困难气道评估及决策支持系统的初步探索.pdf

中国医疗设备 2023年第38卷 09期 VOL.38 No.09160综 述REVIEW引言在围术期领域中，麻醉易产生一些不良后果，如气道损伤、脑损伤甚至死亡，因此，气道管理尤为重要1。目前，颈椎病患者的发病率呈逐年上升的趋势，颈椎病患者因颈椎活动度受限，通常合并困难气道，困难喉镜暴露比例显著升高2-3。Han 等4的前期研究显示，择期颈椎手术患者困难喉镜暴露的发生率为 17.1%，远超过一般手术的 5.8%5。导致困难气道的具体原因并不明确，可能涉及患者口腔软组织堆积、颈部活动度下降、咽喉软组织堆积、会厌过长等因素。目前我国手术量激增，在舒适化医疗背景下，在医院高效运转的过程中，麻醉科已成为把控围术期风险的最后一道关卡，并且随着计算机和人工智能的发展，在困难气道的判断中引入计算机加以辅助，可以有效提高操作的准确性和效率，基于此，本文旨在综述困难气道的评估指标、困难气道评估的专利技术、困难气道评估决策支持系统及其实现，以期为建立困难气道评估决策支持系统提供一定的理论依据。1 困难气道的评估指标1.1 外观指标临床上，困难气道可以采用一些方便获得的一些外观指标进行评估，但敏感度较低，如Yildiz等6研究表明，仅利用张口度作为指标，敏感度为 0.35；Merah 等7研究提示，仅采用甲颏距离指标，敏感度为 0.15；Hilditch等8认为仅采用头颈活动度作为指标，其可靠性较低，且由于改良 Mallampati 分级能反映口咽部软组织的情况，可以作为评估困难气道重要的外观指标。但有研究表明，采用 Mallampati 分级来进行困难气道的预测的敏感度仅为 0.359。Han 等10研究表明，男性、肥胖及年龄偏大的患者易出现困难喉镜暴露，颈围/张口度是外观指标中较好的预测指标，优于 Mallampati 分级、张口度、颈围、甲颏距离、颈围/甲颏间距。由于外观评估指标只能反映患者口腔软组织及头颈活动度情况，对于咽喉部内在软组织及骨性结构的异常不能做出评价，因而需要辅助影像学技术对气道进行准确完善的评估。1.2 X线指标下颌内在空间和舌体大小可以通过下颌骨的轮廓予以反映，如果下颌后部深度和下颌长度的比值大于 0.28，困难气道评估及决策支持系统的初步探索罗玮1，韩永正2，郭向阳21.国家知识产权局专利局 专利审查协作北京中心，北京 100160；2.北京大学第三医院 麻醉科，北京 100191摘 要 气道管理是呼吸支持治疗的重要技术，气道处理不善可能导致机体损伤、脑缺氧，甚至死亡。术前气道评估环节是围术期气道管理的核心，也是目前国内外麻醉学界研究的热点问题及重点领域。本文对困难气道的评估指标、困难气道评估的专利技术、困难气道评估决策支持系统及其实现进行综述，旨在了解其技术发展，并对未来困难气道评估及决策的研究和应用提出建议。关键词 困难气道；决策支持系统；气道管理；专利技术Preliminary Exploration of Difficult Airway Assessment and Decision Support SystemLUO Wei1,HAN Yongzheng2,GUO Xiangyang21.Patent Examination Cooperation(Beijing)Center of the Patent Office,CNIPA,Beijing 100160,China;2.Department of Anesthesiology,Peking University Third Hospital,Beijing 100191,ChinaAbstract:Airway management is an important technique of respiratory support therapy.Poor airway management may lead to body injury,brain hypoxia and even death.Preoperative airway evaluation is essential for perioperative airway management,and it is also a hot issue and key field of anesthesiology at home and abroad.This paper we summarized many difficult airway predictors,patented technologies of difficult airway evaluation,decision support system of difficult airway evaluation and its implementation in order to understand the technology development and give some advice on the research and application of difficult airway predictors and decision-making process.Key words:difficult airway;decision support system;airway management;patent technology中图分类号 R197.39；R614 文献标识码 Adoi：10.3969/j.issn.1674-1633.2023.09.026 文章编号 1674-1633(2023)09-0160-06收稿日期：2023-04-23基金项目：国家自然科学基金面上项目（82071189）；北京海淀创新转化专项（HDCXZHZB2021202）。