患者监护的可视化技术

信息技术现已成为围手术期和重症监护医学的标准，并显著改善患者医疗。患者监护是国际麻醉安全实践标准中强烈推荐的标准。在重症监护中，监测对于优化患者通气、血流动力学和新陈代谢也至关重要。  

数据过载  

随着新的传感器被添加到患者监测中并且监测参数的数量增加，其解释的复杂性和临床医生面临的认知负担也随之增加。可用数据量与识别重要信息的能力之间存在不平衡。更多的数据可能会为计算机提供更多的信息供使用，但它并不总是转化为对人们有意义的信息的相应增加。根据认知负荷理论，人类无法长时间处理大量数据，因为工作记忆容量有限，通常一次处理 5 到 9 个项目 。工作记忆超载会导致信息处理、理解和保留能力较差。此外，医疗人员在处理危急情况时面临着情感负担，这也会影响精神敏锐度。认知和情绪负荷的结合可能会导致职业困扰、疲劳和倦怠，这会影响医疗质量，并与患者安全性降低、住院时间延长、甚至死亡率增加相关。临床医生在处理如此高度复杂的情况时需要支持。根据医疗人员的技能和需求调整工作环境可以减少他们的工作量，并帮助他们在认知和情感上管理危急情况。改善临床医生感知患者信息的方式之一是以用户为中心的设计原则应用于患者监护技术。患者监护几乎完全使用单传感器单指示器原理，这是一种以技术为中心的信息呈现形式，其中单个参数被测量并显示为单独的数字和波形。医疗人员必须单独处理、整合和解释每个生命体征，然后才能解读其含义。这种类型的模型不利用人类感官感知的能力或提供对患者当前状态的最佳认识。然而，如果将多个传感器派生的多个参数集成到一个指标中，医疗人员就可以并行评估全方位的生命体征，而不是零碎地评估。基于计算机和以用户为中心的设计系统的高保真模拟研究表明，以变化的形状、颜色和动画频率形式提供的患者监测数据有助于提高临床诊断的准确性，加快决策速度，降低了感知工作量，并提高感知诊断确定性。  

以用户为中心的数据可视化背后的心理学和认知神经科学  

Visual Patient 是一种用于患者监护的面向情境意识的可视化技术，已发展为飞利浦 Visual Patient Avatar（荷兰阿姆斯特丹皇家飞利浦）。视觉患者（图 1 A、2 B、3）使用形状、颜色和头像形式的动画来传达有关生命体征的信息。人类以帮助他们理解和吸收信息的方式感知和组织他们所看到的东西。感知的格式塔原理——邻近性、相似性、封闭性、封闭性、连续性和连接性——出现于二十世纪初，至今仍被认为是对人类视觉行为的准确描述。根据格式塔原则，如果对象靠得很近、具有相似的属性、周围似乎有边界、似乎是彼此的延续和/或相互连接，则它们被视为一组。将这些原则纳入以用户为中心的技术设计中，支持人类如何感知和解释视觉信息，使数据更加直观。双处理理论将人类思维和视觉信息处理分为两种互补的类型：联想（系统1）和推理（系统2 ）。系统 1 能够在不依赖工作记忆的情况下快速、本能地做出决策。它由视觉皮层控制并自主运行，并由情感和直觉判断驱动。系统 2 与缓慢而理性的决策相关，主要由额叶皮层管理这两个系统并行工作并相互连接，形成视觉信息的连贯感知。人脑几乎可以立即检测颜色、运动和形状；将其整合并进行关联。这些原则可以指导以用户为中心的患者监测技术的设计，这些技术优先考虑意识并优化人类感官知觉。相比之下，独立呈现信息的单传感器单指标模型可能需要增加认知努力。

姿势感知  

姿势感知基于从环境中的多个来源收集信息，理解信息的含义，并利用它来提前思考接下来可能发生的情况。它涉及建立和维持对活动中存在的情况和风险的动态认识。情境意识的原理起源于航空心理学，但也应用于重症监护医学和麻醉，其中管理动态和复杂的情况至关重要。重症监护病房和术中环境中大约 80% 的治疗错误是由于医疗保健提供者的情况意识不足造成。以用户为中心的设计被用作开发面向姿势感知的系统的框架，以实现整体人机交互的最佳功能并确保患者安全。考虑到姿势感知而设计的系统可以比单独的传感器信息更全面地概述患者的状况，并且可以帮助医疗保健提供者更快地解决潜在问题。  

