麻醉从一开始有作用,然后越来越安全,到现在更精准更高效,其部分原因是监测和输送技术的进步。
摘要
麻醉的实践不可避免依赖于麻醉技术。麻醉从一开始有作用,然后越来越安全,到现在更精准更高效,其部分原因是监测和输送技术的进步。在此,我们讨论过去三年麻醉技术的突出进展。
消费者技术和远程医疗如雨后春笋般应用于门诊医疗服务,围手术期管理也不例外。术前评估可以通过电话会议进行,产生了大量消费者生成的健康数据。监管机构意识到消费者技术转移到医疗实践中的巨大潜力,但仍存在隐私、数据所有权/安全性和有效性问题。
在手术室,监测技术的创伤性更小,临床决策支持系统也很常见。这些技术容易受到困扰人工智能的“垃圾输入、垃圾输出”难题的影响,但随着网络延迟的降低,这些技术会得到改善。随着闭环麻醉输送系统的联合测试(向综合系统迈进),自动化在麻醉学的未来变得越来越重要。
今后,消费者健康公司将探寻他们技术的应用对象,监管宽松的健康市场将会更早采用下一代新技术。随着麻醉医生越来越被认为是患者管理装备的组成部分,麻醉的革新需要考虑到人的因素。
关键字
人工智能,技术,闭环
引言
现代麻醉学的实践依赖于技术的进步。这种相关性在其他医学专业中可能不那么强,因此对最近麻醉技术(尤其是那些能决定麻醉领域未来的技术)的进展做一回顾。技术首先使麻醉成为可能,然后安全,继而在充斥财力和人力资本的医疗系统中追求更精准更高效。在此,我们讨论过去三年发生的显著进展,集中在自动化,监测和决策支持系统方面。最后,我们讨论了21世纪麻醉学的革新前景。
麻醉药物输送的自动化
用于执行任务的设备,包括像提供麻醉药物这样复杂的任务,都可以描述为工具或自动化设备。工具由用户直接使用,而机器通过外部电源增强用户的输入,但仍然直接受用户控制。自动化的特点是机器能够在不需要用户直接输入的情况下改变其功能,以达到用户定义的目标。20世纪末,麻醉医师大多使用工具和机器。随着21世纪的到来,麻醉药物自动输注技术变得越来越普遍。闭环麻醉输送系统(CLADS)依赖于一个完整的或“闭合的”反馈回路。简单地说,一个自动化设备(例如,一个呼吸机)必须设定一个目标(例如,呼气末二氧化碳水平),并可控制影响这个目标的输入因素(例如,分钟通气)。这些因素之间的因果关系是“闭环”。大多数汽车中常见的巡航控制是一个简单的闭环系统,接受当前速度输入,调整发动机功率以达到驾驶员设定的速度目标。就像开着一辆没有巡航控制系统的车一样,麻醉医师是根据数据(例如,呼气末二氧化碳)做出决定和实施变化(例如,通过呼吸机改变分钟通气量)。在美国,没有真正的全自动CLADS商业性产品被批准用于临床。尽管如此,麻醉工作站、输液泵和监测仪都在不断发展,这些复杂的机器最终会成为“开放”的反馈回路,便于麻醉工作者重新整合。除了美国,自动化CLADSs被用于研究,并越来越多地用于临床实践。这些系统最初是针对特定参数单独开发的(例如,脑电图(EEG)监测、血流动力学目标和液体复苏),并已在特定的临床场景中进行评估,包括在有相对较重合并症的患者群体中(心脏外科手术和经导管主动脉瓣植入术)。在更广泛的人群中,这些系统的安全性已经得到了广泛的调研。纳入催眠、镇痛和液体管理的独立闭环的自动麻醉系统正在进行可行性研究。一项使用异丙酚和芬太尼CLADS的多中心随机对照试验表明,达到特点的双频谱指数(BIS)和心率,CLADS比手动操作更准确的控制BIS(P<0.001)和心率(P<0.0031)在基础值的25%以内。这些参数在各临床中心之间的变异在自动控制时很小(P = 0.94),而在手动控制时显著(P <0.001)。一项荟萃分析显示,与标准做法相比,CLADS控制的全静脉麻醉(TIVA)输液也能更精准地调节麻醉深度,缩短恢复时间,并减少镇静剂的使用。神经认知功能的恢复,作为手术后一项重要的临床衡量指标,在自动TIVA管理下也可能得到改善。儿童应用也在应用发展中。《麻醉学》杂志2020年2月号刊登了一篇社论,“在不久的将来,机器人可将实施麻醉操作”。市场上,已有通过闭环滴定自动给予挥发性麻醉剂的商品。我们预计自动化将迅速增长,在未来10年将成为手术室的常态。
