13]利用小波變換法分析腦電圖并提取特征，通過聚類分析評估麻醉深度，該方法通過了臨床數(shù)據(jù)庫的驗證，證實了該算法的可行性；為進一步提高監(jiān)測的準(zhǔn)確度，Saadeh等[37]利用機器學(xué)習(xí)分類處理器分析腦電圖，將患者分為深度鎮(zhèn)靜、中度鎮(zhèn)靜、輕度鎮(zhèn)靜與清醒4個狀態(tài)，其準(zhǔn)確度可達92.2%，滯后時間最長為1 s，保證了患者術(shù)中適宜的麻醉深度。

研究者還利用人工智能進行了其他方面的預(yù)測，如利用神經(jīng)網(wǎng)絡(luò)預(yù)測肌肉松弛的恢復(fù)情況[38]；根據(jù)面部圖像識別氣管插管困難患者[39]；術(shù)前識別輸血相關(guān)性急性肺損傷患者[40]等，利用人工智能高效的計算能力處理復(fù)雜的數(shù)據(jù)，提前預(yù)測不良事件的發(fā)生，及早干預(yù)，保證患者術(shù)中安全。

2.3圖像識別與分類 人工智能在臨床醫(yī)學(xué)中應(yīng)用最成熟的是醫(yī)學(xué)影像識別，可以早期輔助醫(yī)師識別病變臟器或組織，提高臨床診斷率。隨著圖像識別技術(shù)的成熟，機器閱片能力已逐漸超過人工閱片。而超聲作為醫(yī)學(xué)影像學(xué)的檢查工具之一，由于具有低成本、便攜、實時成像等優(yōu)點，深受麻醉醫(yī)師關(guān)注，超聲引導(dǎo)下的神經(jīng)阻滯、血管穿刺、硬膜外穿刺鎮(zhèn)痛等已廣泛應(yīng)用于臨床。隨著舒適醫(yī)療的不斷推廣，減少麻醉期間有創(chuàng)操作中的副損傷已成為麻醉醫(yī)師的共識，但超聲圖像識別易受偽影和人為干擾，加上人體解剖結(jié)構(gòu)的變異，導(dǎo)致超聲下精確的解剖定位困難。

目前研究人員主要利用人工神經(jīng)網(wǎng)絡(luò)幫助識別和分類超聲圖像，精準(zhǔn)識別超聲下的動脈、靜脈、神經(jīng)叢、硬膜外間隙、左心室等[41-42]，幫助醫(yī)師快速定位，提高臨床工作效率并減輕患者不適。Carneiro和Nascimento[43]提出了新型自動化圖像識別模型，通過深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，并與左心室收縮和舒張的運動模式相結(jié)合，用于超聲下左心室心內(nèi)膜圖像的追蹤與識別，為臨床醫(yī)師提供更為精確的圖像追蹤服務(wù)；Alkhatib等[44]利用深度學(xué)習(xí)算法執(zhí)行計算機視覺任務(wù)，在13種常見的深度學(xué)習(xí)追蹤器中尋找最佳的追蹤器，對正中神經(jīng)和坐骨神經(jīng)進行圖像定位，同時使用更精準(zhǔn)的矩形框?qū)崟r圈出目標(biāo)神經(jīng)，幫助醫(yī)師快速定位與穿刺；研究者還利用混合機器學(xué)習(xí)系統(tǒng)識別超聲圖像中的硬膜外腔解剖學(xué)標(biāo)志，與超聲醫(yī)師相比，混合機器學(xué)習(xí)系統(tǒng)在3D測試數(shù)據(jù)平面的橫向和縱向誤差分別為1 mm和0.4 mm[45]，有效地減小了誤差，提高了患者的舒適性與安全性。

人工智能輔助下的圖像識別明顯減少了麻醉工作中解剖定位時間，提高了工作效率，精準(zhǔn)化的影像追蹤也大大減少了患者穿刺的副損傷，提高了麻醉的安全性與有效性。目前的圖像識別技術(shù)已相對成熟，開發(fā)者開始研究麻醉機器人。麻醉機器人將機械臂與圖像識別技術(shù)相結(jié)合，完成麻醉工作中的機械動作，如將機械臂與神經(jīng)阻滯針相連接，代替醫(yī)師手臂，算法根據(jù)圖形建模進行智能化超聲圖像識別，圈出目標(biāo)阻滯靶點，機械臂通過已設(shè)定好的程序進行目標(biāo)靶點的神經(jīng)阻滯[46]，相對于人工神經(jīng)阻滯，該系統(tǒng)的穩(wěn)定性高，變異度低，還可用于臨床教學(xué)，有助于初級學(xué)者的臨床入門，但由于技術(shù)限制，目前該系統(tǒng)仍處于開發(fā)階段。

2.4臨床決策支持系統(tǒng)(clinical decision support system，CDSS) 麻醉記錄是臨床麻醉工作的主要組成部分，患者圍手術(shù)期的數(shù)據(jù)可為后續(xù)的麻醉處理及病案管理提供參考。目前各大醫(yī)院的AIMS可以實時收集來自監(jiān)護儀、醫(yī)院信息系統(tǒng)、呼吸機、麻醉工作站等源頭的數(shù)據(jù)，麻醉醫(yī)師根據(jù)術(shù)中的麻醉管理情況，實時記錄患者液體平衡狀態(tài)、手術(shù)情況、用藥記錄、特殊事件等信息，因此麻醉記錄是患者手術(shù)期間實時信息的綜合數(shù)據(jù)庫。

