努力促进临床监测智能化应用研究的快速发展*

佘守章, 俞卫锋

1广州市第一人民医院手术麻醉中心(广东广州 510180); 2上海交通大学医学院附属仁济医院麻醉科(上海 200127)

医学发展与时代科技进步息息相关,临床监测(clinical monitoring)技术体现了现代医学与生物工程、计算机技术与新材料的紧密结合,更是现代医学与科技完美结合的载体之一[1]。临床麻醉是为患者提供精准的镇静、镇痛和麻醉,要做到个体化的精准麻醉管理,临床监测是基础,只有通过监测-分折-调控,方能达到精准麻醉[2]。正如钟南山院士在2005年人民卫生出版社出版的《临床监测学》第一版专著中题词所述“为临床提供准确的监测,为治疗提供可靠的依据”[3]。麻醉学是具有艺术特征的临床学科,临床监测则是麻醉学科的精髓,规范的临床监测标准是提高麻醉质量的重要工作。

1 什么是临床监测智能化

临床监测定义为通过医疗设备对患者生命指标及生理参数进行快速、动态、反复甚至是连续的物理检测或化学检验,以数据或图像形式呈现出来,为临床医师提供评估、诊断和处理信息的一门技术。智能化依托的人工智能是一种可以模仿人类的智力构建计算机系统的科学。临床监测智慧化是在上述定义的基础上,根据检测的数据或图像进行计算机自动快速分析、在网络上智能形成报告,并且将数据或图像报告储存在医院的HIS系统中,实现数字/图像云端化、信息互通共享,方便医师通过云平台了解诊断结果和治疗方案,为医师分析诊断提供可靠的信息,为治疗提供有效的依据。临床监测智慧化是实现快速精确诊断、安全舒适治疗的核心,是实现对患者全方位、无间断、准确的生命体征和康复质量监测的记录。

2 临床监测智能化的优势

临床监测学在智能化创新发展道路并不是一帆风顺的,以心音的检测作为一个案例。以前心音的判断主要是靠听诊,听诊从最初学习阶段,就要花大力气,在老师的讲解下认真实践、反复练习,辨別患者胸前区听诊到的是什么样心音,摩擦音抑或是隆隆样杂音?每一种杂音反映心脏瓣膜存在的是什么问题极为复杂。由于各位医师听诊的水平不一致,医师仅凭心音听诊很难及时全面了解患者心脏功能状况和心脏瓣膜病理生理的变化,而且听到的心音无法真实地被留存下来。

心音是心脏机械运动产生的振动信号,其特征性改变与心脏瓣膜、腔室的功能或结构异常密切相关,故心音对心血管疾病早期诊断有重要价值。心电心音同源同步检测智能分析技术(简称:AI-PECG)是一项人工智能技术的诊断系统,运用专有的传感器和数学算法,整合心电心音量化参数,为临床提供全方位、全信息、立体化的心脏功能数据。相较单一信号源参数,AI-PECG能更全面、更准确地发现心律失常、心肌缺血、瓣膜功能异常等疾病。其提供5项结果(常规十二导心电图、心音图、短程心率变异性、心室晚电位、心功能)的智能分析报告,可为冠心病患者进行风险再评估[4-5]。

患者自控镇痛(patient controlled analgesia,PCA)是一种经麻醉科医师根据患者疼痛程度和身体情况,预先设置镇痛药物的剂量及机器参数,再交由患者“自我管理”的一种疼痛治疗技术。在传统PCA基础上,融合物联网和人工智能的创新镇痛系统,被称作智能化PCA(artificial intelligence PCA,Ai-PCA)。Ai-PCA配备远程监测、智能警示、智能分析与评估等功能,能够自动记录并储存自控键按压频率和背景剂量等信息,显著延长了医嘱执行时间,实现了术后镇痛过程的动态管理。Ai-PCA让患者术后无痛和分娩期间更为舒适,提升围麻醉手术期的整体诊疗水平,则是一个非常典型的临床医学智慧化技术之案例[6-9]。

术中低血压,即收缩压较基线降低20%或平均动脉压低于65 mmHg,是围术期最常见的并发症之一。由于低血压会影响重要器官的灌注和氧供,其发生可增加术后心肌梗死、肾功能损害、脑缺血等并发症的风险并增加术后死亡率[10]。如何尽早发现和及时处理低血压是关键。Wijnberge等[11]在一项RCT研究中比较了机器学习衍生的术中低血压早期预警系统与标准临床管理对于择期非心脏手术期间术中低血压程度和持续时间的影响;该项预警系统不但提供低血压预警,还根据不同参数标准提示低血压的原因(血管扩张、血容量不足或心肌收缩力不足),使针对前负荷、后负荷和心肌收缩力变化的循环管理有的放矢,研究结果显示,人工智能预警系统显著减少了患者发生低血压的中位时间;是否改善患者预后则需要进一步研究证实。基于持续无创动脉压实时监控,可以建立一种算法来预测低血压事件,提醒临床医师提前进行干预,从而减少相关不良事件发生[12]。