手术室内监测:无创监测的进展
闭环自动化需要一个可靠的数据来源做出“决策”。例如,如上所述,为假想的二氧化碳波形相关的呼吸机编程是一项简单的任务,遵循二氧化碳产生和分钟通气量等生理学原理。这些关系在数据伪影存在时显著降低:术中事件(例如,肺栓塞或心肌梗死)、气管插管位置不正、患者体温、呼吸管路闭塞或断开都导致二氧化碳波形信号的变化,除了调节分钟通气量之外,需进行其他干预措施。为此,可靠地获取高分辨率、可重复、及时的术中数据是实现自动化的基础。
随着技术的革新,监测的有创性越来越小。心输出量监测最初需要置入有创导管和采用热稀释方法,而最近几年,通过对周围动脉压波形的分析来测定心输出量的商品已上市。最近,通过手指上血压套可实现真正意义上的无创心排血量评估,如CNAP系统(CNSystems Medizintechnik GmbH, Graz, Austria)或ClearSight系统(Edwards Lifesciences, Irvine, CA, USA)。脑部血氧饱和度测量同样也提供了有价值的数据,可产生有意义的临床作用,包括大脑自动调节评估。
新的监测技术并不是无创数据收集的唯一手段。临床信息有时可以通过对现有监测数据进一步深入分析而获得。就像心输出量可通过分析有创动脉脉搏波测量轮廓测量或通过从心电图(仅仅是电压随时间变化曲线)提取蕴含数据测量一样,从现有的血氧饱和度、连续呼吸末二氧化碳和动脉血压监测中获取数据具有潜在的代表血流动力学变量的价值。镇痛-伤害性刺激指数、手术血氧容积描记波指数、痛觉水平指数(NoL)也是类似例子。Edry等人证明NoL(心率、心率变异性、光体积描度计波幅值、皮肤电导、皮肤电导波动及其时间导数的非线性组合)能成比例反映切口疼痛。因为像这样经过处理的指标自然带有局限性,限制其临床应用(人们可能认为健康患者的NoL评分与那些有慢性疼痛的患者不同),了解这些局限性是在闭环系统中使用它们的先决条件(例如,NoL引导的镇痛管理)。
手术室之外的监控:远程医疗和可穿戴医疗保健技术
追求新的更有价值的患者数据不能仅局限在术中。消费者科技公司向不断发展的健康保健市场投入了大量资源。在美国最著名的科技产品贸易展——消费电子展(CES)上,有许多消费者医疗保健技术寻求临床应用。例如,来自电子游戏行业的增强现实技术已进入重症监护病房(ICU),以量化患者的出院率。为消费者开发的具有低延迟率和稳定性不断增强的无线技术,也许有一天会使麻醉工作站清理掉纠缠的数据线。
远程医疗,高级视频传输产品在消费者领域的自然副产品,及其在围手术期家庭诊疗模式中的应用,可能是当前最明显的消费技术革新麻醉实践的例子。远程医疗所需的小型高分辨率摄像机、麦克风和宽带数据连接源于商业和间谍活动。它们在术前检查、远程ICU护理、术中监测和术后评估中的应用已有综述做详细的回顾。消费者医疗技术中的数据安全仍然是一个挑战,但较低的费用和持续的患者满意度将继续推动远程医疗的扩展。
临床决策支持和麻醉信息管理系统
麻醉记录单是麻醉医师工作的必要组成部分。以前像生命体征、输液情况和镇静程度等信息都是麻醉医生通过直接观察、监护仪或麻醉工作站来获取的。文档是一种单向的记录数据的行为,以便日后进行可能的审查。现在,电子病历和麻醉信息管理系统(AIMS)充当信息中心,收集医生、监护仪和麻醉工作站提供的信息。随着麻醉记录成为患者实时信息的综合存储库,临床决策支持(CDS)系统随之诞生。其他综述也对CDS和AIMS进行了回顾和展望。值得注意的是,CDS不同于闭环或自动系统,因为CDS在各种临床情况下能够提供警示且实践应用最好,但不能进行干预。因此,为了作出临床判断和干预措施,麻醉医生仍然是不可或缺的。
