跳到正文
原文
梅斯医学·临床资讯·· 2026-10-11AI 评分47

中山三院“AI+麻醉”系统:优化手术排程与围术期监护,科研证实科普视频降低术前焦虑

【睿智麻醉】AI进入手术室:怎样让手术更准、麻醉更稳?

AI 导读

中山大学附属第三医院研发“手术非常准”和“手术非常稳·睿麻助手”两套AI系统,用于优化手术排程、术前评估与术中监测。基于305名患者的调查,团队制作科普音乐视频《术前麻醉教育歌》,随机对照研究结果显示患者术前焦虑检出率由对照组的23.2%降至干预组的12.3%,相关成果发表于Heliyon。

正文

4分钟前 古麻今醉网 古麻今醉网 发表于上海

手术室麻醉工作压力大,AI 作为辅助工具助力临床。中山三院研发两套智能系统,优化手术排程、围术期评估与监护,配套科普视频减轻术前焦虑;AI 落地存在多项挑战,定位是辅助而非替代麻醉医生。

深度解析医学证据,DeepEvidence为你支撑决策

麻醉和手术是医院里节奏最快、容错空间最小、数据最密集的场景之一。意识、镇痛、肌松、呼吸、循环、体温与内环境,是麻醉医生需要同时守住的一排“旋钮”。这份精细而高压的工作,背后是麻醉医生长期面临的人力困境。长时间高度专注带来的注意力波动,让细微的趋势变化容易被海量数据淹没,麻醉医师的职业耗竭问题也日益受到关注。

人工智能(Artificial Intelligence, AI)的价值,正在于将医生从重复、繁琐的工作中解放出来,减轻信息处理负担,同时帮助医生更早识别复杂数据中潜藏的风险与异常变化,从而将更多精力投入临床判断和患者管理。

图片1.png

图1 麻醉驾驶舱(图片由AI生成)

AI+麻醉的智能变革:从“准”到“稳”的双保险

手术室里的AI,并不只是一个会聊天的软件,它更像一组专门处理不同任务的工具。AI首先要学习医学知识,接入麻醉学、围术期医学领域的权威指南,再通过海量的规范病例信息进行训练,寻找人眼不容易发现的关联规律。训练后的AI,能帮助麻醉医生整合众多复杂信息,但最终判断仍由医生完成。

中山大学附属第三医院(下文称“中山三院”)是较早开展“AI+麻醉”临床探索的团队之一,围绕安全与效两条主线,建设了“手术非常稳”和“手术非常准”两套智能系统。

1. “手术非常准”:让手术排程从“估”走向“算”,让等待不再全靠猜

手术室管理中,“准”首先意味着时间安排更有依据。手术持续时间并不固定,患者情况、术式复杂程度、急诊插台和接台流程都可能改变原有排程。对于麻醉医生,下一台患者何时入室,直接影响术前准备、患者转运和手术间衔接。对于患者和家属,预测更及时,也意味着等待更有预期。

中山三院探索的“手术非常准”系统,借鉴航班追踪的设计逻辑,结合既往手术数据、术式及实时流程进度用于动态估计入室与手术结束时间,并向患者、家属和医护移动端更新。它的“准”并不是承诺手术一定会在某一分钟完成,而是让手术室外的人更清晰地知道手术流程大致进行到了哪里。这个功能看起来不像抢救患者那样惊心动魄,却在实际地改善患者的就医体验,也在一定程度上缓解了手术间调度的沟通压力。 

图片2.png

图片3.png

图2 手术非常准

值得一提的是,中山三院手术麻醉中心的医护团队还发现,手术非常准用户端的“术前必看”栏目,让专业的医学科普真正变成了实际临床效果。团队首先展开了一项覆盖305名手术患者的问卷调查,结果发现患者术前最担心的麻醉问题,往往集中在三处:麻醉是否安全、术后是否疼痛、麻醉费用如何。

基于这些真实关切,麻醉科团队把手术麻醉的注意事项与加速康复外科(ERAS)理念融合,编成朗朗上口的歌词,配上轻快的旋律与2D卡通动画,制作成一部约3分半钟的科普音乐视频《术前麻醉教育歌》。禁食禁饮、烟酒处理、呼吸道准备、术后如何配合康复......这些原本需要反复口头叮嘱的内容,被唱成“听得懂、记得住”的知识。

随后,团队展开了相应的随机对照临床研究,结果发现与对照组相比,观看科普视频的患者对麻醉知识掌握、最担忧问题的解决程度均明显提升,患者术前焦虑检出率由对照组的23.2%降至干预组的12.3%,接近减半;术后苏醒期躁动发生率、术后住院天数与住院总费用也进一步下降,患者及家属的围术期满意度明显提升,相关研究成果发表在国际学术期刊《Heliyon》,为围术期科普视频疗愈提供了重要循证证据。

