羅猛強(qiáng) 王英偉

近年來(lái),隨著臨床信息學(xué)與計(jì)算機(jī)科學(xué)的迅猛發(fā)展,人工智能(artificial intelligence,AI)在醫(yī)學(xué)領(lǐng)域的研究與應(yīng)用日趨廣泛,在部分應(yīng)用中其性能已達(dá)到甚至超越專家級(jí)水平。據(jù)國(guó)務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》,到2030年我國(guó)將實(shí)現(xiàn)AI核心產(chǎn)業(yè)規(guī)模超過(guò)1萬(wàn)億元,帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模超過(guò)10萬(wàn)億元,具有廣闊的醫(yī)療市場(chǎng)前景。

AI屬于計(jì)算機(jī)科學(xué),是任何具有人類智能的計(jì)算機(jī)程序的總稱,其遵循特定的規(guī)則與算法,通過(guò)軟件編程的方法構(gòu)建智能實(shí)體以輔助決策[1]。機(jī)器學(xué)習(xí)(machine learning,ML)是通過(guò)儲(chǔ)存和分析數(shù)據(jù)特征并訓(xùn)練模型,使計(jì)算機(jī)能夠模擬或?qū)崿F(xiàn)人類學(xué)習(xí)能力的計(jì)算機(jī)科學(xué),是AI實(shí)現(xiàn)智能化的根本途徑與核心。目前,基于ML的AI技術(shù)已融入臨床麻醉,其各亞專業(yè)領(lǐng)域AI系統(tǒng)的開發(fā)與應(yīng)用均進(jìn)展迅速,包括AI術(shù)前訪視與風(fēng)險(xiǎn)預(yù)警系統(tǒng)、AI氣道管理系統(tǒng)、AI操作輔助神經(jīng)阻滯系統(tǒng)、AI靜脈麻醉給藥系統(tǒng)、AI疼痛監(jiān)測(cè)與管理系統(tǒng)、AI全身麻醉深度(depth of anesthesia, DoA)監(jiān)測(cè)系統(tǒng)等。

1 AI術(shù)前訪視與風(fēng)險(xiǎn)預(yù)警系統(tǒng)

隨著我國(guó)居民對(duì)健康與舒適化醫(yī)療需求的日益增長(zhǎng),越來(lái)越多的患者因手術(shù)或檢查需要接受麻醉。然而,我國(guó)麻醉科醫(yī)師的人力資源卻長(zhǎng)期處于緊缺狀態(tài),嚴(yán)重制約著麻醉學(xué)的發(fā)展與舒適化診療水平的進(jìn)一步提高。

術(shù)前訪視需要大量麻醉科醫(yī)師參與工作,且難以避免出現(xiàn)人為疏漏。近期,本研究團(tuán)隊(duì)基于擇期患者術(shù)前電子健康記錄(electronic health record,EHR)信息和患者客戶端采集病史系統(tǒng),綜合兩者提取特征建立AI術(shù)前訪視系統(tǒng),自動(dòng)輸出術(shù)前評(píng)估報(bào)告,以盡早識(shí)別患者圍手術(shù)期高危風(fēng)險(xiǎn)因素,從而指導(dǎo)外科醫(yī)師與麻醉科醫(yī)師進(jìn)行必要干預(yù),在節(jié)省人力的同時(shí)能夠顯著提高患者圍手術(shù)期的安全性及滿意度(國(guó)家發(fā)明專利號(hào):201911318587X)。

AI臨床分析系統(tǒng)能夠處理大量EHR信息及其衍生的輸入特征,生成準(zhǔn)確的不良事件與風(fēng)險(xiǎn)預(yù)測(cè)模型,有助于在彌補(bǔ)麻醉科醫(yī)師人力資源不足的同時(shí),保障患者圍手術(shù)期安全,降低并發(fā)癥的發(fā)生率和死亡率。