新时代的监测技术不断改进,无线智能监测和人工智能技术等脱颖而出,应用领域正在逐步扩大,极大地丰富了临床监测的内涵,网络信息化、人工智能(AI)、虚拟现实(VR)技术进入临床监测领域,使监测大数据信息获取和智能化分析更加完善。目前临床监测方面的新知识、新理论、新技术、新方法不断涌现,加强临床监测智能化,有利于提升临床监测水平,不断提高患者的安全性,从而及时发现患者的异常情况,降低并发症的发生率[13]。

3 临床监测智能化的未来

临床监测智能化的未来,随着新时代计算机-网络-智能化的快速发展,监测技术也不断推陈出新,其计算技术包括自然语言处理、机器学习及其细分下的深度学习、强化学习等体系。ChatGPT是一种基于自然语言处理技术,可以与人类进行自然、流畅的对话,帮助人们解决问题、获取信息甚至进行情感交流,尤其是在肿瘤检测、器官移植、基因组学分析、药物筛选和靶向设计、临床诊断、病理诊断、基因编辑技术、疾病智能诊断、电子病历管理等临床医学科研方面实现更加人性化和高效的医疗服务,提升科研能力。国内华为推出的盘古AI大模型、科大讯飞推出的新一代认知智能大模型等,其拥有跨领域的知识和语言理解能力,能够基于自然对话方式理解与执行任务,从海量数据和大规模知识中持续进化,实现从提出、规划到解决问题的全流程闭环,对于发展中国未来独立自主的临床监测智能化系统很有帮助。国内一些三甲医院已经开始利用AI搭建服务于医疗系统的模拟训练模型和医院内部知识库的构建,以支持院内的医疗、教育和科研工作,提升临床研究效率。发展临床监测智能化的另一原因也是因为既往临床指南基于RCT等研究结果,在真实世界中的外推应用是受限的,不符合临床实际。这就需要应用到大数据平台,包括对监护仪、床旁监测、电子病历系统的数据进行整合,继而采用机器学习等方式来建立术中高危事件、不良预后的预测模型,并进行实时干预,这些是以往基于小样本量、依靠回归分析技术等统计学分析所做不到的。围麻醉手术期智能化监测目前主要有以下3个应用领域:(1)确认高危患者;(2)并发症的早期识别;(3)及时有效的治疗措施[14]。基于脑电图、各类疼痛指数、肌松程度监测的深度学习模型已用于开发自动闭环麻醉输送系统,可实时监控患者情况[15-16]。AI正在全面介入临床监测调控领域,使之成为真正的穿戴监测设备,使未来的监测技术将更加完美智能和个性化,临床监测智能化提供更多更详细的大数据长期储存在医院HIS系统中。

目前智能化临床监测的发展也遇到一些问题,如可能是因为医疗数据受相关部门严格监管,公共网络上缺乏规范化的信息源,有人发现ChatGPT系统提供的决策建议,甚至文献支持可能是虚拟的或是碎片化的[17]。另外,基于AI提供的信息类似于黑盒系统的输出端,往往缺乏理性及逻辑上的解释。而且目前很多算法只是通过特定人群、在有限的数据集上进行测试的,模型存在过拟合现象,故其泛化应用有限。在严格监管下对医疗数据进行整合、共享,同时让医疗人员进行相关培训可能是未来的一种发展方向[18]。

国家大力提倡人工智能。未来的临床监测将是由有线向无线、穿戴式、智能化方向发展。未来麻醉人工智能化,其临床监测智能化是基础、智慧化是愿景追求。期待加强临床监测智能化应用研究,不断提升医师的临床大数据分析能力;期待国内专家学者能够把更多的临床监测调控技术发明专利转化为创新产品,使我国未来独立自主的临床监测调控技术更加智能,展示中国医师的智慧;期待更多的同道投身于临床监测智能化技术的发展和进步中。为了实现从“麻醉大国”到“麻醉强国”学科发展的目标,为了“人民至上、生命至上”的理念,为了满足人民美好生活的需求做出更大贡献[19]。

利益相关声明:所有作者声明无利益冲突。

作者贡献说明:佘守章负责策划、完成文献资料的收集整理和分析、论文撰写;俞卫锋负责策划、补充论文内容、审校和终审定稿。