插管后确认导管位置，传统双肺听诊和人工智能计算哪个更好用？

『气管插管术』是每一位临床麻醉医师都熟练操作的技能，在气管插管过程中对其深度的把握至关重要。在与气管插管相关的不良事件中，气管插管导管（ETT）位置不当常常发生，如果对此没有及时发现和处理，就可能会对患者造成危害。

如气管插管过浅可能出现气体外溢、声带损伤或导管脱出等意外；相反，气管插管过深导管进入单侧肺，引起通气侧肺过度通气而非通气侧肺出现肺不张。

临床上，由于手术进度和设备的限制，麻醉医生常常会通过一些简捷的方法调整气管导管的深度使其处于合适的位置。

看 

可视喉镜下直视气管导管通过声门；置入气管导管后观察球囊通气时双侧胸廓的起伏；连接呼末二氧化碳装置观察其波形；如果采用透明导管还可以通过挤压胸廓观察气管导管有无白雾进行判断。

听 

听诊双肺呼吸音及胃部水泡音可用于判断气管导管有无误入食管或误入单侧支气管。

其中最常用的就是『双肺听诊』，虽然简单好用，但是终归是看不到导管的真实位置，而且有时也受患者肺部情况的干扰。

来自台湾国立成功大学医院的黄敏欣博士发表在《Anesthesiology》上的一篇文章提供了另一种可能性：使用人工智能测量便携式胸片上气管导管尖端到隆突的距离从而实现导管的准确定位。

在颈部自然状态下，『便携式胸片』上ETT尖端在气管内的最佳位置是隆突以上3-7厘米。相较于单纯的体格检查，气管插管后应用便携式胸片评估ETT的位置更加准确，但是放射科医生并非随时都能在ICU或者手术室操作并评估便携式胸片。

因此该研究团队开发了一种基于深度学习的自动检测算法，在便携式仰卧胸片上监测ETT尖端和隆突的距离，以期帮助ICU医生及时解读插管后胸片，尽早识别ETT的位置优劣，从而减少相关并发症的发生。

研究团队使用1842张成人插管患者的便携式仰卧位胸片开发了一种基于深度学习的自动检测算法，由两名ICU医师对ETT远端和气管分叉进行数据标注。

该算法的效能在4折交叉验证（1842张X光片）、外部验证（216张X光片）和11名ICU医生参与的性能测试（462张X光片）中进行了评估。评估指标包括ETT尖端检测、隆突检测和ETT-隆突距离测量中与参考标准的误差。

图1 便携式仰卧位胸片标记和基于深度学习算法的架构

在观察者性能测试中，该算法在ETT尖端检测、隆突检测和ETT-隆突距离测量中的误差中值、5mm误差范围、10mm内误差范围、15mm误差范围优于临床医生。在任何对比中，算法都比临床医生更准确。

因此，该算法在确认气管导管位置方面与一线ICU医生相当，甚至更胜一筹。

但是本研究也存在一些『局限性』。首先在性能测试中，只将第一个模型的表现与临床医生的表现进行了比较。虽然在内部4折交叉验证和外部验证中，四个单独模型的表现没有明显的差异，但这并不等同于此模型能代替其他三个模型与临床医生进行比较。

其次，考虑到基于规则的特征提取方法被用作识别ETT尖端和颈部的后处理程序，难以避免过度拟合的可能性。最后，因为测试数据集的特殊性，本研究中算法的性能不能与以前的工作进行全面的比较。

且该算法的临床实践有两个前提，一是有便携式胸片，二是ICU的工作环境，因此对于习惯了双肺听诊和观察呼吸参数粗略估计气管导管位置的麻醉医生而言，仿佛显得有点鸡肋且麻烦，但是这并不妨碍我们了解一种确认气管导管位置的方法。

参考文献

Huang MH, Chen CY, Horng MH, Li CI, Hsu IL, Su CM, Sun YN, Lai CH. Validation of a Deep Learning-based Automatic Detection Algorithm for Measurement of Endotracheal Tube-to-Carina Distance on Chest Radiographs. Anesthesiology. 2022 Dec 1;137(6):704-715. doi: 10.1097/ALN.0000000000004378. PMID: 36129686.

打赏