目前基于AI的模糊邏輯、神經(jīng)網(wǎng)絡(luò)(neural network,NN)、梯度增強(qiáng)(gradient boosting machine,GBM)等模型均已被成功應(yīng)用于監(jiān)測(cè)預(yù)警圍手術(shù)期的不良事件,包括心動(dòng)過(guò)緩、低氧血癥、低血壓、低血容量等。Bihorac等[2]從51 457例接受不同類型手術(shù)的成年患者EHR數(shù)據(jù)中提取285個(gè)術(shù)前參數(shù),基于ML建立的MySurgeryRisk智能系統(tǒng)能夠準(zhǔn)確預(yù)測(cè)患者發(fā)生術(shù)后并發(fā)癥和24個(gè)月內(nèi)死亡的風(fēng)險(xiǎn),其預(yù)測(cè)術(shù)后并發(fā)癥的AUC為0.82～0.94。Solomon等[3]回顧分析了62 182例接受擇期非心臟手術(shù)患者的病例資料,建立基于AI邏輯回歸模型開發(fā)的風(fēng)險(xiǎn)預(yù)警系統(tǒng),結(jié)果表明與描述性回歸模型相比,GBM模型具有更多數(shù)據(jù)特征與復(fù)雜交互,且對(duì)不穩(wěn)定心動(dòng)過(guò)緩事件(定義為心率<50次/min并伴有明顯低血壓)的預(yù)測(cè)準(zhǔn)確率更高。Wijnberge等[4]的隨機(jī)對(duì)照試驗(yàn)結(jié)果表明,ML衍生的術(shù)中低血壓風(fēng)險(xiǎn)預(yù)警系統(tǒng)能夠降低擇期非心臟手術(shù)的術(shù)中低血壓發(fā)生率,且低血壓的時(shí)間加權(quán)平均值[血壓低于65 mmHg(1 mmHg=0.133 kPa)的數(shù)值×?xí)r間÷手術(shù)總時(shí)長(zhǎng)]明顯降低。

綜上,AI術(shù)前訪視與風(fēng)險(xiǎn)預(yù)警系統(tǒng)有助于盡早識(shí)別患者圍手術(shù)期可能出現(xiàn)的不良事件,有效實(shí)現(xiàn)風(fēng)險(xiǎn)事件預(yù)警,可為臨床麻醉提供實(shí)時(shí)、精準(zhǔn)的決策支持,在及時(shí)干預(yù)從而改善患者預(yù)后中發(fā)揮重要作用。

2 AI氣道管理系統(tǒng)

氣道管理雖是麻醉科醫(yī)師擅長(zhǎng)的領(lǐng)域,但也面臨著諸多挑戰(zhàn),準(zhǔn)確預(yù)測(cè)困難氣道便是一個(gè)長(zhǎng)期未能被徹底解決的臨床問(wèn)題。雖然各類評(píng)分分級(jí)、放射檢查、支氣管鏡檢查等可被用于困難氣道的評(píng)估與重建,但在臨床實(shí)踐中均存在相應(yīng)弊端。最近的研究顯示,AI人臉與頭頸部成像識(shí)別技術(shù)有助于輔助麻醉科醫(yī)師全自動(dòng)智能評(píng)估困難氣道,實(shí)現(xiàn)早期預(yù)警。研究者使用圖像全自動(dòng)采集系統(tǒng)與ML提取面部關(guān)鍵特征建立AI模型,通過(guò)卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)篩選困難氣道,并評(píng)估氣管插管的困難程度,其中,患者仰臥閉口體位模型具有良好的困難氣道預(yù)測(cè)準(zhǔn)確率,其AUC值為0.86[5]。