隨著AIMS的不斷普及，研究者利用機器學(xué)習(xí)對患者的麻醉綜合數(shù)據(jù)庫進行全面分析，開發(fā)出一種為麻醉醫(yī)師提供實時決策輔助的硬件系統(tǒng)，減少醫(yī)師工作失誤，該系統(tǒng)稱為CDSS。該系統(tǒng)主要從AIMS收集數(shù)據(jù)，將數(shù)據(jù)通過轉(zhuǎn)換、過濾、缺失填補等方式歸類為可供使用的數(shù)據(jù)，決策處理器應(yīng)用算法處理數(shù)據(jù)并根據(jù)已設(shè)定的決策規(guī)則，判斷是否在AIMS上進行通知或警報(如彈出消息或閃爍按鈕等)，麻醉醫(yī)師根據(jù)警報提示，自主決策下一步診療計劃。早期的CDSS主要用于常規(guī)工作流程的提醒，如提示醫(yī)師術(shù)中給予抗生素、β受體阻滯劑、優(yōu)化呼吸機參數(shù)、避免浪費麻醉藥、核對麻醉賬單等[47]。隨著數(shù)據(jù)收集的優(yōu)化以及硬件設(shè)備的升級，CDSS開始用于特殊患者的識別以及圍手術(shù)期管理。Ehrenfeld等[48]開發(fā)出可用于術(shù)中血糖監(jiān)測的CDSS，利用自回歸算法根據(jù)患者的人口學(xué)特征、疾病史、麻醉類型、手術(shù)特征、胰島素水平以及血糖水平等信息進行數(shù)學(xué)建模，自動識別出潛在的糖尿病患者，提醒麻醉醫(yī)師術(shù)中監(jiān)測血糖，并給予相應(yīng)的胰島素治療，降低了術(shù)后高血糖以及切口感染的發(fā)生率。CDSS還可用于識別接受神經(jīng)外科手術(shù)的小兒腦外傷患者，根據(jù)AIMS的患者信息，識別目標(biāo)人群，根據(jù)已設(shè)定的算法規(guī)則，提醒麻醉醫(yī)師術(shù)中需關(guān)注的麻醉要點，減少了術(shù)中不良事件的發(fā)生[49]。但早期CDSS的提醒界面較為單調(diào)，有時難以引起麻醉醫(yī)師的注意，新型的CDSS將患者的循環(huán)指標(biāo)、呼吸參數(shù)、液體平衡、實驗室檢測結(jié)果以及報警提醒等信息以不同顏色的器官動態(tài)圖綜合在一個提醒界面，全面而生動地反映患者的術(shù)中情況，提高了麻醉醫(yī)師圍手術(shù)期的管理效率[50]。

目前大部分CDSS屬于反應(yīng)型支持系統(tǒng)，研究者開發(fā)新型系統(tǒng)時可直接收集監(jiān)護儀的數(shù)據(jù)，同時借助5G網(wǎng)絡(luò)處理大量數(shù)據(jù)流，研制出具備實時預(yù)測性的CDSS，但此類預(yù)測型CDSS仍處于研究階段。

3 小 結(jié)

人工智能的蓬勃發(fā)展得益于機器學(xué)習(xí)算法的開發(fā)與計算機性能的提升，隨著大數(shù)據(jù)時代的到來，機器學(xué)習(xí)將會不斷地融入到醫(yī)學(xué)領(lǐng)域、輔助臨床決策、改善患者預(yù)后。機器學(xué)習(xí)算法對圍手術(shù)期的精準(zhǔn)控制與預(yù)測將為患者提供更為安全的臨床麻醉，但也會給麻醉醫(yī)師帶來一定的風(fēng)險與挑戰(zhàn)，當(dāng)前人工智能最大的問題是不可解釋與不可理解，即黑盒問題：①醫(yī)師和開發(fā)工程師均無法解釋其背后原理和處理機制，這將帶來諸多醫(yī)學(xué)倫理問題；②機器學(xué)習(xí)處理數(shù)據(jù)的前提是需要保證數(shù)據(jù)的完整性和準(zhǔn)確性，當(dāng)面臨數(shù)據(jù)不完整或虛假數(shù)據(jù)時，性能將會顯著降低；③人工智能無法實現(xiàn)人機交互，機器無法共情，目前的科學(xué)技術(shù)尚未達到使計算機具備主動思考的能力，計算機無法與人主動互動，很難真正智能化、動態(tài)化地解決實際問題。因此，人工智能在麻醉學(xué)領(lǐng)域的應(yīng)用目前仍處于早期探索階段，但這也給麻醉醫(yī)師帶來新的機遇，麻醉醫(yī)師可以與計算機科學(xué)家開展多元化合作，將臨床實際問題與計算機技術(shù)結(jié)合，提高人工智能在臨床的實用性，進行學(xué)科交叉，實現(xiàn)智能化技術(shù)落地。未來醫(yī)學(xué)將朝著更加個體化、智能化的方向發(fā)展，新型的智能化醫(yī)療模式將會不斷深入到臨床。