AI助力麻醉风险评估：亚东医院的创新实践

AI助力麻醉风险评估：亚东医院的创新实践

随着医疗技术的进步，许多手术方法被开发出来以治疗疾病，这些手术通常需要麻醉科的辅助，包括全身麻醉、半身麻醉或区域麻醉。在现代医疗中，生理监测的精准度和药品的可靠性都有所提高，使得麻醉风险较以往有所降低。目前，国际上接受选择性手术的患者术后任意死因死亡率（All-cause Mortality）约为1.7%（0.5%至2.8%），这些风险可以通过手术和麻醉期间的适当评估和规划来调节。亚东医院的术后任意死因死亡率（All-cause Mortality）在过去八年平均约为1.3%。随着科技的进步，特别是人工智能（Artificial Intelligence，AI）的发展，医疗临床有了利用这些技术来预测和管理麻醉风险的机会。本文将探讨如何利用AI，特别是机器学习和深度学习，来改善麻醉风险评估和管理，并介绍亚东医院麻醉部在这一领域的创新应用。

麻醉风险评估的现状与限制

传统上，麻醉科医师依靠美国麻醉学学会（American Society of Anesthesiologists，ASA）的身体状态分级系统来评估患者接受麻醉的风险。这个系统虽然简单但较为古老，主要根据患者的整体健康状况分为五个级别，并且针对各级别有相对应的风险。然而，这种方法并未针对不同手术麻醉和不同患者的共病症，个性化地评估可能出现的不同风险。这一挑战催生了多种工具来预测术后死亡率，如美国外科医师学会的NSQIP风险计算器等。但这些工具无法对应到台湾的手术分类，并且无法实现即时且自动化的判断。

AI介入麻醉风险评估的潜力

AI在医学中的应用逐渐增多，许多案例成功应用于自动化医学影像判读、临床记录自然语言语意分析和分类及临床决策支持系统（Clinical Decision Supporting System）。通过机器学习和深度学习技术，医疗专家能够利用大量的电子健康记录（Electronic Health Record，EHR）数据用监督式学习方式训练模型，学习分类各项死亡率和可能发生的并发症。另外，自然语言处理的技术也让人们能够运用临床输入的文字（free text），增进模型的分类精准度。这些方法让麻醉风险预测模型不会局限於单一手术或麻醉方式，而能针对各种麻醉方式和手术类型进行个性化预测。再加上AI模型能够自动使用EHR数据预测术后死亡率，可以节省人力、增进效率并减少错误。

亚东医院麻醉部的实践

亚东医院麻醉部整合了近八年的患者手术前、手术中、手术后结果，建立了麻醉风险数字数据库。运用这个数据库，他们能够运用最新的AI技术，包括深度学习和自然语言处理训练风险预测模型。这些数据包括术前诊断、手术方式、术前的实验室检查、共病症、术中电子麻醉记录以及手术后的重要并发症和死亡率等。通过这个系统，麻醉科医师在手术前就能够自动化评估病人的风险，并制定适当的处置措施来降低风险。

创新的深度学习模型

亚东医院麻醉部的研究团队引入了一种创新的合成深度神经网络模型（fusion deep neural network），结合了结构化的EHR数据和非结构化的临床文本。他们在模型中，加上使用BERT（Bidirectional Encoder Representation Transformer）的技术，从临床文本中提取了有意义的概念嵌入，这些文本包括术前诊断和拟议手术过程的描述。这个结合了结构化和非结构化数据的模型在预测30天内术后任意原因死亡率（all-cause mortality）方面表现出色，其准确度（Area Under the operating Receiver characteristic Curve，AUROC）达到0.964，统计上显著地高于其他现存的模型，证实了这一技术的优越性。所有数据都可以在术前自动获取，使得该模型可以自动运行而无需额外人力介入，从而在麻醉风险评估中带来了显著的效益，包括提高了预测的精准度和医疗决策的质量，能降低非预期的并发症和死亡率。然而，这些新技术的实施也面临着一些挑战。需要硬件来管理大量数据，同时要加密维护病人的隐私，并且要维持模型的定期更新，确保可靠性。

未来展望

随着AI技术的不断进步和数据分析能力的提高，未来在麻醉风险管理领域，这些技术将提供更多个性化和精确的解决方案。亚东医院的案例为全球麻醉安全管理提供了一个有力的范例，展示了AI如何助力现代医疗实践。特别是在高风险手术中，确保患者安全和提高医疗质量。此成果发表于2022年的临床信息期刊（Journal of Medical Internet Research - Medical Informatics），并在2023年的台湾医疗科技展上展出。随着这些技术的进一步普及，我们可以预见一个更安全、更有效的麻醉风险管理新纪元的到来。