以用户为中心的患者监护技术  

基于前面提到的心理学和认知神经科学原理以及人类感官知觉的能力，设计了几种以用户为中心的患者监测技术。这些技术背后的理念基于 Endsley 的以用户为中心的设计、Wittgenstein 的《逻辑哲学论》中的逻辑原理，以及 NASA 出版物《信息组织：方法和早期》中描述的人机交互Degani 等人的工作。以用户为中心的设计原则建议使用数据的直接视觉表示来促进姿势感知。维特根斯坦的理论指出，逻辑图景与其试图表示的现实具有有意义的共性。美国宇航局出版物强调，通过将所有必需的数据集成到单个显示可以实现最高水平的“秩序和完整性”。这种方法使我们能够立即查看所有参数是否在正常范围内，从而提供即时保证并减少单独读取每个数字所需的认知负担。所述技术的目标是建立一个面向情境意识的界面，以尽可能快的速度并以最低的认知努力向医疗保健提供者传达信息。  

可视化患者  

Visual Patient 系统起源于合成视觉（图 2 A），这是一种航空领域使用的可视化技术，它将多个数值的数据组合成外部世界的 3D 视觉表示，以提高机组人员的态势感知能力。无论外界条件如何，飞机姿态、高度、空速、与障碍物的距离以及其他数据都会呈现给飞行员，就好像他们在晴天透过挡风玻璃一样，从而可以更快、更全面地了解整体情况。Visual Patient 中呈现的视觉数据（图 1 A、2 B、3）是仿照现实生活建模的，例如，化身呼出规则、小或大的 CO2，具体取决于呼出的气体。测量CO2浓度。Visual Patient 使用的可视化设计，即形状、颜色和动画步调，在最初的开发过程中经过了多次改进和重新验证，两个中心的 150 名医疗人员。观看 6 分钟的教育视频后，所有可视化最终达到了 > 94% 的评估者间可靠性。在一项由 30 名参与者参与的研究中，产品中使用的修订设计的可视化结果中，> 70% 无需任何培训即可直观识别。在危急情况下，需要将问题用语言表达出来，以便其他人采取行动。在紧急情况下，未感知的关键信息无法用语言表达。一项由 52 个团队进行的高保真模拟研究表明，与标准监护仪相比，视觉患者与用言语表达紧急原因的概率更高相关（风险比 [HR] 1.78；95% CI 1.13-2.81；P= 0.012）。Tscholl 等人进行一项基于计算机的研究中。在 32 名参与者中，使用 Visual Patient 的麻醉师在同一时间内感知到的生命体征几乎是使用传统显示器的两倍（9 vs. 5；P<0.001）。在一项对 50 名医疗人员进行的计算机研究中也发现了类似的结果，该研究具有模拟重症监护环境。与标准监护仪相比，使用 Visual Patient 的版本结合患者插入的中心静脉导管、动脉导管和导尿管等设备，对生命体征和插入设备的准确评估率更高（速率比 [RR] 1.25；95% CI 1.19-1.31；P< 0.001）。这些发现表明，视觉患者增强了对潜在问题的感知，从而导致言语表达，并最终增强情境意识。诊断信心是临床决策的重要组成部分。增加诊断信心可以通过减少不确定性带来的压力来积极影响态势感。在 Tscholl 等人在一项涉及 32 名参与者的研究中，与当前标准监测相比，Visual Patient 显著提高麻醉提供者对患者监测的诊断信心（2 = 确定 vs. 1 = 不确定；P< 0.001。Bergauer 等人还发现 工作人员在与传统显示器相比，重症监护环境在使用 Visual Patient 解读生命体征时更有信心（比值比 [OR] 3.32；95% CI 2.15-5.11；P< 0.001）。高认知工作量会降低处理数据的能力。一项涉及 32 名参与者的计算机研究发现，Visual Patient 降低了主观感知的工作量（NASA 任务负荷指数 [NASA-TLX] 60 vs. 76；P< 0.001）。在一项有 38 名参与者参与的计算机研究中，Visual Patient 在分心工作时提高感知表现。在这项前瞻性多中心研究中，麻醉医生使用标准和视觉患者监测评估了 3 秒和 10 秒的场景，同时被标准化的简单计算任务分散注意力。在 3 秒场景中，麻醉提供者在使用虚拟人物分散注意力的情况下记住了更多的生命体征：6 比 3；P< 0.001，并且在 10 秒监控任务中：6 vs. 4；P= 0.028。在这项研究中，参与者在 3 秒场景中对化身分心时的感知工作量进行了评分：65 比 75；P= 0.007，在 10 秒场景中：68 vs. 75；P= 0.019。视觉患者可以更早地提醒临床医生生命体征的变化，因为它在他们的周边视力中仍然可见。在一项多中心眼动追踪研究中，38 名麻醉师仅使用周边视觉来观察患者监测场景，使用 Visual Patient 的参与者能够检测到比传统监测显著更多的生命体征变化，正确识别的生命体征变化的中位数在第一种情况下，符号变化从 3 上升到 12 ( P< 0.001)，在第二种情况下，符号变化从 3 上升到 8 ( P< 0.001) 。切尔等人一项对 32 名麻醉师进行的眼球追踪研究中，参与者在使用视觉患者监测时会更长时间地在视觉上注视更多的生命体征，并且生命体征的视觉注视与其正确感知之间存在统计学上显著的关联。关于 Visual Patient 的使用，在一项针对 38 名麻醉师的在线定性调查中，超过 80% 的麻醉人员认为 Visual Patient 直观且易于学习。在另一项涉及 30 名参与者的研究中，三分之二的人表示 Visual Patient 中使用的改编化身设计版本看起来非常适合临床使用。  