通信作者：韩永正，副主任医师，主要研究方向为困难气道。通信作者邮箱：中国医疗设备 2023年第38卷 09期 VOL.38 No.09161综 述REVIEW则对困难喉镜暴露具有提示意义11；寰枕间距可以反映头颈的活动能力，间距越大，头颈活动度越大；上颌轴（平行硬腭）与咽轴（通过寰椎、枢椎最前缘的直线）之间的角度也可以作为指标，当两者间的夹角 90时，属于喉镜暴露困难12。Han 等4前期针对 X 线相关指标的研究提示，颌舌间距（舌骨高点到下颌下缘的垂直距离）是预测困难喉镜暴露较好的指标，预测准确性可达83.2%，且此范围内的组织为深部的舌体及下颌舌骨肌，因而推测，深部舌体及下颌舌骨肌在颌舌范围内占比增大，可能导致患者出现困难喉镜暴露。X 线可较好地反映骨性结构异常，但是对于软组织异常导致的困难气道不能做出有效评估。1.3 CT指标外观评估视野只能深至悬雍垂周围的口腔结构，而上气道 CT 扫描能够将视野延伸至咽喉部声门周围，有利于术前筛选出外观正常但内部解剖异常的困难气道高危患者。有研究表明，运用 CT 进行困难气道的评估，预测准确性显著高于改良 Mallampati 分级13，但对于软组织的评估价值低于核磁共振技术。1.4 超声指标超声可用来观察舌体、会厌、舌骨、声带等上气道解剖结构，近年来常应用于评价和预测困难气道。通过超声可以测量得到颈前软组织的厚度，该数据可以作为判断困难喉镜暴露的指标14；Andruszkiewicz 等15研究结果提示，颏舌距离（下颏到舌骨距离）越短，越易发生困难喉镜暴露，并且与舌体容积无关；Pinto 等16研究结果表明，皮肤到会厌的距离也可以作为困难喉镜暴露的指标；Han 等17针对文献已报道的 5 个超声预测指标，利用 MRI 进行验证，结果表明，皮肤到舌骨距离（P=0.18）、皮肤到会厌距离（P=0.72）、皮肤到甲状软骨距离（P=0.10）、皮肤到声门距离（P=0.44）、皮肤到气管前壁距离（P=0.92）均不能有效预测颈椎病患者的困难喉镜暴露情况。临床上麻醉医师使用超声进行困难气道评估时，与患者体位、操作熟练程度、图像鉴别能力等因素有关。1.5 MRI指标Goni-Zaballa 等18报道了 1 例患有 Klippel-Feil 综合征的患者，当气管插管失败后，进行 MRI 检查，虽然其气道的直径是正常的，但由于其口咽部淋巴组织和舌扁桃体的肥大，使得咽腔体积缩小，所以在查明原因后，成功实施了气管插管，这也说明对高危患者术前行MRI 检查对围术期气道管理有重要意义。Han 等4利用MRI 分析咽喉部软组织结构发现，会厌长度可作为困难气道的有效预测指标（P110 kg 为 2 分；头颈活动度约90 为 1 分，90 为 2 分；张口度 5 cm 为 1 分，5 cm为 2 分；下颌退缩程度中等为 1 分，严重为 2 分；门齿前突能力中等为 1 分，严重为 2 分。在预测困难气管插管的准确性方面，Wilson 风险评分优于改良 Mallampati分级以及甲颏间距，其受试者特征曲线下的面积为0.9119。1998 年，美国麻醉医师 El-Ganzouri 等20研究比较了一系列困难气管插管相关变量后，总结了一种多元化风险指数评分法，该评分法由 7 个项目组成：张口度 4 cm 为 1 分；甲颏间距 66.5 cm 为 1 分，6 cm 为2 分；徒手肌力评定（Manual Muscle Test，MMT）级为 1 分，级为 2 分；颈部活动度 80 90 为 1分，110 kg 为 2 分；有困难气管插管史为 2分，不确定是否有困难插管史为 1 分。当该评分 7 分时，可以采用电子气管镜进行清醒气管插管；当该评分 7 分时，则可以利用视频喉镜气管插管，以此能够将困难气管插管的发生率降低至 0.14%。多元化风险指数评分法可以较好地评估困难气道患者。Baspinar 等21对 200 例接受头颈部手术患者进行下列体格检查：下颌结构、张口度、下颌运动、牙齿结构、MMT、头颈部运动、颈围、甲颏和胸颏距离、寰枕关节活动度、上唇咬合试验、Wilson 评分和 Cormack-Lehane 分类进行评估，认为 MMT（P=0.002）、Wilson 评分（P0.0001）、上唇咬合试验（P0.0001）和张口度（P0.0001）与困难喉镜暴露和困难插管有关。Roth 等22认为上唇咬合试验用于诊断困难喉镜暴露的敏感性最高（P0.001），改良的 MMT 试验对诊断困难气管插管的敏感性最高（P0.001）。2 困难气道评估的专利技术与其他形式的文献相比较而言，专利文献通常更具有新颖性和创造性，其中往往包含专利申请人不得不对外公开的技术信息，尤其是对于涉及实际应用的领域，通过充分检索和深入分析相关专利文献，可以获取本领域更新、更全面的技术发展动态信息。