Page 19 - 现代麻醉理论及实践操作

现代麻醉理论及实践操作
Theory and Practice of Modern Anesthesia

前评估的工作效率，又能优化围术期的患者管理，保证患者围术期的安全。

5.临床决策支持系统（clinical decision support system，CDSS）
麻醉记录是临床麻醉工作的主要组成部分，患者围手术期的数据可为后续
的麻醉处理及病案管理提供参考。目前各大医院的AIMS可以实时收集来自监护

仪、医院信息系统、呼吸机、麻醉工作站等源头的数据，麻醉医师根据术中的麻
醉管理情况，实时记录患者液体平衡状态、手术情况、用药记录、特殊事件等信

息，因此麻醉记录是患者手术期间实时信息的综合数据库。
随着AIMS的不断普及，研究者利用机器学习对患者的麻醉综合数据库进行
全面分析，开发出一种为麻醉医师提供实时决策辅助的硬件系统，减少医师工作

失误，该系统称为CDSS。该系统主要从AIMS收集数据，将数据通过转换、过
滤、缺失填补等方式归类为可供使用的数据，决策处理器应用算法处理数据并根
据已设定的决策规则，判断是否在AIMS上进行通知或警报（如弹出消息或闪烁

按钮等），麻醉医师根据警报提示，自主决策下一步诊疗计划。早期的CDSS主
要用于常规工作流程的提醒，如提示医师术中给予抗生素、β受体阻滞剂、优化
呼吸机参数、避免浪费麻醉药、核对麻醉账单等。随着数据收集的优化以及硬件

设备的升级，CDSS开始用于特殊患者的识别以及围手术期管理。Ehrenfeld等开
发出可用于术中血糖监测的CDSS，利用自回归算法根据患者的人口学特征、疾

病史、麻醉类型、手术特征、胰岛素水平以及血糖水平等信息进行数学建模，自
动识别出潜在的糖尿病患者，提醒麻醉医师术中监测血糖，并给予相应的胰岛素
治疗，降低了术后高血糖以及切口感染的发生率。CDSS还可用于识别接受神经

外科手术的小儿脑外伤患者，根据AIMS的患者信息，识别目标人群，根据已设
定的算法规则，提醒麻醉医师术中需关注的麻醉要点，减少了术中不良事件的发

生。但早期CDSS的提醒界面较为单调，有时难以引起麻醉医师的注意，新型的
CDSS将患者的循环指标、呼吸参数、液体平衡、实验室检测结果以及报警提醒
等信息以不同颜色的器官动态图综合在一个提醒界面，全面而生动地反映患者的

术中情况，提高了麻醉医师围手术期的管理效率。
目前大部分CDSS属于反应型支持系统，研究者开发新型系统时可直接收

集监护仪的数据，同时借助5G网络处理大量数据流，研制出具备实时预测性的
CDSS，但此类预测型CDSS仍处于研究阶段。

12