人工智能技术对体外循环技术的促进和未来展望.pdf

中国体外循环杂志2023年12月29日第21卷第6期 Chin J ECC Vo1.21 No.6 December 29,2023人工智能技术对体外循环技术的促进和未来展望Artificial intelligence technology for the promotion of cardiopulmonary bypass technologyand future prospects王伟 关键词：人工智能；体外循环；心肺转流 Key words:Artifical intelligence;Extracorporeal circulation;Cradiopulmonary bypassDOI:10.13498/ki.chin.j.ecc.2023.06.01人工智能（artificial intelligence，AI）是指一种通过计算机程序和算法模拟人类智能的方法和技术。其目的是使计算机能够执行类似人类的认知和决策过程，从而能够解决并改进人类生活和社会中的各种问题。该技术在本世纪获得了长足的发展，也成为很多领域的研究热点。笔者曾在2009年出版的小儿体外循环学 中撰写了“体外循环中的微机应用”章节，其中智能化转流设备的内容就涉及了自动控制等技术，这些技术已经属于AI的范畴1。当时认为，“在体外循环中整合计算机技术是必然的发展趋势”，时至今日，AI技术的发展，确实在不断地促进体外循环技术的进步和发展。借此机会，对AI技术和体外循环技术整合方面做一综述并分享一下自己的感悟。1人工智能技术在医学领域的应用AI 技术涵盖面很广，包括机器学习、深度学习、自然语言处理、计算机视觉等。这些技术的发展使得计算机能够处理大量的数据，自主地学习和改进，从而具备一定程度的认知和决策能力，能够自行解决一些复杂的问题。人工智能的发展潜力非常广阔，可以应用于医疗、金融、交通、教育、安全等各个领域。在未来，人工智能有望成为人类智慧的“第二大脑”，为我们的生活和工作带来更多的便利和效益。目前认为AI有两种应用方式或观点，分别是强人工智能（Strong AI）和弱人工智能（Weak AI），它们之间的区别在于其能力和应用范围。强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem solving）的智能机器，是能够与人类进行对话，能理解语言，可以自主学习、推理和解决复杂问题的智能系统，可以独立思考问题并制定解决问题的最优方案，甚至有自己的价值观和世界观体系。而弱人工智能认为不能制造出真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。弱AI是指只能完成特定任务的智能系统，通常只具备有限的知识和能力，无法像人类一样进行复杂的推理和决策。弱AI主要适用于一些简单的问题和任务，如语音识别、图像识别等。强AI和弱AI的主要区别就是前者的主要目的是替代人，而后者的目的则是辅助人。强AI虽然是该领域的长远目标，但当今的主流科研集中在弱AI上。医学中的各类AI应用场景基本都属于弱AI的范畴2。AI在医学领域的应用可以追溯到上世纪50-60年代，比如现在常用的24 h脑电图和心电图监测的数据分析，就是运用了AI技术。也可以说，正因为有了AI技术，才使得脑电和心电的长时间监测成为可能，如果没有AI技术的辅助，仅依靠人力无法对长时程的脑电和心电进行细致的分析。日常监护所使用的监护仪，其中对心电图等的分析和报警也包含着AI技术。现如今人工智能在医学领域有了更广泛的应用，特别在图像分析领域发展更是突飞猛进，目前已经能通过深度学习技术来分析大量的医学图像，然后通过对患者的检验检查结果（例如CT和MRI影像，病理切片等）判断疾病和病变，辅助临床医师快速诊断。2人工智能技术在体外循环中的应用体外循环技术最主要的使用场景是心脏手术中的心肺转流（cardiopulmonary bypass，CPB），和很多医学领域的AI使用目的相同，心肺转流中使用AI也是为了降低人为操作失误和优化管理举措。而且AI技术的应用场景也随着相关研究的进展不断深入扩大，体外膜氧合（extracorporeal membraneoxygenation,ECMO）和心室辅助装置中也有AI技术作者单位：200127上海，上海交通大学医学院附属上海儿童医学中心体外循环科321中国体外循环杂志2023年12月29日第21卷第6期 Chin J ECC Vo1.21 No.6 December 29,2023的身影3，在本文中暂不赘述。在数十年前，为了增加安全系数，心肺机中所配置的液平面监测、压力监测和气泡监测功能就是一种简单的AI技术，监测平面、灌注压力和管道中是否存在气泡并通过声光报警来提醒灌注师，在紧急状态下还可以直接暂停灌注泵，确保患者的安全。随着心肌保护技术的进展，现在的心肺机心肌保护液灌注过程中也整合了AI技术，大多数心肺机都能够实时计算出心肌保护液的灌注量，有些心肺机还能够实现心肌保护液的定量控制，根据相应设定自动停止心肌保护液的灌注，减少灌注师的操作。随着对人体病理生理认识的不断加深，目标导向灌注（goal directed perfusion，GDP）成为体外循环实践中的指导理论，以满足机体氧供作为体外循环的灌注目标4。但是机体的氧供和氧耗计算是一个复杂的过程，灌注师无法在短时间内既管理心肺机和机体灌注，同时还通过人力来进行实时计算。最新的心肺机就以 GDP 理念为基础开发了相关程序，将AI技术进一步融入CPB过程。该程序通过整合现有的实时监测技术，设置一系列的参数，这些参数主要分为两类，即直接测量的参数和通过计算得到的衍生参数，前者主要是实时监测的结果，后者则是在上述结果的基础上进行计算得到的5。