人工智能(AI)和行为科学的发展挑战仍然是CDS有效实施的阻碍。首先,算法的输出质量会因其输入质量而显著改变(“垃圾输入,垃圾输出”的难题)。高质量的患者数据和筛选伪影的能力是有效CDS的关键属性。其次,CDSs提供各种通知和警告,这些通知和警告依赖于人类的关注。因此,CDS使临床管理的反馈回路“开放”。随着警报疲劳和文件需求的增加,创建一个有用和准确的CDS是一个相当大的挑战。第三,有效的CDS需要近乎实时地处理大量的临床数据。麻醉工作站的工作效能还有待观察,但我们认为一个类似于web服务器的中央处理模型可将这种需求转移到低延迟网络,从而使设备的便携性增加及降低成本。这将对大多数实际情况中的网络情况及其处理能力提出要求。我们预计消费者级别的低延迟网络(例如5G蜂窝网络)的出现将大大减少这一障碍。
随着数据连接和数据处理性能在不断的加强,会产生更多医疗数据的安全和财产权的问题。在21世纪,我们创造和收集的人类医疗数据在规模、范围和影响上将是不可估量的。从数据中寻找意义仍然是我们技术时代的一个根本挑战。
麻醉学技术革新的前景
2008年,医疗卫生系统提出了三大目标,指导了许多医疗卫生工作的发展。在以更低的成本为更多患者治疗改善疾病的同时,技术与传统的医疗革新渠道相比具有若干优势。
革新是很常见的:这些新技术在进入临床之前,或临床需求还未明确之前,就已经被应用于其他行业。众所周知,智能手表和健身追踪器引入到连续运动监测和心率监测,赢得了社会的广泛赞誉,并获得了市场上的成功。较不发达的卫生保健系统可能会比先进的医疗系统更早的采用这种技术,即“跳跃”效应,由于新生技术需要在进入先进医疗系统前证明其有效性。今天,先进医疗服务系统中的临床医生仍然怀疑消费者提供医疗信息的不准确性和不可靠性,还没正式将其纳入临床规范中。
心理学、经济学和行为科学等领域将引领对不断增加的现有患者信息的应用。考虑到人为和社会因素,麻醉医生最宝贵的资源是:时间和注意力。如果自动化系统要真正改善临床医疗,就必须与临床操作人员的行为相结合。即使有最强有力的多学科证据支持技术的应用,理论和实践之间的差异会使应用变得不确定。
开发成本和监管一直是创新的重要障碍。新技术的开发成本随着新研发产品的复杂性增加为而不断攀升,所以价格就会增加。管制作为社会基本质量控制措施继续发挥作用。市场对新医疗技术背后的证据有不同的标准,但旨在弥合医疗技术和实际消费费用的新的监管途径可能会使这一过程顺利进行。美国食品和药物管理局(FDA)承认了医疗和消费领域之间技术转移的价值,最近在2020年1月的消费电子展(CES)上提出了“去神秘化监管”,试图帮助科技初创企业应对复杂的监管框架。
保证严格的高质量可能会阻碍创新,几个世纪以来,从哲学上反对改变是一种人类的习惯,并有深远的影响。麻醉学的技术进步对与麻醉医生来说也是有利有弊。上述讨论的革新,麻醉医生可以感知到威胁他们的职业身份,甚至威胁到他们献身于人类服务事业的理想。既得利益的机构(制造商、培训机构和提供者)常常认为,在面对大规模变革时,他们的权力、影响力或前途将受到威胁。哈佛大学肯尼迪学院科学技术与全球化项目的已故主任卡里斯托斯•朱玛在他的上一本书《创新及其敌人》中,详细描述了这种保护本能对抗颠覆性技术浪潮的例子。几个世纪前,咖啡作为一种鼓励集体聚会和思想交流的物质被禁止。在法律上,对黄油销售构成威胁的人造黄油必须被染成令人不适的亮粉色。对创新的抵制有时会利用强制力量(例如法律)来维持一种生活、工作或思想方式。尽管如此,今天咖啡还是无处不在,出售黄色人造黄油也不是犯罪。麻醉学在自动化方面的经验已经很成熟,而且在持续发展中。我们建议,拥抱这一潮流并负责任地引领它向前是一种最佳方式。
结论