动态肺面板和 PulmoSight  

Dynamic Lung panel（Hamilton Medical AG，Bonaduz，瑞士）在动画肺部解剖图像中可视化来自呼吸机的呼吸监测数据（图 1 C）。该系统实时显示多个参数，例如潮气量、患者触发、袖带压力、阻力、顺应性、SpO2 和脉率。例如，肺部的大小随着每次呼吸的变化来表示潮气量，而肺部的形状则表示顺应性。采用颜色编码，支气管树颜色反映阻力水平。PulmoSight（迈瑞医疗国际有限公司，中国广东深圳）还使用带有支气管树和气管的解剖肺部图像来可视化呼吸参数。可视化通过修改不同肺部区域的轮廓来显示患者的呼吸起始、阻力、顺应性和潮气量。气管壁越厚表明阻力越大。动画的使用仅限于指示呼吸的亮度变化。沃赫特等人应用迭代设计过程来开发图形肺部可视化，该可视化使用一些与动态肺面板和 PulmoSight 类似的可视化。一项涉及 19 名参与者的研究 表明，医疗人员使用这种图形显示可以更快、更准确地识别和管理选定的模拟肺部事件，并减少感知工作量。一项对 26,769 名患者进行评估的回顾性研究显示，AlertWatch:OR 在统计学上显著改善了多种过程措施，即晶体液给药（5.88 ml/kg/h；95% CI 4.18-8.18；vs. 6.17；95% CI 4.32-8.79；P< 0.001），潮气量大于 10 ml/kg（28% vs. 37%，P< 0.001，调整后 OR 0.65；95% CI 0.53-0.80；低血压 1 vs. 1 分钟，P< 0.001） 。一项进一步研究比较了使用 AlertWatch:OR 管理的 791 例病例与未使用该技术管理的 1,550 例病例，结果表明，使用该技术与理想的术中血糖管理显著增加相关（调整后 OR 1.55；95% CI 1.23-1.95；P< 0.001）。对 120 例分娩后并发严重病态产后出血的回顾性观察研究表明，AlertWatch:OB 发现了标准孕产妇早期预警标准未发现的 10 例病例。一项对 273 位使用该系统的参与者进行的在线调查显示，83% 的用户认为该系统应该保留，表明用户接受度很高。  