前者包括动静脉血流、氧饱和度、氧合器出口二氧化碳分压、动静脉血液的实时血气分析结果等，在此基础上，计算机通过智能算法自动计算全身氧供、氧耗、氧摄取率、体循环阻力等指标。当机体氧供不能满足要求时，心肺机会及时报警提醒灌注师CPB过程中出现的应当警惕的现象。鉴于心脏手术中部分操作比如主动脉阻断和开放等情况时需要CPB人为降低流量，该系统并不机械地对于每次低于氧供阈值的情况均予以报警，而是仅对超过一定时限的情况报警，以免过多干扰术中操作。通过这个系统，可以更好地了解患者的代谢状态，给灌注师提出相应的建议，以确保灌注过程中能够满足患者的代谢需求，使患者的CPB过程更加稳定，保持合理的代谢水平，以降低比如急性肾功能衰竭等并发症的发生。同时，该系统还能将低于氧供低限的程度和时间予以计算和叠加，给出整个手术过程中发生氧供不足现象的低限下面积，为今后的临床研究提供了便利。在体外循环中，AI的另一类应用就是利用AI预测、计算患者的预后或者某事件的发生率，有些预测ECMO的存活率6-7，有些预测心脏手术后相关并发症的发生率8-9。不过这些预测结果的运用还是受到一定的限制，比如随着医疗技术的进步，相关条件会受到不同程度的影响，此时预测模型是否有效就值得商榷；预测结果在一定程度上也不能完全指导临床的使用，比如不能根据ECMO使用前的预测结果来决定是否使用ECMO，预测结果只能给出对于这一人群的结果概率，而并不能完全涵盖人的个体差异，因此其实用性还是有一定的限制。3体外循环中人工智能技术发展和展望理论上讲，AI具有自适应控制的功能，可以在CPB过程中，根据患者的生理状况和需求，智能调节体外循环装置的参数，以达到最佳的治疗效果。比如通过实时监测和分析血气结果，可以自动调整气体浓度、气体流量和灌注流量等参数，提高治疗的安全性和有效性。这就是强AI的领域，可能会成为今后的发展方向。但这类使用不仅依赖于技术的发展，还涉及医学伦理等问题。AI技术的发展不能缘木求鱼，其运用的理论基础是人类对事物发生发展规律的总结得到的经验，比如有关GDP的研究使我们对氧供氧耗有了更明晰的认识，才使得AI能够利用这些研究结果来进行相应计算，辅助灌注师改进灌注质量。此外，应用AI的实践基础就是大量数据的获得，然后通过数据收集、整合、计算等方式寻找其间的规律，协助医务人员进行判断和决策，如果在CPB中没有实时监测的结果，该技术也不能发挥其效应。AI技术的优点在于能够在短时间内完成复杂的计算，向灌注师展现实时状况。其缺点在于其依赖于各类实时监测设备，如果需要配置的话，整体费用较高。AI在体外循环中的应用可以提供精准的预测和监测功能，帮助医生实时掌握患者的病情，提高手术治疗的安全性和成功率。然而，尽管人工智能在医疗领域有广泛的应用前景，但目前仍需要医生的专业判断和决策来综合考虑患者的整体情况。关于强AI今后在体外循环领域中的应用，目前还难以预测，可能在医疗业务的某些领域，AI可以代替医务工作者做出判断和决策，但目前在比较复杂的领域，该技术只能作为辅助功能协助人类完成医疗工作。参考文献：1 王伟.体外循环中的微机应用M.丁文祥，苏肇伉，朱德明主编，小儿体外循环学，上海世界图书出版公司，上海，2009，321-327.2Hamet P,Tremblay J.Artificial intelligence in medicineJ.Metabolism,2017,69S:S36-S40.3Li S,Hickey GW,Lander MM,et al.Artificial intelligence andmechanical circulatory supportJ.Heart Fail Clin,2022,18(2):301-309.（下转第332页）322中国体外循环杂志2023年12月29日第21卷第6期 Chin J ECC Vo1.21 No.6 December 29,2023的风险因素较少有关。本院作为全国较大的儿童先心病诊疗中心，积压的先心病患儿逐渐返院治疗，目前的门诊量和住院患儿数量达到往年同期的23倍。并且我国此次新冠病毒流行也以奥密克戎毒株为主，来本院大多数就诊患儿处于新冠感染后期及转阴23周，也有部分患儿未感染。因此所有患儿经术前评估，均实施心内矫治手术。诸多报道证实，新冠病毒可以引起患儿高凝状态、系统性免疫反应综合征造成的多器官功能障碍，尤其对心脏、肺和肾脏等影响较大7-8。本团队在常规CPB管理之外，提高了肝素使用量，术中使用的肝素总量和体重比为5.1 mg/kg，没有异常的凝血事件发生。且 CPB 过程中每间隔 20 min 测量ACT，密切监测抗凝状态。其次所有的患儿均使用CUF+ZBUF+MUF三种超滤联合使用的方法。本院常规转流策略中，ZBUF主要应用于新生儿、小婴儿复杂先心病手术CPB时间3 h以上及经历过深低温停循环+区域性脑灌注的心脏手术患儿，这些患儿更容易因为低温、长时间手术和器官灌注不良的影响，而产生严重的炎症反应。1996 年Jourmois首先提出ZBUF，主要作用便是滤出炎性介质9，与MUF技术相结合，有效滤出炎性因子，减少炎性介质对肺毛细血管内皮及各器官功能的损伤，提高胶体渗透压，减少凝血酶和纤溶酶的过渡激活，改善凝血功能，减少术中输血量，缩短术后呼吸机辅助时间，对肺功能具有一定保护作用。通过联合超滤技术，可发挥更好的器官保护效应。从手术结果来看，按照常规管理+加强抗凝+联合超滤的方式进行CPB心脏手术，所有患儿均顺利出院。复杂先心病和新生儿患者术后住院时间、ICU 时间和拔管时间明显长于简单先心病患者。但由于该类患儿数量较少，病情较重，无法准确分析由于本身疾病原因还是与新冠病毒感染明显相关，这部分患儿需要更进一步的研究。总体来说，通过回顾性分析新冠疫情防控政策调整后早期行心内矫治手术患儿的临床资料可知，对于简单常规先心病手术采用合理的ECC管理方法可以得到比较满意的临床结果；复杂先心病患者虽然围术期恢复明显延长，但最终都顺利出院，因此对这部分患儿需要慎重把握手术时机，围手术期需要更加精细的管理，也可以达到痊愈。