新型冠狀病毒感染疫情的暴發(fā)使機(jī)器人氣管插管的需求更加強(qiáng)烈,那么,現(xiàn)在能否實(shí)現(xiàn)機(jī)器人氣管插管呢?近期研究[6]顯示,機(jī)器人自動(dòng)內(nèi)窺鏡經(jīng)喉成像和氣管插管(robotic endoscope-automated via laryngeal imaging for tracheal intubation, REALITI)可通過(guò)實(shí)時(shí)圖像識(shí)別和自動(dòng)遠(yuǎn)端定位完成氣管插管,使未接受過(guò)醫(yī)學(xué)培訓(xùn)的志愿者插管成功率達(dá)到95%。使用AI智能系統(tǒng)進(jìn)行氣管插管的關(guān)鍵問(wèn)題是如何準(zhǔn)確地自動(dòng)識(shí)別聲帶和氣管環(huán)。Matava等[7]在研究中建立的CNN模型可高性能地識(shí)別可視喉鏡和支氣管喉鏡顯露的聲門與氣管環(huán)。Cho等[8]研究的4種喉鏡圖像識(shí)別聲帶的CNN模型均具有較高的聲帶預(yù)測(cè)精度。在新生兒的氣道管理中,也有通過(guò)CNN模型獲得較高氣管插管成功率的報(bào)道[9-10]。 雖然,基于ML的AI氣管插管技術(shù)尚無(wú)法達(dá)到100%的氣管插管成功率,但其為麻醉科醫(yī)師的臨床操作提供一種選擇,未來(lái)在氣道可視化管理和培訓(xùn)等方面具有良好的應(yīng)用前景。

3 AI操作輔助神經(jīng)阻滯系統(tǒng)

圖像識(shí)別是醫(yī)療領(lǐng)域AI研究的熱點(diǎn),計(jì)算機(jī)遠(yuǎn)超人類的圖像儲(chǔ)存、記憶功能使圖像識(shí)別技術(shù)在臨床應(yīng)用成為可能。AI能夠幫助麻醉科醫(yī)師高效地分析數(shù)據(jù),獲取最優(yōu)圖像,提高圖像分析的準(zhǔn)確性與效率?，F(xiàn)階段麻醉科醫(yī)師仍主要依靠自身經(jīng)驗(yàn)對(duì)超聲圖像進(jìn)行定位,但掌握超聲引導(dǎo)下神經(jīng)阻滯技術(shù)需要一定的學(xué)習(xí)積累,初學(xué)者常不易辨認(rèn)針尖位置并維持良好的可視度,難以準(zhǔn)確地評(píng)估針尖與神經(jīng)外膜之間的關(guān)系。那么,能否借助AI系統(tǒng)實(shí)現(xiàn)超聲引導(dǎo)下神經(jīng)阻滯的精準(zhǔn)定位呢?

目前,AI在區(qū)域神經(jīng)阻滯的應(yīng)用日益廣泛,包括輔助決策、分析模擬訓(xùn)練的性能、優(yōu)化針尖精度及輔助操作機(jī)器人等,AI技術(shù)如CNN等已被應(yīng)用于鑒別神經(jīng)組織的解剖結(jié)構(gòu),輔助硬膜外、臂叢、坐骨神經(jīng)等區(qū)域阻滯進(jìn)針,而通過(guò)操縱桿驅(qū)動(dòng)機(jī)械臂的麥哲倫手術(shù)機(jī)器系統(tǒng)也已被應(yīng)用于輔助神經(jīng)阻滯,能夠優(yōu)化操作者的學(xué)習(xí)曲線[11]。近期,本研究團(tuán)隊(duì)利用深度學(xué)習(xí)算法,通過(guò)收集1 076例患者共11 392張超聲圖片,構(gòu)建以CNN為基礎(chǔ)的AI自動(dòng)識(shí)別肌間溝臂叢神經(jīng)程序,結(jié)果表明,程序預(yù)測(cè)臂叢外側(cè)邊緣中點(diǎn)和真實(shí)臂叢外側(cè)的準(zhǔn)確率顯著高于非專家級(jí)的主治醫(yī)師,同時(shí)能夠顯著提高住院醫(yī)師識(shí)別肌間溝臂叢的準(zhǔn)確率,其準(zhǔn)確率由31%提高至87%[12]。