因此通过对相关专利的了解可以更好地指导研究和应用。以困难气道评估为基本检索要求，并结合分类号中国医疗设备 2023年第38卷 09期 VOL.38 No.09162综 述REVIEW（A61B 涉及诊断及外科、G16H 涉及专门用于处置或处理医疗或健康数据的信息和通信技术）在中国专利全文数据库检索，相关数据的检索截止日期为 2022 年 12 月10 日。本文针对基金项目研究的需要，对专利文献进行了充分筛选，重点聚焦困难气道评估相关的技术应用。倪红伟等23提出了一种气道测量的数据处理的方法，其结合了 Mallampati 分级和超声测量甲状软骨至会厌的距离两种评估方法，减少了使用的指标数量。姚卫东等24提出了一种预测困难气道的计算机应用软件及气道管理数据系统，其在对上气道的解剖模拟坐标系建立过程中，结合了患者自身的上气道解剖特征，并定位了一些解剖特征点，这些解剖特征点均与困难气道的形成相关，同时利用图形编辑控制技术在控制电脑上实现了上气道模拟图形建立过程的可交互操作，并在喉镜检查时建立上气道解剖参数的回归方程，据此制定计算机图形控制规则，通过计算患者的声门视野实现患者是否是困难气道的预测，其后续的专利申请进一步将上述技术应用到气道管理导航中25。夏明等26提出了一种基于人工智能的困难气道评估方法，根据多个姿势下的面部图像提取特征信息，并将该信息通过经训练的困难气道分类器，从而对困难气道严重程度评分得到困难气道的评估结果，其申请的另一类是根据患者的语音数据提取声学、声纹或语音识别特征信息，通过训练好的困难气道分类器对提取的特征信息进行困难气道严重程度评分，得到最终的评估结果27-30。张加强等31提出了基于多通道融合的图像识别方法，其首先获取多幅人体口腔区域图像，再进行多通道融合处理，对融合后的图像进行一系列指标的判断以确定是否为困难气道。用于判断的指标包括气道（Mallampati）分级是否大于等于指定级别、张口度是否小于预定值、颈长是否小于设定值或者颈围是否小于设定值、头颈活动度是否小于特定角度以及甲颏间距是否小于指定距离等。李文献等32提出了基于人工智能的气道评估终端，突破了一直以来仅对静态图片的分析，通过对面部数据 3D 重建进行面部评估，通过对口腔可视环境的数学化分析和机器学习进行口腔评估，对人体头部的整体动态捕捉来进行动态体格评估，对呼吸气流的频率分析和气流变化的机器学习进行肺功能的评估，基于咽喉部解剖结构图像数据的声门识别来进行声门评估，对评估数据结合基础信息进行综合判断来生成声道评估报告，实现了对气道评估判断标准的数字化分析，给出气道的综合评估结果。目前，借助计算机实现有关困难气道评估属于新兴领域，专利申请数量处于起步上升阶段，发展速度快，研究方向涵盖了测量数据的优化、多特征信息的引入、针对性的图像处理、三维信息的使用以及人工智能等方向。目前我国在该领域的申请主体是各大医院及其合作研发的科研院校，体现了临床需求主体与科研创新主体的合作模式是解决临床实际创新需求的一种高效合作的趋势。3 困难气道评估决策支持系统的进展由于困难气道评估对临床工作安全的重要性，从传统的评估指标到近年来借助计算机技术所研发的气道评估工具专利，气道评估工具开发的进步有赖于多元化的合作模式，而这种模式逐渐从单一方面对数据的处理过渡到双向反馈闭环的迭代模式。位于最前端的是麻醉医师日常接触的信息系统，以此作为载体，通过机器学习等人工智能、大数据分析等一系列核心技术的运用，加速了这种交互更新优化模式，可以使计算机在无需人工干预或辅助的条件下自动学习以及根据情况作出调整。3.1 基于人工智能的临床决策系统基于人工智能的临床决策支持系统，是能够自主学习与分析结构化和非结构化数据（如 MRI 数据、重要器官支持数据、实验室数据、视频及影像等）的组合，从而产生临床决策支持的综合数据分析与决策系统33。术前筛选出潜在困难气道患者，有利于减少临床上非预料的困难气道，进而避免急症气道的出现，有利于优化围术期困难气道的处理流程，制订相应气道决策。传统气道评估多采用改良 Mallampati 分级、Wilson 评分、Arne评分以及结合个别影像学指标开发出的 Naguib 评估等，上述方法均是在较小人群样本的基础上采用 Logistics 回归技术开发的。目前国内外均缺乏针对高风险人群建立困难气道发生风险的评估决策模型。近年来，数据挖掘方法日趋成熟，为医疗大数据的广泛应用奠定了基础，针对庞大复杂的数据集，源于人工智能的机器学习技术结合核心评估指标，可建立准确可靠、方便实用的困难气道评估决策支持系统。麻醉医师可以在术前准确、高效地评估患者气道情况，筛选出困难气道患者，对其进行个体化麻醉方案的建议，可显著减少非预料的困难气道出现，避免患者出现通气困难甚至窒息死亡的风险。3.2 机器学习在数据集分析中的应用机器学习包含建模过程，通过使用训练数据进行训练，进而处理后续数据以作出预测。根据困难气道预测结果的性质，需要选择有监督的分类学习算法。随着机器学习和知识推理的理念与方法应用到决策支持系统领域，医学相关的评估决策支持系统也取得了同步发展。目前机器学习在临床医学领域的应用越来越受到重视30，支持向量机、随机森林和 XGboost 等方法被广泛用于系统的学习建模过程。