HemoSight 和生理学屏幕  

HemoSight（迈瑞医疗国际有限公司，中国广东深圳）是一种先进的血流动力学监测可视化工具（图 4 B）。可视化包括心脏、肺、血液和血管系统，以及单独的静脉和动脉腿。动脉脉管系统的颜色反映了测量的氧饱和度，而静脉脉管系统的颜色代表中心静脉饱和度。血管直径的变化表明全身血管阻力指数值。动画直观地显示患者的心率。收缩期心脏的大小表示射血分数，而舒张期心脏的大小表示舒张末期容积指数。肺液水平的变化表明血管外肺水指数值。生理学屏幕（Edwards Lifesciences Corp.，欧文，加利福尼亚州，美国）也是高级血流动力学监测的可视化，显示心脏、肺、血液和血管之间的相互作用。血流动画根据心输出量/指数和目标范围（慢、正常、快）进行调整。血管收缩反映了全身血管阻力和所选的目标范围。从生理学的角度来看，心脏的跳动代表了脉搏率，尽管不是每分钟的确切跳动次数。还包括用于组织氧合测量的附加可视化。在综合表示中，患者头像显示特定于解剖位置（如大脑区域）和血流动力学参数的数字氧合值（图1B）。  

报警状态可视化工具  

警报状态可视化工具（Masimo Corp.，尔湾，加利福尼亚州，美国）在人体三维解剖图像上显示视觉警报指示器，将警报状态与绿色（无警报）、黄色或红色相关联。基于头像的图片包括大脑、心脏、肺和血管系统，它们根据生命体征状态改变颜色。还可以根据脉搏率和呼吸率参数对心脏和肺部动画处理。  

新兴技术  

视觉凝块  

解释旋转血栓弹力图 (ROTEM) 结果是一项复杂且认知要求高的任务，需要大量培训。Visual Clot 是我们研究小组正在开发的粘弹性测试结果的可视化表示（图 5 A）。该技术基于代表止血不同成分（包括血小板、血浆因子和纤维蛋白）的血栓弹力测量参数，创建实时、3D 动画的血栓模型。它还可以证明肝素和纤溶亢进的影响。  

视觉血气分析  

Visual Blood 是一种基于态势感知的技术，旨在可视化动脉血气分析 (ABG) 。该技术以动画形式呈现血气情况，将参数和相互作用显示为流经血管的 3D 图标（图 5 B）。视觉血液代表的各个参数根据其功能和作用位置进行可视化。例如，高血浆渗透压表现为水分子通过血管壁进入血管。如果特定参数低于预定义阈值，相应的图标将变为灰色、虚线和闪烁。如果超过阈值，则图标显示的数量比参数在正常范围内时的数量要多得多。ABG 是围手术期和重症监护医学中常规使用的诊断工具之一。在时间压力下的解释有时可能具有挑战性，特别是对于缺乏经验的团队成员而言。以用户为中心的可视化技术（例如 Visual Blood）可以促进其解释。Bergauer 等人比较50 名麻醉师的表现，他们使用视觉血液和标准 ABG 打印输出分析 6 个基于计算机的 ABG 场景（每种模式总共 300 个评估病例）。参与者更有可能做出正确的临床诊断（OR 2.16；95% CI 1.42-3.29；P < 0.001）。这些发现表明，视觉血液有助于更快地启动靶向治疗。此外，与传统的打印结果相比，医疗人员在用视觉血液解释 ABG 结果时表现出更高的诊断置信度（OR 1.88；95% CI 1.67-2.11；P < 0.001）。施威格等人还表明，与标准 ABG 打印输出相比，研究参与者使用 Visual Blood 时感知的工作量较低（线性混合模型系数 -3.2；95% CI-3.77 至-2.64；P< 0.001）。研究结束后，临床医生对有关视觉血液的陈述进行评分 (n = 70)。65-70% 的人认为它直观且易于学习。超过 70% 的参与者同意目测血液应该成为临床常规。  