未來(lái),針尖跟蹤可視化或?qū)⒂瓉?lái)技術(shù)革命。已有學(xué)者利用組織的物理特性和生物標(biāo)記輔助監(jiān)測(cè)針尖位置,在針內(nèi)腔置入細(xì)光纖以測(cè)量針尖壓力或針尖遠(yuǎn)端嵌入壓電元件,通過(guò)超聲激活,能夠以藍(lán)色、紅色或綠色圓圈形式跟蹤針尖[13]。多項(xiàng)研究[14-15]結(jié)果表明,使用跟蹤器針尖對(duì)防腐尸體進(jìn)行坐骨神經(jīng)阻滯,能夠優(yōu)化針尖識(shí)別,大幅提高神經(jīng)阻滯的成功率。但亦有研究[16]顯示,與對(duì)照組相比,超聲激活針尖追蹤鎖骨下臂叢神經(jīng)阻滯的操作時(shí)間、阻滯成功率和持續(xù)時(shí)間的差異均無(wú)統(tǒng)計(jì)學(xué)意義。

綜上,AI技術(shù)幫助麻醉科醫(yī)師識(shí)別區(qū)域阻滯神經(jīng)超聲圖像的優(yōu)勢(shì)明顯,有助于提高各類神經(jīng)阻滯進(jìn)針的準(zhǔn)確性,并優(yōu)化操作者學(xué)習(xí)曲線;但現(xiàn)階段AI結(jié)合針尖跟蹤可視化技術(shù)的多項(xiàng)研究仍處于實(shí)驗(yàn)?zāi)Ｐ碗A段,其提高神經(jīng)阻滯成功率的性能有待提升,未來(lái)仍需更多大樣本隨機(jī)對(duì)照的臨床研究加以論證。

4 AI靜脈麻醉給藥系統(tǒng)

自20世紀(jì)50年代腦電圖(electroencephalogram,EEG)被應(yīng)用于全身麻醉藥(簡(jiǎn)稱全麻藥)自動(dòng)控制輸注以來(lái),藥物靶控輸注(target-controlled infusion,TCI)的應(yīng)用已逐漸拓展至目標(biāo)靶向的液體治療、血管活性藥物及兒茶酚胺改善心功能輸注系統(tǒng),并已由基于簡(jiǎn)單藥代動(dòng)力學(xué)模型的開環(huán)TCI系統(tǒng)發(fā)展為單閉環(huán)和多閉環(huán)TCI藥物輸注系統(tǒng)。

直接和連續(xù)的全麻藥濃度監(jiān)測(cè)是實(shí)現(xiàn)輸注自動(dòng)控制系統(tǒng)最優(yōu)化的關(guān)鍵。AI技術(shù)的發(fā)展能夠?qū)崿F(xiàn)即時(shí)反饋,快速、準(zhǔn)確地計(jì)算患者當(dāng)前藥物需求,使滴定全麻藥劑量達(dá)到體內(nèi)平衡,提高藥物智能輸注系統(tǒng)性能。Lee等[17]通過(guò)長(zhǎng)短時(shí)記憶的前饋神經(jīng)網(wǎng)絡(luò)序列模型預(yù)測(cè)丙泊酚與瑞芬太尼聯(lián)合應(yīng)用時(shí)術(shù)中的腦電雙頻指數(shù)(bispectral index,BIS)值,與傳統(tǒng)機(jī)械模型相比,深度學(xué)習(xí)模型在麻醉誘導(dǎo)、維持和恢復(fù)期預(yù)測(cè)BIS值的誤差均更小。使用連續(xù)監(jiān)測(cè)的丙泊酚濃度作為輸入,建立基于高斯徑向基函數(shù)支持向量分類器的ML方法,分類器能夠高精度地對(duì)人血清中1～60 μmol/L治療范圍內(nèi)的丙泊酚進(jìn)行分類[18],有助于開發(fā)閉環(huán)控制麻醉輸注系統(tǒng)。