支持向量机算法根据训练样本数据构造一个进行决策的超曲面，该曲面可将样本数据分隔成两类，通过未知样本与超曲面的位置关中国医疗设备 2023年第38卷 09期 VOL.38 No.09163综 述REVIEW系确定其类别35；随机森林将每个决策树的结果进行总结，通过重复多次随机抽取样本，建立不同的决策树独立训练，然后对所有决策树的分类结果进行判定36；XGBoost 可进行大多数分类问题的训练，针对每一轮训练中准确度低的数据进行权重分配，最终突出了分类质量高的决策树权重，从而提高算法的准确性和泛化能力。相比传统的机器学习算法，XGBoost 支持并行运算，速度更快，不易受异常值的干扰，预测的准确率也更高37。3.3 基于网络数据共享的多层模型构架及优化归纳考虑到系统的易推广性以及便于维护等后期使用的要求，困难气道评估决策支持系统的建设可采用浏览器/服务器模型（B/S 体系结构）构建；系统框架的开发可采用模型-视图-控制器模式，有效减少数据描述与应用程序操作间的耦合度，提高各组件的复用性。模型层是应用程序中用于对接数据的部分，包括推理引擎接口和知识库、数据访问接口及其配套的数据库；控制层包括风险评估和预测的业务逻辑，参数登记管理和在院信息管理；视图层主要用于展示数据，包括界面配置文件、录入展示组件、数据交互模块。系统具备辅助登记、风险评估、辅助决策等功能。同时，系统可设置不同的权限，并提供数据导出和管理功能，以方便临床回顾性研究36。传统模型的所有参数由知识库初始状态下的患者数据决定，误差不能随着样本的不断累积而减小。为解决此问题，确保模型提供决策支持且具有较高的预测准确性，可以在初始知识库的基础上，输入患者后续的评估指标参数、实际气道分级和气道工具进行自动学习和知识库更新，以确保不断优化的评估模型始终具有高灵敏度和高特异性，提供更有力的辅助决策。推理功能是以Web 服务的形式实现的，在服务器上部署的软件服务中封装推理引擎，向系统上层提供，以完成知识库自动学习和模型持续优化的实现。作为计算机辅助决策系统的重要组件，推理引擎用于在线优化模型以提供诊断结论。用户仅需要通过标准数据接口将患者数据传递到服务器端推理引擎，推理引擎根据最佳机器学习算法计算后，将诊断结果通过 Web 网络返回到用户界面利用机器学习的方法筛选出有价值的困难气道预测指标，研究困难气道发生风险预测模型，进而建立具备持续在线优化性能的困难气道评估决策支持系统，预测结果可提出预警及最佳备选方案，为气道工具的选择提供决策指导，显著降低非预料的困难气道发生。各医院与服务器端的网络采用专用的数据共享网络，与公共互联网进行物理隔离，以保证信息传输安全。在服务器端与各医院的数据交互中还可以通过增加用户鉴权及身份认证环节进一步提高数据传输安全性。这种通过数据共享，网络智能数据分析的模式，将是未来构建困难气道评估决策系统的重要基础36。4 总结与展望目前针对困难气道的临床研究，尽管预测指标众多，但仍缺乏多中心、大样本、高质量的临床研究。未来尚需通过搭建全国范围内的困难气道患者信息化数据库，实现数据共享与信息整合来弥补在数据体量上的缺陷。一方面，从前端进行科学而广泛的数据收集，另一方面，在数据分析上，需要进一步结合目前先进的机器学习算法，实现对临床数据有针对性且切实有效分析，从而提高困难气道评估决策系统的准确性。针对有创新能力和科研基础的研究单位，医院及临床麻醉医生应该发挥对于临床创新点与精尖特色技术结合的敏锐度，深化这种具有实际使用需求的创新主体与具有较强科研能力的创新主体的合作，并加快在该领域的创新速度，拓展专利申请的广度，确实提升产业化效率。由于各个医院水平和医务人员经验差异，对困难气道的评估和决策缺乏统一的质量管控与预警。后期在全国网络信息平台进行推广，可以充分实现知识共享，帮助麻醉医师、急诊科医师提高困难气道识别的准确率，指导其高效安全地处理困难气道患者。困难气道评估决策支持系统的建设，有利于将优质医疗资源下沉，推进全国范围内医疗水平均质化健康发展。参考文献1 Joffe AM,Aziz MF,Posner KL,et al.Management of difficult tracheal intubation:a closed claims analysisJ.Anesthesiology,2019,131(4):818-829.2 Zhou Y,Han Y,Li Z,et al.Preoperative X-ray C2C6AR is applicable for prediction of difficult laryngoscopy in patients with cervical spondylosisJ.BMC Anesthesiol,2021,21(1):111.3 Singleton BN,Morris FK,Yet B,et al.Effectiveness of intubation devices in patients with cervical spine immobilisation:a systematic review and network meta-analysisJ.Br J Anaesth,2021,126(5):1055-1066.4 Han YZ,Tian Y,Zhang H,et al.Radiologic indicators for prediction