2021-06-03 17:21:01来源：医脉通阅读：22次
医脉通编译整理，未经授权请勿转载。
导读
人工智能（AI）是指基于强化学习，围绕算法的使用展开的机器演示的智能科学。AI使用称为“大数据”的可用数据库来制定算法，基于这些算法或其他数据的分析有助于早期诊断、准确风险评估、术中管理、自动给药、预测麻醉和手术并发症以及术后结果，从而有效地进行围手术期管理，降低治疗成本。AI的使用是未来大手术围手术期管理的前进方向。
AI在术前管理的应用
1.病理诊断
数字病理学通过远程报告幻灯片图像的传输，可帮助远程中心获得关于某些病理难题的更多意见。由于标本数量众多，加上显微镜聚焦区域的能力，即使是病理学专家也会不可避免地错过某些区域。
AI有助于分析整个领域以及检测细微变化。它可以识别乳糜泻、幽门螺杆菌、肝纤维化分级、结肠息肉分类、异型增生分级，从病理预测结直肠癌的5年总生存率，并预测微卫星不稳定性。但其缺点是数据存储量大以及对高效网络、计算机和设备的需求。
2.内镜检查
通过AI实现的一项重要成果是评估通过无线胶囊内镜获得的大量内镜图像，以及用于评估的胶囊内集成超声系统，如Sonopill所述，由于腹部器官变形的问题，AI在胃肠道病理成像中的整合速度并不像在乳腺或肺部疾病中那么快。
3.手术决策
手术决策包括患者参与管理，提高患者满意度和依从性，并允许患者应对任何并发症。IBM Watson Oncology旨在帮助肿瘤学家了解最新证据并指导决策。尽管已有相关宣传，但它并不能很好地应用于胃肠道肿瘤（GI）。
4.风险评估
现有的风险评估模型，如重大不良心脏事件，修订后的心脏风险指数，和Gupta心肌梗塞或心脏骤停的风险低估了所涉及的风险。另外，广泛使用的美国麻醉师学会（ASA）分类，也有主观评估错误。
AI和机器学习（ML）平台可从庞大的结果数据库中获取数据，根据现有的电子健康记录（EHR）变量准确识别和预测风险。
MySurgeryRisk平台使用285个变量的EHR数据，已被证明可以比临床判断更准确地预测围手术期风险。
ML也已证明可以使用术中数据准确预测死亡率、败血症和急性肾损伤。急诊手术风险预测优化树（POTTER）计算器是一个基于美国外科医师学会国家外科质量改进计划（ACS-NSQIP）数据库的ML平台，通过与EHR数据集成，可识别和预防诸如手术部位感染（SSI）、败血症、肺炎、尿路感染、心脏并发症等风险。
同样，ML算法可根据既往手术的数据（包括患者风险因素和术后结果），推荐可使用的麻醉药物，进一步预防麻醉并发症。
AI在术中管理的应用
1.加强麻醉诱导和维持
插管机器人，如Kepler插管系统，使用视频喉镜和机械臂放置气管插管，成功率高达91%。McSleepy自动静脉输液机使用脑电双频指数（BIS），通过给予丙泊酚、麻醉剂和肌肉松弛剂来维持麻醉深度（DOA）和生命体征。目前，自动麻醉仍处于起步阶段，尚未准备好在一般实践中应用。闭环麻醉输送系统是另一种基于BIS的自动输送系统，已被证明是有效和高效的。
2.手术阶段识别
ML和数据标注系统可用于识别手术阶段，并识别手术步骤中的偏差或延迟。
3.避免近距离失误
手术导航技术或计算机辅助腹部手术使用术前或术中成像来跟踪手术器械并帮助探查隐藏的手术解剖结构，以提高安全性，改善临床结局。
AI在术后管理的应用
1.预测风险
自然语言处理（NLP）允许ML算法运用EHR数据并利用它预测结果，ML算法已被证明可以准确预测浅表SSI、器官间隙SSI、败血症和肝脏、胰腺或结直肠手术后出血。
2.有助于减少并发症
AI已证明使用预测平台算法预测胰十二指肠切除术后胰瘘（POPF）的风险。预测的POPF风险可以指导临床管理，预防或减轻不良结果。同时，ML在败血症患者术后期间或在ICU中可用于预测输液后的尿量和液体状态，帮助避免液体超负荷和少尿的情况发生。
3.减少术后疼痛
AI还侧重于最大限度地减少术后疼痛和提高患者舒适度。在一项纳入50例患者的随机对照试验（RCT）中，使用Nociception水平（NOL）指数监测手术过程中患者的痛觉感受，发现术后阿片类药物（芬太尼和吗啡）的使用量没有差异，但NOL组的术后疼痛评分提高了1.6分。
结论
AI在临床系统中的应用不断增加，正成为医疗保健领域的一个强大工具，其最终目标是为患者提供最高质量的治疗。AI是未来发展的方向，其应用领域必将不断扩大，希望医生在AI的协助下能更好地为中国的医疗事业添砖加瓦，为人民的健康保驾护航！
医脉通编译整理自：Solanki SL, Pandrowala S, Nayak A, et al. Artificial intelligence in perioperative management of major gastrointestinal surgeries[J]. World J Gastroenterol 2021; 27(21): 2758-2770