作者：白云波，王晟，首都医科大学附属北京安贞医院麻醉中心
围术期气道管理在麻醉科和外科领域中占据着至关重要的地位，涉及对气道的评估、监测和管理。随着先进气道管理工具的更新，麻醉医生处理困难气道的水平明显提高，然而传统的气道评估方法仍可能受到主观因素的影响，导致判断不准确，增加围术期风险。特殊患者的气道管理有不同的挑战。人工智能（artificial intelligence, AI）能够通过分析大量数据，提供更为精准的气道评估和预测，帮助医生更好地识别复杂气道情况，优化麻醉方案，并减少围术期并发症的发生。
此外，AI还能够通过实时监测、辅助决策以及气道建立过程中提高气道管理的响应速度，降低医疗差错的发生率。现对AI在气道评估中的应用、AI困难气道预测模型的开发、AI实时监测与反馈机制、AI在医学领域应用的挑战与对策等方面的研究进展进行综述。
1.AI在气道评估中的应用
AI在气道评估中的应用正逐渐成为研究热点，尤其是在影像学分析和机器学习算法的辅助下，提升了气道评估的准确性和效率。AI通过对大量医学影像数据的学习，能够自动识别和分析气道结构，帮助医生在临床决策中做出更为精准的判断。有研究者提出了一种深度学习算法，用于在锥形束计算机断层扫描（cone-beam computed tomography, CBCT）图像中自动检测和分割咽喉气道，为气道定量分析提供了新的思路和方法。
影像学分析技术在气道评估中扮演着重要角色，随着计算机视觉和深度学习技术的进步，医学影像的自动化处理变得更加高效。深度学习模型已被用于对上气道进行自动分割和最小横截面积定位，为评估气道狭窄等病理状态提供了可靠的数据支持。一项系统评价研究结果显示，AI自动气道分割可简便、快速且准确地进行气道测量，未来仍需更多的研究来提供高质量的证据。
AI在CBCT气道分析中的应用，能够帮助医生更好地理解气道结构变化，优化手术方案和麻醉管理。AI的应用不仅限于图像分析，新的声学监测技术显示出其在气道评估中的潜在价值。有研究者记录了431例行全麻手术患者的不同音素共振幅，同时记录每例患者是否发生面罩通气困难，结果显示，气道解剖与特定的声学参数相关，语音分析可以评估多个声学参数，从而预测可能的面罩通气困难。
该研究团队另一项根据语言特征建立的困难气道模型可以较好地预测喉镜检查困难，AUC为0.761，该模型结合Mallampati试验预测性能更高，AUC达0.918。有研究者根据患者的语音标本提取共振峰频率和带宽等声学参数，采用多因素logistic回归分析语音参数与困难气道之间的关系，结果显示，语音分析可以预测喉镜检查困难和面罩通气困难，是预测困难气道的一项新指标。
影像数据及语音以简单、无创的方式收集，利用机器学习的方式使气道评估成为一个值得进一步研究的领域。机器学习算法在气道解剖评估中的应用日益广泛，尤其是在处理复杂数据和提取关键特征方面。通过对大量数据集的训练，机器学习算法能够识别气道解剖结构的微小变化，从而为临床提供科学依据。既往研究结果显示，机器学习算法能够有效提高对气道梗阻和其他病理变化的识别率。这些应用展示了机器学习在气道解剖评估中的巨大潜力，未来有望进一步推动气道管理和优化治疗策略。
2.AI困难气道预测模型的开发
在气道管理中，预测困难气道的能力对麻醉医生至关重要。传统的气道评估方法，如体格检查和临床综合评分系统，虽然有一定的预测价值，但其灵敏度并不理想。传统方法存在一定局限性，如主观性较强、准确性不足以及对复杂病例的适应性较差等，这可能导致医生在评估气道时过于自信或过于谨慎，从而影响患者安全。
近年来，AI预测模型能够准确预测困难气道，其准确性优于传统的床旁气道评估，为临床决策提供支持。有研究者利用卷积神经网络算法拍摄每个患者不同
临床数据与AI模型的整合是实现智能预测模型有效应用的关键。随着医疗数据的快速增长，如何有效利用这些数据成为了研究热点。多模态数据整合技术为AI模型的训练和应用提供了新的思路。例如，在肿瘤学、口腔医学等领域，通过整合影像学、基因组和临床相关数据，构建多模态AI模型，提高了疾病的诊断精度和治疗效果，实现了更精准的预测和个性化治疗。
未来，AI在气道评估中的发展也将朝着多模态数据整合的方向迈进。通过结合影像数据、生理数据和临床信息，AI可以提供更为全面的气道评估结果，不仅能够提升评估的准确性，还能够为个性化医疗提供更好的支持。然而，数据的异构性、缺失值和不平衡性等问题仍然是当前AI模型应用中的挑战。因此，研究者们正在探索更为先进的数据处理和集成技术，以提高AI模型的鲁棒性和临床适用性。
3.AI实时监测与反馈机制
在现代医学中，实时监测与反馈机制的应用越来越广泛，通过实时监测，医护人员能够及时获取患者的生理数据，从而快速做出临床决策。AI驱动的监测技术是这一领域的重要组成部分，它通过整合多种数据源，提供更为精准的监测结果。在麻醉和重症监护领域，AI系统能够实时分析患者的生理参数，如HR、SpO2和BP等数据，并通过算法预测患者可能会发生的风险和并发症，提高患者的安全性。