正如威廉·吉布森(William Gibson)在20世纪90年代中期指出的那样:“未来已来——只是分布不平均而已”。麻醉的实施、术前评估和术后管理因卫生系统、资源配置和社会情况而不同。然而,由人工智能和信息技术基础设施改善所带来的自动化、非侵入性监测、远程监测和管理以及CDS的趋势在麻醉领域已经非常明显。每个卫生系统都将继续为更多的病人争取更好的治疗结果,同时耗费更少的资源。系统间的多样性可导致跨越式创新,即在一个环境中更早采纳这些创新技术,可作为在其他地方实施的经验。
具体来说,CLADS是一项成熟的技术,可以在麻醉过程中精确控制可变量,但需要进一步研究来阐明与临床结局相关性(神经认知功能障碍除外)。随着我们从已有监测项目中提取新的指标,监测变得越来越无创。远程医疗有可能彻底改变围术期家庭护理的外科手术模式,并成为医疗领域采用消费级技术(电信或其他技术)的先锋。
随着技术的创新、社会工程进展和有效商务构建将有助于提高麻醉管理的质量和价值。不断结合卫生系统和患者的多到令人难以置信的数据,将见证这一过程。行为科学和经济学将进一步指引CDS系统的实施,利用上述技术,减轻麻醉医生的疲劳和最大限度地减少错误的发生。
医疗卫生系统的三大目标继续驱动麻醉学的创新,以造福患者和社会。麻醉医生和创新人员的创新方式将决定我们领域未来的地位。我们认为,以上讨论的部分发展趋势是经济和社会力量在医学领域发展的必然结果。我们也相信,未来的麻醉行业会更加智睿和灵活,并且引导麻醉医生进行有意义且有影响力的临床实践。未来已来,我们对创新的参与度将决定我们未来能否享有繁荣带来的益处。
评述:
始于上世纪中叶的信息革命尽管丰富了人们的生活,却没能像蒸汽和电气革命一样,显著提高社会生产力,直到智能革命的兴起。势不可挡的人工智能(AI)洪流,正在引领新一轮的科技革命,可能给整个世界带来翻天覆地的变化。AI在包括麻醉和围术期管理在内的智慧医疗方面的应用可谓前途无量。
技术进步尤其是自动化控制和AI的发展使麻醉科医疗实践发生变革。麻醉学是最早应用自动化控制和AI的临床科室之一。闭环控制麻醉输送系统(CLADS)就是利用自动化控制系统之一的“反馈控制”研制的,通常采用傻瓜式比例-积分-微分(PID)调节器,调整相应的参数以达到人为设定的目标。例如调节静脉麻醉药输注速度使BIS值达到理想范围,调节分钟通气量使呼末二氧化碳达到设定值。随着AI技术的发展,未来可能使用人工智能调节器来适应各种复杂的状况,真正实现CLADS的智能化,取代麻醉医生的部分工作。其次,利用不断积累的临床数据,通过AI的算法和模型可以建立临床决策支持(CDS)系统,协助临床诊疗工作,甚至超过人类智能限制,对不良结局做出预警。例如在影像中对神经和血管做出定位,提前预测术中低血压和围术期并发症。再者,如果能利用AI学习发掘无创监测数据蕴含的意义,代替现有的有创监测但不降低安全性,将大大提高工作效率并造福于患者。因此,有人提出“在不就的将来会出现麻醉机器人”。
然而,要实现这些美好的愿景,不管是CLADS,CDS,还是无创监测技术,都依赖于准确的和大量的临床数据。采集患者术中的生命体征等参数时,会受到诸多因素的干扰,经常需要人为判断和调整。如果数据不精准,对AI来说,容易陷入“输入垃圾,输出垃圾”的迷局。识别监测数据的准确性将成为麻醉机器人安全性的阿喀琉斯之踵。AI技术依赖于数据的积累和算法/模型的开发。隐私权,数据的获取和整合,模型的稳定性和普适性,都是AI在医学领域研究和实践中面临的巨大难题。根据Gartner公司的“技术成熟度曲线”(图1),新兴技术会经过技术诞生促发期、过高期望峰值期、泡沫化底谷期、稳步爬升期和实质生成高峰期。而目前的AI技术大多处于过高期望峰值期,可能需要更多时间的检验,才能“大浪淘沙,始见真金”,真正为临床医疗服务。
编译:仝传迪,述评:徐铭
不感兴趣
看过了
取消
人点赞
人收藏
打赏
不感兴趣
看过了
取消
打赏金额
认可我就打赏我~
1元 5元 10元 20元 50元 其它打赏作者
认可我就打赏我~
扫描二维码
立即打赏给Ta吧!
温馨提示:仅支持微信支付!