目前,藥物智能輸注系統(tǒng)多集中于全身麻醉的3要素:鎮(zhèn)靜、鎮(zhèn)痛和神經(jīng)肌肉松弛。McSleepy自主系統(tǒng)是一類使用麻醉成分作為獨(dú)立控制變量開發(fā)的多閉環(huán)TCI藥物輸注系統(tǒng),能夠同時(shí)監(jiān)測(cè)鎮(zhèn)靜、鎮(zhèn)痛和神經(jīng)肌肉松弛以維持適度鎮(zhèn)靜和鎮(zhèn)痛深度。混合鎮(zhèn)靜系統(tǒng)是利用患者BIS、呼吸頻率和脈搏氧飽和度作為控制變量建立的鎮(zhèn)靜多閉環(huán)系統(tǒng),同時(shí)集成協(xié)助麻醉科醫(yī)師決策支持系統(tǒng),能夠更好地維持目標(biāo)BIS值,減少低氧血癥的發(fā)生。Joosten等[19]使用EEG、心臟血流量(優(yōu)化每搏量)、肺通氣(優(yōu)化潮氣量和呼吸頻率以維持呼吸末二氧化碳分壓)3個(gè)控制器組成自動(dòng)多閉環(huán)麻醉管理系統(tǒng),能夠有效減少麻醉深度過(guò)深和低碳酸血癥的發(fā)生風(fēng)險(xiǎn),患者術(shù)后1周甚至3個(gè)月的神經(jīng)系統(tǒng)評(píng)分均優(yōu)于人工手動(dòng)控制系統(tǒng)。深度ML方法具有良好的性能和可擴(kuò)展性,在臨床麻醉藥理學(xué)領(lǐng)域的應(yīng)用前景廣闊。

5 AI疼痛監(jiān)測(cè)與管理系統(tǒng)

目前,臨床中仍主要依靠患者對(duì)痛覺(jué)的主觀感受以評(píng)估疼痛,患者個(gè)體差異性大且易受各種因素影響。近年來(lái),臨床醫(yī)師一直在努力尋求通過(guò)神經(jīng)成像技術(shù)客觀地評(píng)估疼痛,重點(diǎn)關(guān)注利用大腦進(jìn)行疼痛監(jiān)測(cè)的可行性與準(zhǔn)確性?；谘跛揭蕾嚭蛣?dòng)脈自旋標(biāo)記腦成像、心率變異性等特征建立的多變量ML模型能夠有效預(yù)測(cè)慢性腰痛患者的疼痛,其準(zhǔn)確度達(dá)92.45%,AUC值為0.97[20]。Hu等[21]應(yīng)用便攜式光學(xué)神經(jīng)成像功能性近紅外光譜儀監(jiān)測(cè)患者急性疼痛時(shí)的大腦皮層活動(dòng),使用基于NN的AI算法對(duì)數(shù)據(jù)進(jìn)行解碼來(lái)評(píng)估疼痛,結(jié)果顯示人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)對(duì)疼痛的分類準(zhǔn)確度為80.37%。以上研究結(jié)果均表明基于神經(jīng)成像的AI技術(shù),能夠潛在地將人腦轉(zhuǎn)化為客觀目標(biāo),精準(zhǔn)實(shí)現(xiàn)對(duì)疼痛可視化的監(jiān)測(cè)與定位。