图片4.png

图3: 相关研究成果发表在国际学术期刊《Heliyon》

2. “手术非常稳·睿麻助手”

以往围术期AI研究多聚焦单一任务,例如预测术中低血压、术后并发症或手术时长。即使模型表现良好,医生仍需自行查找相关资料、判断风险是否可信,再决定下一步行动。近年来,随着大语言模型和智能体技术的发展,围术期AI也开始从单一预测任务,向病历整合、知识检索、动态监测和流程协同延伸。以中山三院团队开展的围术期智能化探索为例,“手术非常稳·睿麻助手”围绕术前信息整理、知识检索、风险提示和术中监测分析等任务,尝试将原本分散的功能接入临床工作流程。

图片5.png

图3:中山三院智慧麻醉全流程协同架构图

术前:减少重复查找,让风险评估更有针对性。对于合并多种疾病、长期服药或检查项目较多的患者,麻醉医生常要在不同系统中反复寻找关键信息。术前评估智能体可以辅助归集既往病史、用药、检验检查结果和麻醉相关风险,形成供医生复核的访视要点,并依据权威指南生成风险评分和麻醉计划。实践表明,在智能系统的帮助下,术前评估的时长可从30分钟缩短至5分钟以内,大幅提升了一线医生的工作效率。

术中:让监护变化与临床事件建立联系。连续监护不等于连续理解,以术中低血压为例,同样一次血压下降,可能与麻醉药物、容量变化、体位调整或手术操作有关。智能系统结合实时监测趋势、近期给药及麻醉记录,通过交互界面呈现相关线索,辅助麻醉医生更快梳理事件经过。与传统单阈值报警相比,这种“监测信号+事件背景”的呈现方式,有望减少信息误报,使风险提示更贴近实际决策。它提供的是分析线索,而非自动诊断或处置指令。

术后:将风险关注延伸至恢复阶段。针对术中异常事件及患者基础风险,系统尝试生成需重点交接、随访和观察的内容,避免关键信息止步于麻醉记录单。术前识别、术中追踪、术后交接如果能够衔接,AI才更有可能成为贯穿围术期的辅助工具,而不是几个互不相干的预测模型。

AI要在手术室真正好用,难点在哪里?

首先是数据。电子病历、麻醉信息系统、监护仪和输注设备记录的内容、频率和时间精度并不相同。术中监测数据可能出现伪差,部分用药或事件时间来自人工补录,患者的临床状态又不断变化。如果不能先解决数据质量、时间对齐和信息溯源,系统就可能把无关的事件联系起来,生成看似合理、实则错误的解释。

其次是人机交互。对麻醉医生而言,真正有用的提示应当回答三个问题:为什么提醒、依据是什么、是否需要现在处理。提示过多会形成报警疲劳,提示过少则可能遗漏重要变化;建议如果无法查看原始记录、无法质疑或关闭,也很难建立信任。涉及患者安全的关键环节,应设置明确的规则约束、权限管理、人工复核和故障降级机制,而不能单纯依靠大模型自行判断。

最后是临床证据。评估一个预测模型,可以考察区分度、校准度及临床净获益,而进入临床工作流的AI系统,还需要研究医生是否使用、提示是否改变决策、工作效率和患者结局是否改善。TRIPOD+AI和DECIDE-AI等规范,也提醒我们区分模型研究与系统临床评价的不同证据要求。

未来麻醉——每个人有自己的数字说明书

未来的麻醉会更加个体化。“数字孪生”描绘的正是这种方向。它并不是制造一个科幻虚拟人,而是把患者的年龄、疾病、检查结果、心肺储备、既往麻醉反应,甚至遗传与代谢信息,整合成一个持续更新的计算模型,用来模拟不同麻醉方案可能带来的结构。不过,这仍处于研究和验证阶段,距离常规临床应用还存在距离。

从麻沸散的古老想象,到乙醚开启科学麻醉,再到数据与算法进入手术室,科技的进步从未否定医者的专业价值,而是让医生拥有更可靠的工具。过去,麻醉医生主要依靠经验、监护仪和团队协作来守住风险。未来,医生仍然站在患者身边,但身后多了一层由数据和算法组成的辅助系统。人工智能走进手术室,不是为了取代医生,而是为了让每一次等待更有答案,让每一次麻醉更从容、更安全。

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言

来源:梅斯医学·临床资讯 · news.medsci.cn