一项在ANESTHESIOLOGY 2025年会上展示的系统性综述表明，人工智能(AI)有望帮助麻醉医师在手术室中更好地保障儿童安全，并通过改进疼痛管理促进术后恢复。为儿童提供麻醉护理尤为具有挑战性，因为即使年龄相同的患儿，其解剖结构也可能存在显著差异。
研究人员发现，在确定适当的呼吸管尺寸与位置、监测血氧水平以及评估术后疼痛方面，AI的表现优于标准方法。AI持续改进了对并发症的预测、缓解和管理，增强了临床准确性和决策能力，并使麻醉医师能够在并发症发生时更早进行干预。
"将AI视为副驾驶，而麻醉医师则做出所有最终决策，"该研究的主要作者、中密歇根大学医学院萨吉诺分校的医学生阿迪亚·沙阿(Aditya Shah)表示。
"AI可以实时持续分析数千个数据点，并从过往病例中学习模式，更早发现细微变化，帮助根据每个儿童独特的解剖结构定制决策。然而，它不会取代麻醉医师的培训和专业知识；它只是增加了另一层安全保障和支持。"
沙阿表示，研究人员分析了10项研究，发现AI工具比当前的筛查/分析方法更有效。尽管儿科麻醉的AI工具仍处于研究阶段，但其显著优势使其很可能在不久的将来融入临床实践。
研究表明AI可以改进的领域
血氧水平监测： 麻醉医师使用监测仪跟踪儿童血液中的血氧水平，但警报系统通常要等到血氧水平已经危险低下时才会触发。麻醉医师必须立即行动，只有几秒钟时间来防止严重伤害。研究人员基于13,000多台手术的数据，训练AI系统持续分析麻醉机的秒级血氧水平数据。
最高效的AI模型实时分析儿童的呼吸、血氧和心脏数据，发现人类无法察觉的细微变化。它可以在标准警报系统响起前长达60秒发出预警。
这为麻醉医师提供了额外一分钟时间来调整呼吸机、清除分泌物或解决气道问题，防止儿童血氧水平降至危险低点，从而可能避免心脏或脑部损伤。沙阿表示，这就像在火灾刚起时就将其扑灭，而不是等到烟雾出现才收到警报。
术后疼痛评估： 疼痛在儿童中难以评估，因为他们通常无法表达自己的感受。当前方法的准确率约为85-88%，包括FLACC量表（面部表情、腿部动作、活动能力、哭闹、可安抚性），这是一个0-10分的工具，医疗专业人员根据观察到的情况评估儿童疼痛；以及Wong-Baker量表，该量表显示一系列从微笑到哭泣的面部表情，让儿童指出相应表情。
研究人员记录了149名幼儿的1,000多次疼痛评估——如哭泣、烦躁、咽喉保护动作和面部表情——并训练AI系统识别哪些线索对检测疼痛最为重要。该AI工具测量儿童疼痛的准确率达到95%。
呼吸管尺寸与位置的准确性： 呼吸管的尺寸和在咽喉中的置入深度对于避免严重并发症至关重要，包括损伤气道内壁和提供不足的氧气水平。
当前公式使用儿童的年龄或身高，但儿童的解剖结构差异很大。各种研究表明，AI可以使这一过程更加准确。在一项针对37,000名儿童的研究中，机器学习模型（一种AI）利用患者特征更准确地预测呼吸管尺寸和深度，将错误率降低了40-50%。
"AI可以为麻醉医师提供个性化的实时决策支持，可能减少儿童并发症和不良后果，在这些领域精确性尤为关键，"该研究的合著者、中密歇根大学医学院的医学生帕特里克·法赫里(Patrick Fakhoury)表示。
"对父母而言，AI的真正价值在于带来安心。"
【全文结束】