近年來(lái),基于神經(jīng)成像的AI技術(shù)也已拓展至圍手術(shù)期急性疼痛的管理,使用光學(xué)體積描記(photo plethysmo graphy,PPG)深度信念網(wǎng)絡(luò)(deep belief network,DBN)建立術(shù)中疼痛等級(jí)分類模型,能夠準(zhǔn)確地反映患者疼痛的主觀感受[22]。Choi等[23]利用PPG頻譜圖和CNN建立新的鎮(zhèn)痛指數(shù)以量化評(píng)估術(shù)后清醒患者的疼痛,結(jié)果表明,患者疼痛時(shí)的平均頻譜圖CNN指數(shù)較基線水平顯著增高,其AUC值為0.76,可有效監(jiān)測(cè)患者術(shù)后疼痛。Gram等[24]利用定量感官測(cè)試與EEG對(duì)全膝關(guān)節(jié)置換術(shù)后患者的阿片類藥物鎮(zhèn)痛效果進(jìn)行評(píng)估,建立基于常規(guī)臨床指標(biāo)的邏輯回歸預(yù)測(cè)模型和支持向量機(jī)(support vector machine,SVM)算法的EEG監(jiān)督學(xué)習(xí)預(yù)測(cè)模型,結(jié)果表明,ML算法結(jié)合EEG能夠?yàn)樘弁吹膫€(gè)性化治療提供有力支持,指導(dǎo)圍手術(shù)期鎮(zhèn)痛藥的合理應(yīng)用。未來(lái)隨著大腦神經(jīng)成像技術(shù)的不斷進(jìn)展,與基于ML的AI技術(shù)更為深入地融合,將使人們對(duì)疼痛進(jìn)行量化監(jiān)測(cè)的準(zhǔn)確性顯著提高。

6 AI DoA監(jiān)測(cè)系統(tǒng)

精準(zhǔn)監(jiān)測(cè)DoA有助于指導(dǎo)全麻藥的合理應(yīng)用,降低術(shù)中知曉、蘇醒延遲、術(shù)后譫妄等圍手術(shù)期并發(fā)癥的發(fā)生風(fēng)險(xiǎn),但DoA不同于血壓和心率,無(wú)法被量化。EEG是最常用的腦功能監(jiān)測(cè)手段,其反映的人類大腦神經(jīng)活動(dòng)具有復(fù)雜的非線性動(dòng)力學(xué)特征,是評(píng)估麻醉狀態(tài)的重要參考標(biāo)準(zhǔn),而定量EEG能夠通過(guò)頻域或時(shí)域分析,將EEG基本要素,如頻率、節(jié)律、波幅等通過(guò)函數(shù)模型轉(zhuǎn)化為各種量化參數(shù),比傳統(tǒng)EEG更為客觀,易于解讀。AI能夠強(qiáng)化EEG中麻醉與意識(shí)狀態(tài)轉(zhuǎn)變的特征,非常適合分析復(fù)雜的EEG數(shù)據(jù)流。

目前,越來(lái)越多的研究通過(guò)AI與頻譜分析技術(shù)對(duì)EEG信號(hào)進(jìn)行直接分析以監(jiān)測(cè)DoA。使用ML分析腦電頻譜多參數(shù)特征能夠有效預(yù)測(cè)清醒與不同麻醉深度的全身麻醉狀態(tài),其性能顯著優(yōu)于單純利用BIS與熵指數(shù),而基于多重EEG頻域和熵特征結(jié)合邏輯回歸、SVM、隨機(jī)森林樹、ANN均已被證實(shí)能夠用于DoA監(jiān)測(cè),對(duì)清醒狀態(tài)和不同麻醉深度具有較高分類精度[25-26]。Madanu等[27]的研究結(jié)果表明,通過(guò)集成經(jīng)驗(yàn)?zāi)Ｊ椒纸夥ㄌ崛EG特征,利用CNN結(jié)合BIS與信號(hào)質(zhì)量指數(shù)能夠用于DoA的精準(zhǔn)預(yù)測(cè)。Mousavi等[28]使用EEG信號(hào)時(shí)頻分析圖提取灰度共生矩陣同質(zhì)性、相關(guān)性、對(duì)比度等特征,利用最近鄰算法分類器監(jiān)測(cè)DoA,通過(guò)數(shù)據(jù)增強(qiáng)技術(shù)強(qiáng)化訓(xùn)練提高準(zhǔn)確性,同樣能夠獲得良好的預(yù)測(cè)精度。以上研究均提示,基于多參數(shù)EEG特征集的AI 模型可被用于DoA的精準(zhǔn)預(yù)測(cè);ML算法性能優(yōu)化可進(jìn)一步提高預(yù)測(cè)精度,未來(lái)AI技術(shù)將在DoA監(jiān)測(cè)系統(tǒng)的開發(fā)與應(yīng)用中發(fā)揮重要作用。