of difficult laryngoscopy in patients with cervical spondylosisJ.Acta Anaesthesiol Scand,2018,62(4):474-482.5 Shiga T,Wajima Z,Inoue T,et al.Predicting difficult intubation in apparently normal patients:a meta-analysis of bedside screening test performanceJ.Anesthesiology,2005,103(2):429-437.6 Yildiz TS,Korkmaz F,Solak M,et al.Prediction of difficult tracheal intubation in Turkish patients:a multi-center methodological studyJ.Eur J Anaesthesiol,2007,24(12):1034-1040.中国医疗设备 2023年第38卷 09期 VOL.38 No.09164综 述REVIEW7 Merah NA,Wong DT,Ffoulkes-Crabbe DJ,et al.Modified Mallampati test,thyromental distance and inter-incisor gap are the best predictors of difficult laryngoscopy in West AfricansJ.Can J Anaesth,2005,52(3):291-296.8 Hilditch WG,Kopka A,Crawford JM,et al.Interobserver reliability between a nurse and anaesthetist of tests used for predicting difficult tracheal intubationJ.Anaesthesia,2004,59(9):881-884.9 Lundstrom LH,Vester-Andersen M,Moller AM,et al.Poor prognostic value of the modified Mallampati score:a meta-analysis involving 177 088 patientsJ.Br J Anaesth,2011,107(5):659-667.10 Han YZ,Tian Y,Xu M,et al.Neck circumference to inter-incisor gap ratio:a new predictor of difficult laryngoscopy in cervical spondylosis patientsJ.BMC Anesthesiol,2017,17(1):55.11 Kikkawa YS,Tsunoda K,Niimi S.Prediction and surgical management of difficult laryngoscopyJ.Laryngoscope,2004,114(4):776-778.12 Gupta K,Gupta PK.Assessment of difficult laryngoscopy by electronically measured maxillo-pharyngeal angle on lateral cervical radiograph:a prospective studyJ.Saudi J Anaesth,2010,4(3):158-162.13 Ji C,Ni Q,Chen W.Diagnostic accuracy of radiology(CT,X-ray,US)for predicting difficult intubation in adults:a meta-analysisJ.J Clin Anesth,2018,45:79-87.14 Wu J,Dong J,Ding Y,et al.Role of anterior neck soft tissue quantifications by ultrasound in predicting difficult laryngoscopyJ.Med Sci Monit,2014,20:2343-2350.15 Andruszkiewicz P,Wojtczak J,Sobczyk D,et al.Effectiveness and validity of sonographic upper airway evaluation to predict difficult laryngoscopyJ.J Ultrasound Med,2016,35(10):2243-2252.16 Pinto J,Cordeiro L,Pereira C,et al.Predicting difficult laryngoscopy using ultrasound measurement of distance from skin