人工智能预测患者术后剧烈疼痛的风险最高，阿片类药物使用增加

在2020年麻醉学年会上提出的一项新研究表明，机器学习模型中使用的人工智能(AI)可以预测哪些患者术后出现严重疼痛的风险最高，并帮助确定哪些患者将从使用非阿片类药物替代的个性化疼痛管理计划中获益最大。

有些患者经历的更多剧烈的疼痛后手术需要更大剂量的阿片类药物在更长的时间内，这就增加了他们患病的风险阿片样物质滥用障碍。了解哪些患者手术后出现严重并发症的风险较高疼痛在美国，医生麻醉师可以使用非阿片类药物(如神经阻滞、硬膜外麻醉和其他药物)来创建一种麻醉方案，以更有效地缓解疼痛并减少对阿片类药物的需求。

目前，医生使用耗时的问卷来确定患者术后严重疼痛的风险较高，询问他们的焦虑、睡眠质量和抑郁史。在这项研究中，研究人员使用机器学习寻求一种更快、更有效的方法，系统根据提供的数据学习和发展。他们创建了三种机器学习模型来分析患者的电子医疗记录，这些数据表明，年轻、较高的体重指数、女性、已有的疼痛和以前使用过阿片类药物是术后疼痛的最重要预测因素。

“我们计划将模型与我们的电子医疗记录该研究的主要作者、布莱根妇女医院麻醉师、波士顿哈佛医学院麻醉学讲师miieke a . Soens博士说。“如果确定患者存在严重术后疼痛的高风险，麻醉师可以调整患者的麻醉计划，最大限度地提高非阿片类疼痛管理策略，从而减少术后对阿片类药物的需求。”

在这项分两部分的研究中，研究人员查看了5944名接受过各种手术的患者的数据，包括胆囊切除、子宫切除术、髋关节置换和前列腺手术。其中1287人(22%)在术后24小时内服用了相当于90毫克吗啡(MME)，这被认为是高剂量。在研究的第一部分，他们根据文献检索和咨询专家，使用163个潜在因素来预测术后高疼痛。在此基础上，他们创建了三种机器学习算法模型(逻辑回归、随机森林和人工神经网络)的研究挖掘了患者的医疗记录，筛选出163个预测因素，最后选出那些最能准确预测患者术后疼痛程度和潜在阿片类药物需求的因素。

在第二部分中，他们将模型预测的结果与这些患者实际使用的阿片类药物进行了比较。他们确定，三种模型总体上具有相似的预测精度:逻辑回归和随机森林方法的预测精度为81%，人工神经网络的预测精度为80%。这意味着该模型在80%的情况下准确地识别出哪些人更可能有严重的疼痛，需要更高剂量的阿片类药物。

Soens博士说:“电子病历是一种有价值但未被充分利用的患者数据来源，可以有效地用于改善患者的生活。”“选择性识别病人手术后通常需要大剂量阿片类药物的患者对于减少阿片类药物滥用非常重要。”

---

---