算法显示出在全身麻醉下测量无意识的准确性
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。
“在麻醉学家的心灵中最重要的事情是'我有一个躺在我面前的人可能会意识到,我没有意识到这一点?”在手术期间能够可靠地维持病人的无意识是我们所做的事实的基础,“雷德沃德·德国教授教授的高级作家雷迪林教授,教育部学习和记忆研究所和医学工程研究所教授,和mgh的麻醉师。“这是前进的重要一步。”
不仅仅是读出无意识的读出,棕色补充了新算法提供允许麻醉学家在使用较少的情况下以所需水平维持其所需水平的潜力药品比他们在不太直接,准确和可靠的指标的情况下,他们可能会管理。这可以改善患者的术后结果,例如谵妄。
“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,用于驱动输液泵的算法可以帮助麻醉师精确地控制药物的输送,以优化患者的状态和他们所接受的剂量。
人工智能,现实世界测试
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《公共科学图书馆•综合》在这项研究中,他们用该实验室2013年收集的一组出色的数据集来训练机器学习算法。在这项研究中,10名20多岁的健康志愿者接受了常用药物异丙酚的麻醉。随着计算机控制的剂量被系统地提高,志愿者被要求对一个简单的要求做出反应,直到他们不能再做出反应为止。当剂量后来减少,他们又恢复意识时,他们又能有反应了。与此同时,脑电图(EEG)电极记录了反映他们大脑活动的神经节律,为被测者之间提供了直接的、实时的联系脑活动并展示了无意识。
在这项新研究中,Abel、Badgeley和团队基于不同的潜在统计方法,对7名志愿者的3.3万多段2秒长的脑电图记录进行了训练。通过这种方法,算法可以“学习”脑电图读数预测异丙酚下意识和无意识之间的差异。然后,研究人员用三种方法测试了这些算法。
首先,他们检查他们的三种最有前途的算法是否准确地预测了从2013年研究的其他三个志愿者记录的EEG活动时准确地预测了无意识。他们做到了。
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。
作为第三种测试,该团队将算法应用于17名与七氟醚麻醉的手术患者的EEG记录。虽然七氟烷不同于异丙酚,并且被吸入而不是注入,但它以类似的方式起作用,通过与同一关键类型的脑细胞上的相同GABA-A受体结合。该团队的算法再次进行高,但精度略微降低,表明他们对可靠地进行了可靠的无意识的能力,以与类似方式起作用的另一种麻醉药物。
研究人员说,关键在于预测不同药物具有相同作用机制的无意识状态。他们说,目前基于脑电图的意识监测系统的一个主要缺陷是,它们不能区分药物类别,尽管不同类别的麻醉药物的作用方式非常不同,产生不同的脑电图模式。他们也没有充分解释已知的大脑对麻醉反应的年龄差异。这些对其准确性的限制也限制了其临床应用。
在这项新研究中,针对20多岁的人训练出来的算法很好地适用于手术病人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说,该团队将问题定位为通过脑电图(EEG)来预测一类特定药物的意识,这使得机器学习方法的实现和扩展非常简单。
他说:“这是一个概念证明,表明现在我们可以去说,让我们看看老年人群或让我们看看另一种药物。”“如果设置正确,这很简单。”
得到的算法甚至不需要计算。作者指出,对于给定的2秒脑电图数据,算法可以在不到十分之一秒的时间内,在一台标准的MacBook Pro电脑上做出准确的意识预测。
布朗说,实验室已经在调查结果进一步改进算法。他说他还希望将测试扩展到数百个案例进一步证实他们的表现,并确定是否可以在团队所采用的不同底层统计模型中开始出现更广泛的区别。
进一步探索
用户评论