基于头像的可视化技术的局限性  

这些技术中的可视化数据经常被预处理和简化。生命体征的数值被转换为离散的可视化条件，例如太低、正常、太高或未测量。虽然这种预处理增强理解和诊断信心，但它降低数据精度。数字指标对于准确的数据分析仍然至关重要。此外，这些技术尚未显示趋势，这可以帮助医疗保健提供者识别随时间推移的缓慢变化，并且通常在生命体征达到警报水平之前充当早期预警信号。因此，虚拟形象目前还不能取代常规监控，但可以作为一种补充，旨在提高态势感知能力。与合成视觉和数字飞行数据一样，Visual Patient、Visual Clot 和 Visual Blood 是在同一研究小组内开发的。这些系统需要外部验证数据。此外，由于这些技术刚刚开始在临床实践中实施，目前最好的证据是高保真模拟研究。尚无研究显示与患者结果相关的益处。只有 AlertWatch、Visual Patient、Blood 和 Clot 经过科学研究和验证。研究并不断改进可视化技术的功能非常重要，而不仅仅是假设它们有效。  

以用户为中心的患者监护技术的未来  

使用基于化身的医疗信息呈现的潜在应用似乎是无限的。未来的愿景侧重于将多种视觉患者监测技术结合到化身中的整体模型；然而，这样的模型必须保持其尽可能快速有效地从每个部分传递关键信息的能力。例如，想象一下从患者头像放大到肺、心脏和血管。相反，想象一下从患者头像缩小到患者环境和连接设备的表示。下一步可能包括患者安装，例如导管，以及所代表的生命体征变化的更明确的分级或水平。基于可视化的技术也可以是一种易于理解的方法，用于将复杂信息从机器学习算法传输给用户。在大数据时代，机器学习和人工智能可以处理大量数据并使其对临床医生有用。然而，临床医生不是数据科学家，可能在理解和解释机器学习算法产生的结果方面存在问题。以用户为中心的创新可视化显示做出明智决策所需的信息可能会有所帮助。基于可视化的患者监护可以集成不同的人工智能方法，并以视觉格式提供复杂的信息；例如，器官系统故障的预测或简单的策略，例如生命体征的单流预测。基于头像的可视化也可以在不同的数字平台上呈现，例如虚拟或增强现实耳机或全息图。这将使用户能够“看到”可视化效果，无论他们在房间中的位置如何。  

结论  

所审查的以用户为中心的技术，以态势感知为中心，标志着首次涉足可视化医学领域。通过采用心理学和认知神经科学的原理，这些系统利用人类感官知觉的优势来促进对所呈现信息的直观理解。这些技术的最终目标是使个人能够做出改进的决策并提高患者的安全。研究和验证可视化技术对于确保其功能至关重要。

1.苏黎世大学医院重症监护室生命体征的视觉呈现。A飞利浦视觉患者头像B Edwards Lifesciences 组织氧合生理学视图C Hamilton Medical 哈美顿医疗公司肺动态影像。

2.如何以视觉方式呈现多个单独的读数。合成视觉将复杂的飞行数据转换为挡风玻璃外视图的数字双胞胎。B Visual Patient 将多个生命体征转换为可视化影像。Visual Patient 技术最初由瑞士苏黎世大学医院开发。

3.视觉患者。A视觉患者可视化的生命体征及其出现位置。B、C视觉 患者显示各种生命体征偏差及其口头解释。D分屏显示，显示传统监护和可视化患者的结合。

4.心。a心脏内的液位表示为绿色、黄色或红色，具体取决于 I&O 平衡，除非有侵入性测量液体状态，例如 SPV 或 CVP。心脏有 ICD（植入式心脏除颤器），由附在心脏左上侧的小图标表示。b如果没有对心脏充盈进行侵入性评估，并且估计失血量≥ 20% 或估计血容量，则心脏内部不会有液位，但会出现文本警报，说明“需要数据”。显示屏右上角出现文本警报，指出“考虑流体状态的客观测量，例如 SPV、CVP”。C如果 I&O 平衡为正（≥ EBV 的 60%），但这与 SPV、PPV、CVP或 PAD 的客观充盈测量一致，均显示心脏充盈量非常低，并且最近的血细胞比容超过 30 分钟，将触发一条文本警报，指出“潜在的无法识别的失血-考虑测量 Hct”

正在开发的可视化技术。A左：ROTEM 时序图；右：凝块。B左：标准动脉血气打印输出；右：血液流动。Visual Clot 和 Visual Blood 是瑞士苏黎世大学医院目前正在开发的技术。

Gasciauskaite et al. Critical Care (2023) 27:254 https://doi.org/10.1186/s13054-023-04544-0