算法显示了在全身麻醉下判断无意识的准确性
![Three algorithms learned to predict the probability of unconsciousness (bottom row) based on brain rhythms, as visualized in this spectrogram recorded from a volunteer (top row). Credit: Brown Lab/MIT Picower Institute 算法显示了在全身麻醉下判断无意识的准确性](https://scx1.b-cdn.net/csz/news/800a/2021/algorithms-show-accura.jpg)
麻醉药物对大脑作用,但大多数麻醉师依赖于心率,呼吸率和运动来推断手术患者是否仍然无意识到所需程度。在一项新的研究中,一项基于麻省理工学院和马萨诸塞州综合医院的研究小组表明,一种简单的人工智能方法,适用于所使用的麻醉剂,可以产生基于大脑活动的患者无意识的算法,高精度和可靠性。
“麻醉医生最关心的问题之一是,‘躺在我面前的人是否意识清醒,而我却没有意识到?’”能够可靠地保持无意识病人在手术过程中,基本我们做什么,”资深作者金刚砂n . Brown说,爱德华罩塔普林教授Picower研究所学习和记忆和麻省理工学院的医学工程和科学研究所,并在MGH麻醉师。“这是向前迈出的重要一步。”
不仅仅是读出无意识的读出,棕色补充了新算法为麻醉师在使用更少药物的情况下将其维持在所需水平提供了可能药品比他们在依赖不那么直接、准确和可靠的指标时可能实施的要多。这可以改善患者的术后结果,如谵妄。
“我们可能总是必须有点”粪便“,”布朗说,哈佛医学院也是一位教授。“但是我们可以用足够的准确性来这样做,以便我们不会给予超过需要的人?”
例如,用于驱动输液泵,例如,算法可以帮助麻醉药剂精确节流药物,以优化患者的状态和它们正在接收的剂量。
人工智能,真实世界的测试
开发该技术这样做,Postdocs John Abel和Marcus Badgeley领导了这项研究,发表于此普罗斯一体,他们在2013年收集的实验室培训了机器学习算法。在这项研究中,20多岁的学习,20多岁的健康志愿者随着常用的药物异丙酚而受到麻醉。由于使用计算机控制的交付有条不紊地提高了剂量,因此要求志愿者响应一个简单的请求,直到他们不能了。然后,当他们后来减少剂量时,他们被带回意识,他们能够再次回应。所有虽然反映其大脑活动的神经节律被用脑电图(EEG)电极记录,提供了在测量之间的直接,实时连杆大脑的活动和无意识展出。
在新的工作,Abel,Badgeley和团队训练中,他们的AI算法的训练版,基于不同的底层统计方法,超过来自七个志愿者的超过33,000个二秒的脑电图录音。这样,算法可以“学习”在异丙酚下预测意识和无意识的脑电图读数之间的差异。然后研究人员以三种方式测试了算法。
首先,他们检查了三种最有前途的算法在应用于2013年研究中其他三名志愿者的脑电图活动时,是否准确地预测了无意识。他们所做的。
然后,他们使用该算法来分析从接受Pracofol的27名真正的手术患者记录的脑电图,用于全身麻醉。尽管算法现在被应用于从“噪声”现实世界外科手术环境收集的数据,其中节奏也被不同的设备测量,但算法仍然以比其他研究所示的更高的精度差异。作者甚至突出了一个算法,其中算法能够在实际参加麻醉学者之前几分钟检测患者的患者的减少水平,这意味着如果它在手术期间已经使用,它可以提供准确和乐于助人的预先警告。
作为第三项测试,该团队将算法应用于17名被七氟醚麻醉的手术患者的脑电图记录。尽管七氟醚与异丙酚不同,而且是吸入而不是注入,但它的工作方式类似,通过与相同关键类型的脑细胞上相同的GABA-A受体结合。该团队的算法再次表现出了很高的准确性,尽管精确度有所下降,这表明他们对无意识的分类能力可靠地延续到了另一种以类似方式起作用的麻醉剂上。
作者说,提交人士说,在具有相同行动机制的不同药物中预测无意识的能力是关键。他们说,目前欧佩士的系统的主要缺陷之一是,他们表示,即使不同类别的麻醉药物以非常不同的方式工作,也不会在毒品课上区分药物课程,产生不同的脑电图模式。他们还没有充分占大脑应对麻醉的已知年龄差异。这些对其准确性的限制也限制了它们的临床应用。
在新的研究中,虽然在20个 - 某些情况下训练的算法适用于群组手术患者作者承认其平均年龄倾斜明显较大,更广泛地变化,他们希望培训与儿童或前辈一起使用的算法明显。他们还可以培训新的算法,专门用于具有不同行动机制的其他种类药物。一系列良好训练有素和高度的算法可以为患者年龄和使用中的药物提供高精度。
Abel表示,该团队的框架方法是通过脑电图预测意识的问题,为一类特定的药物制成了机器学习方法非常简单,实现和延伸。
“这是一个概念证明,表明现在我们可以去,说让我们看看老人口或让我们看看不同种类的药物,”他说。“如果你把它放在正确的方式,那就做这很简单。”
由此产生的算法甚至不是计算所要求的。作者指出,对于给定的2秒的EEG数据,算法可以在少于标准MacBook Pro计算机上的少于十分之一运行时准确地预测意识。
布朗说,实验室已经在这些发现的基础上进一步完善算法。他说,他还想将测试扩大到数百个病例,以进一步确认他们的表现,并确定该团队使用的不同基础统计模型是否会开始出现更大的差别。
进一步探索
用户评论