参考文献：1Sabatino J,Ferrero P,Chessa M,et al.COVID-19 and congenitalheart disease:results from a nationwide surveyJ.J Clin Med,2020,9(6):1774.2Lu X,Zhang L,Du H,et al.SARS-CoV-2 infection in childrenJ.N Engl J Med,2020,382(17):1663-1665.3Lieberman N,Racine A,Nair S,et al.Should asymptomatic patients testing positive for SARS-CoV-2 wait for elective surgicalprocedures?J Br J Anaesth,2022,128(5):e311-e314.4Codner JA,Archer RH,Lynde GC,et al.Timing is everything:surgical outcomes for SARS-CoV-2 positive patientsJ.World JSurg,2023,47(2):437-444.5Dong Y,Mo X,Hu Y,et al.Epidemiology of COVID-19 amongchildren in ChinaJ.Pediatrics,2020,145(6):e20200702.6Bello Valls ML,Salih HG,El Dadah OM,et al.Cardiac recoveryand outcome of neonates and infants presenting with severe aortic coarctation and depressed cardiac functionJ.Egypt Heart J,2018,70(4):255-260.7Gopal K,Krishna N,Jose R,et al.Effects of the COVID-19 pandemic on cardiac surgery practice and outcomesJ.J Chest Surg,2022,55(1):61-68.8 高思哲，张巧妮，吉冰洋.新型冠状病毒肺炎的心血管系统表现J.中国体外循环杂志，2020，18（2）:80-83.9Kazory A.Ultrafiltration therapy for heart failure:balancing likely benefits against possible risks J.Clin J Am Soc Nephrol,2016,11(8):1463-1471.（收稿日期：2023-05-06）（修订日期：2023-11-14）4Magruder JT,Weiss SJ,DeAngelis KG,et al.Correlating oxygen delivery on cardiopulmonary bypass with Society of Thoracic Surgeons outcomes following cardiac surgeryJ.J Thorac Cardiovasc Surg,2022,164(3):997-1007.5Condello I,Santarpino G,Nasso G,et al.Management algorithms and artificial intelligence systems for cardiopulmonary bypass.PerfusionJ.2022,37(8):765-772.6Stephens AF,eman M,Diehl A,et al.ECMO PAL:using deepneural networks for survival prediction in venoarterial extracorporeal membrane oxygenationJ.Intensive Care Med,2023,49(9):1090-1099.7 Ayers B,Wood K,Gosev I,et al.Predicting survival after extracorporeal membrane oxygenation by using machine learningJ.Ann Thorac Surg,2020,110(4):1193-1200.8Kong X,Zhao L,Pan Z,et al.Acute renal injury after aorticarch reconstruction with cardiopulmonary bypass for children:prediction models by machine learning of a retrospective cohortstudyJ.Eur J Med Res,2023,28(1):499.9Hayward A,Robertson A,Thiruchelvam T,et al.Oxygen delivery in pediatric cardiac surgery and its association with acute kidney injury using machine learningJ.J Thorac Cardiovasc Surg,2023,165(4):1505-1516.（收稿日期：2023-12-06）（修订日期：2023-12-08）（上接第322页）332