Page 17 - 现代麻醉理论及实践操作
P. 17
现代麻醉理论及实践操作
Theory and Practice of Modern Anesthesia
干预病因，有效降低了围手术期低血压的发生率，减少了麻醉期间的循环波动。
麻醉过深与病死率、术后不良事件以及相关脏器损伤相关，围手术期维持适
宜的麻醉深度对于临床麻醉的意义重大。目前围手术期麻醉深度的监测主要借
助BIS，维持BIS为40~60可避免术中知晓以及深度麻醉的发生，但BIS具有滞后
性，且易受电刀干扰，监测效果易受影响。目前研究的重点是根据患者的原始脑
电图探索监测围手术期麻醉深度的方法，由于不同麻醉状态下的脑电图变化复
杂，提取单一特征很难有效评估麻醉深度，可借助人工智能算法自脑电图中提取
出多个有效特征，以精准评估麻醉深度，提高监测的实时性与准确性。Haghighi
等借助人工神经网络从脑电图中提取4个有效参数（熵、脑电边缘频率、β比
率、快慢波的相对同步性），将这4个参数作为神经网络的输入层、BIS作为神
经网络的输出层，分析大脑功能状态，可有效区分患者的清醒状态与麻醉状态；
Gu等利用小波变换法分析脑电图并提取特征，通过聚类分析评估麻醉深度，该
方法通过了临床数据库的验证，证实了该算法的可行性；为进一步提高监测的准
确度，Saadeh等利用机器学习分类处理器分析脑电图，将患者分为深度镇静、中
度镇静、轻度镇静与清醒4个状态，其准确度可达92.2%，滞后时间最长为1s，保
证了患者术中适宜的麻醉深度。研究者还利用人工智能进行了其他方面的预测，
如利用神经网络预测肌肉松弛的恢复情况；根据面部图像识别气管插管困难患
者；术前识别输血相关性急性肺损伤患者等，利用人工智能高效的计算能力处理
复杂的数据，提前预测不良事件的发生，及早干预，保证患者术中安全。
3.图像识别与分类
人工智能在临床医学中应用最成熟的是医学影像识别，可以早期辅助医师识
别病变脏器或组织，提高临床诊断率。随着图像识别技术的成熟，机器阅片能力
已逐渐超过人工阅片。而超声作为医学影像学的检查工具之一，由于具有低成
本、便携、实时成像等优点，深受麻醉医师关注，超声引导下的神经阻滞、血管
穿刺、硬膜外穿刺镇痛等已广泛应用于临床。
随着舒适医疗的不断推广，减少麻醉期间有创操作中的副损伤已成为麻醉医
师的共识，但超声图像识别易受伪影和人为干扰，加上人体解剖结构的变异，导
致超声下精确的解剖定位困难。
目前研究人员主要利用人工神经网络帮助识别和分类超声图像，精准识别超
10