AI监测技术可以在气道管理中分析患者的呼吸状态，结合患者SpO2帮助医护人员监测患者呼吸功能。反馈机制在气道管理中的应用同样至关重要。有效的反馈机制可以帮助医疗人员及时调整治疗方案，优化气道管理。例如，通过呼气末二氧化碳分压监测反馈气管插管是否成功，通过监测气道压力和气流速度，医生可以判断气道是否通畅，从而及时采取措施，避免气道阻塞的风险。此外，反馈机制还可以用于培训和模拟，帮助医护人员在安全环境中练习气道管理技能，提高其应对复杂情况的能力。通过AI实时监测与反馈机制的结合，气道管理的安全性和有效性可以得到显著提升。
4.AI辅助决策支持系统
辅助决策支持系统在医疗领域的应用日益广泛，通过整合多种数据源和先进的算法，能够为临床医生提供有效的支持，帮助他们做出更为准确的决策。在气道管理过程中，AI的应用使得决策过程更加高效和精准。例如，AI通过分析患者的历史医疗数据、实时监测数据以及相关文献经验，来预测气道管理中的潜在风险和最佳方案。既往研究结果显示，AI辅助决策支持系统能够显著提高气道管理安全性，降低气道管理不当带来的严重并发症。此外，AI系统还可以通过学习大量的临床案例，不断优化其决策规则，从而适应不同患者的个体化需求。
AI系统通过对患者的生理参数、影像学资料及既往病史进行深度学习，能够快速识别出气道管理中的潜在问题。例如，在术前气道评估中，AI可以通过分析患者的影像数据和临床特征，预测气道插管的难易程度，为麻醉医生提供参考依据。既往研究结果显示，AI辅助管理决策系统在实际应用中表现出较高的准确率和可靠性，能够帮助临床医生在复杂情况下做出更为理性的决策。
实时数据分析在辅助决策支持系统中至关重要，尤其是在应对突发事件和提高临床反应速度方面。通过实时监测患者的生理指标和环境数据，辅助决策支持系统能够及时识别出潜在危机并提供相应的决策建议。随着大数据技术的发展，越来越多的医院开始采用基于云计算的决策支持系统，这些系统能够整合来自不同设备和平台的数据，实现更为全面和及时的决策支持，提升医疗服务质量，保障患者安全。
5.AI在气道建立中的应用
气道建立是围术期气道管理过程中最为重要的环节，AI在气道建立过程中的主要应用包括气道解剖结构识别、机器人辅助的气管插管以及插管完成后气管导管位置的确定。机器学习在气道解剖识别中的应用正在迅速发展，尤其是在气道相关图像分析中。有研究者通过使用775个视频喉镜检查和支气管镜检查视频的临床数据集来训练和测试，使用ResNet 和Inception等模型成功实现了对声带的高准确率识别，灵敏度为89.2%，特异性为98.5%。
有研究者采集可视喉镜下模拟人不同角度和方位的声门图像149张，基于深度学习算法构建的模型均具有一定声门识别作用，其中CenterNet模型识别精度最高。AI驱动的机器人辅助气管插管技术是指AI识别声门和气管图像后自动引导气管插管，能够在复杂气道条件下提供更好的可视化和更高的成功率。此外，机器人系统的设计通常包括软体驱动器，这使得在插管过程中能够更好地适应气道的形状和结构，减少对气道的损伤。
有研究结果显示，毫无气管插管经验的志愿者使用机器人系统在模拟人插管过程中可达到和经验丰富麻醉医生相似的成功率，插管时间差异也无统计学意义。未来的研究应关注机器人系统在不同临床场景下的应用效果，以及与传统插管技术的比较，以全面评估其临床价值。气管插管完成后气管导管的位置对于患者安全通气至关重要。
目前常用的气管导管定位方法包括听诊、呼气末CO2波形以及
6.AI在医学领域应用的挑战与对策
在围术期气道管理领域，AI的应用潜力日益显现，对提升效率与安全性产生积极影响，但仍面临诸多挑战，包括数据隐私、算法透明度及其在临床实践中的有效性等问题。有研究结果显示，AI算法的黑箱特性可能导致结果的不透明，影响临床决策的信任度。因此，在推动AI应用的同时，必须加强对算法的透明性和可解释性的研究，以便医疗人员能够对AI的建议做出更为合理的判断。
目前AI模型在围术期气道管理临床应用方面还有一些局限性。首先，这些模型大多是在特定和预定的情况下开发的，可能不能反映不可预测的困难插管或紧急插管情况；其次，目前研究只包括特定中心、特定种族类别患者，限制了其更大范围的普遍性。未来研究应集中于加强多中心临床试验，以验证AI在不同医疗环境中的适用性和有效性；优化算法以提升其泛化能力和适应性，以应对不同患者个体差异带来的挑战；加强对数据隐私的保护措施，确保患者信息的安全，也是推动AI广泛应用的重要前提。
7.展望与小结
综上所述，AI有助于临床医生精准评估气道，目前建立的气道模型可以更准确地识别困难气道，AI在气道建立、气道监测以及进一步给出智能决策建议方面均显示出独特优势。随着技术的不断进步和对AI面临问题的深入研究，AI有望在未来实现更高效、更安全的气道管理，最终实现人机协作的最佳平衡，以提高患者围术期气道管理的安全性与治疗效果。
来源：白云波,王晟.人工智能在围术期气道管理中应用的研究进展[J].北京医学,2025,47(02):146-149.DOI:10.15932/j.0253-9713.2025.02.010.
(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)
