麻醉藥作用于大腦，但是大多數麻醉醫(yī)師依靠心率，呼吸頻率和運動來推斷手術患者是否保持昏迷至所需程度。在一項新的研究中，麻省理工學院和馬薩諸塞州總醫(yī)院的一個研究小組表明，一種簡單的人工智能方法，與所使用的麻醉劑相協調，可以產生一種算法，該算法可以基于大腦活動以高精度和可靠性來評估患者的意識障礙。
“麻醉師心目中最重要的一件事是'我有沒有一個人躺在我的面前可能是有意識的，而我卻沒有意識到?”能夠在手術過程中可靠地保持患者的無意識是我們所做工作的基礎，”資深作者Emery N. Brown，皮克爾學習與記憶研究所和麻省理工學院醫(yī)學工程與科學研究所的Edward Edward Taplin教授說，和MGH的麻醉師。“這是向前邁出的重要一步。”
布朗補充說，新算法不僅可以提供良好的意識意識，而且還可以使麻醉師將其維持在所需水平，同時使用的藥物少于根據較少直接，準確和可靠的指標而可能使用的藥物。這樣可以改善病人的術后預后，例如del妄。
布朗也是哈佛大學醫(yī)學院的教授，他說：“我們可能總是有點'落伍'。”“但是我們能做到足夠準確嗎，以免我們給人們的劑量超過需要的量?”
例如，算法用于驅動輸液泵，可以幫助麻醉師精確地節(jié)流藥物輸送，以優(yōu)化患者的狀態(tài)和所接受的劑量。
人工智能，真實世界的測試
為了開發(fā)這項技術，博士后John Abel和Marcus Badgeley領導了這項研究，該研究發(fā)表在PLOS ONE[LINK TBD]，他們在2013年收集的一組出色數據上訓練了機器學習算法。在該研究中，20多歲的10名健康志愿者接受了常用的異丙酚的麻醉。由于使用計算機控制的給藥方法有條不紊地提高了劑量，志愿者被要求對一個簡單的請求做出回應，直到他們不再這樣做為止。然后，當他們隨著劑量減少而恢復意識時，他們變得能夠再次做出反應。一直以來，腦電圖(EEG)電極記錄了反映其大腦活動的神經節(jié)律，從而在測得的大腦活動與表現出的意識喪失之間提供了直接，實時的聯系。
在這項新工作中，Abel，Badgeley及其團隊根據不同的基礎統(tǒng)計方法，對來自7名志愿者的33,000多個2秒長的EEG錄音片段進行了訓練，以優(yōu)化其AI算法的版本。這樣，算法可以“學習”在異丙酚下可預測意識和無意識的腦電圖讀數之間的差異。然后研究人員以三種方式對算法進行了測試。
標簽： 全身麻醉
免責聲明：本文由用戶上傳，如有侵權請聯系刪除！