7 局限性與倫理挑戰(zhàn)

首先,盡管AI系統(tǒng)具有改善患者臨床預(yù)后的諸多優(yōu)勢(shì),應(yīng)用領(lǐng)域也在迅速拓展,但現(xiàn)階段AI數(shù)據(jù)的來(lái)源相對(duì)單一且多局限于小樣本研究,算法易受數(shù)據(jù)偏倚的影響,可能導(dǎo)致醫(yī)療決策出現(xiàn)偏差,給患者帶來(lái)不利影響,使其難以被患者和臨床醫(yī)師所信任、接納。其次,AI算法具有一定“神秘性”,多依賴于復(fù)雜、難以理解的數(shù)學(xué)模型,從數(shù)據(jù)輸入到結(jié)果輸出均難以提供預(yù)測(cè)的具體細(xì)節(jié)來(lái)源,可能導(dǎo)致“黑盒效應(yīng)”,使理解難度進(jìn)一步增加。因此,在AI的臨床實(shí)踐中必須考慮醫(yī)療系統(tǒng)中隱性和顯性因素導(dǎo)致的數(shù)據(jù)偏倚,提高透明度,以增加臨床醫(yī)師對(duì)AI基本原理的理解和信任。

AI技術(shù)的進(jìn)步使自動(dòng)系統(tǒng)或可通過(guò)精準(zhǔn)預(yù)測(cè)自主提供醫(yī)療服務(wù),重要原因包括EHR系統(tǒng)大幅改進(jìn)了數(shù)據(jù)的存儲(chǔ)、使用與可互操作性;但也帶來(lái)了道德倫理挑戰(zhàn),如“南丁格爾”項(xiàng)目未經(jīng)授權(quán)便將數(shù)百萬(wàn)美國(guó)民眾的健康信息披露給谷歌公司。因此,應(yīng)關(guān)注數(shù)據(jù)使用的知情同意與權(quán)限等問(wèn)題,即數(shù)據(jù)權(quán)利和隱私應(yīng)被視為人權(quán)的一部分,必須以維護(hù)患者安全、自主性來(lái)解決這些問(wèn)題,明確數(shù)據(jù)的所有權(quán)、訪問(wèn)權(quán)限與方式,確保AI技術(shù)符合監(jiān)管要求,保護(hù)患者隱私。

AI是人類對(duì)世界全新的認(rèn)知方式,其發(fā)展需要對(duì)計(jì)算機(jī)科學(xué)的充分理解并完整地搭建大數(shù)據(jù)體系,未來(lái)充滿挑戰(zhàn)與未知。AI在臨床麻醉各亞專業(yè)領(lǐng)域的應(yīng)用前景廣闊,但必須考慮所面臨的風(fēng)險(xiǎn)并加以防范。在發(fā)展AI醫(yī)療技術(shù)的同時(shí),也應(yīng)加快相關(guān)法律法規(guī)的制訂,加強(qiáng)倫理道德風(fēng)險(xiǎn)管控,完善標(biāo)準(zhǔn)體系建設(shè)。臨床醫(yī)師應(yīng)正確分析、甄別AI的輸出數(shù)據(jù),理解AI技術(shù)倫理及其對(duì)社會(huì)影響,才能充分發(fā)揮AI的諸多優(yōu)勢(shì)。相信在不遠(yuǎn)的將來(lái),AI輔助麻醉程序在臨床的應(yīng)用將進(jìn)一步深入,更高效地輔助麻醉科醫(yī)師進(jìn)行醫(yī)療決策,提高醫(yī)療效率,保障患者安全,推動(dòng)臨床麻醉步入AI助力的智慧麻醉新時(shí)代。