to epiglottisJ.J Crit Care,2016,33:26-31.17 Han Y,Fang J,Zhang H,et al.Anterior neck soft tissue thickness for airway evaluation measured by MRI in patients with cervical spondylosis:prospective cohort studyJ.BMJ Open,2019,9(5):e029987.18 Goni-Zaballa M,Perez-Ferrer A,Charco-Mora P.Difficult airway in a pediatric patient with Klippel-Feil syndrome and an unexpected lingual tonsilJ.Minerva Anestesiol,2012,78(2):254-257.19 王茗芳,杨芳芳,王斌,等.Wilson风险评分预测困难气管插管的准确性J.中华麻醉学杂志,2018,38(9):1114-1118.Wang MF,Yang FF,Wang B,et al.Accuracy of Wilson risk score in predicting difficult tracheal intubationJ.Chin J Anesthesiol,2018,38(9):1114-1118.20 El-Ganzouri A,El-Baz N,Ford E,et al.Training residents in fiberoptic intubation in the operating room anesthesiology ASA publicationsJ.Anesthesiology,1988,69(Supplement):A805.21 Baspinar SM,Gunusen I,Sergin D,et al.Evaluation of anthropometric measurements and clinical tests in the diagnosis of difficult airway in patients undergoing head and neck surgeryJ.Turk J Med Sci,2022,52(3):730-740.22 Roth D,Pace NL,Lee A,et al.Airway physical examination tests for detection of difficult airway management in apparently normal adult patientsJ.Cochrane Database Syst Rev,2018,5(5):CD008874.23 倪红伟,关春明.一种气道测量的数据处理的方法:201910558927.XP.2019-10-11.24 姚卫东,王斌 吴玥.一种预测困难气道的计算机应用软件及气道管理数据系统:202011249295.8P.2021-02-19.2 5 姚 卫 东,彭 成.一 种 气 道 管 理 导 航 方 法 及 系 统:202110829197.XP.2021-10-01.26 夏明,姜虹,林志良,等.一种基于人工智能的困难气道评估方法及装置:202110300891.2P.2021-07-06.27 姜虹,夏明,周韧,等.一种基于机器学习语音技术的困难气道评估方法及装置:202110848963.7P.2021-11-02.28 夏明,姜虹,钱彦旻,等.一种基于深度学习声纹识别的困难气道评估方法及装置:202110848800.0P.2021-10-29.29 钱彦旻,周之恺,夏明,等.困难气道的检测方法及其电子设备和存储介质:202111466777.3P.2022-01-14.30 张元元,杜科均,屈直闯,等.机器学习在辅助检测神经退行性疾病中的研究进展J.中国医疗设备,2022,37(5):157-160.Zhang YY,Du KJ,Qu ZC,et al.Research progress of machine learning in assistant detection of neurodegenerative diseasesJ.China Med Devices,2022,37(5):157-160.31 张加强,王广治,吴苏,等.基于多通道融合的图像识别方法:202210230371.3P.2022-05-31.32 李文献,韩园,赵柏杨,等.基于人工智能的气道评估终端:202210883918.XP.2022-11-25.33 姬娜,李桂祥,陈鹏岗.基于疾病模式的临床决策支持系统构建J.中国医疗设备,2018,33(10):71-73.Ji N,Li GX,Chen PG.Construction of clinical decision support system based on the disease patternJ.China Med Devices,2018,33(10):71-73.34 Chen CY,Lin WC,Yang HY.Diagnosis of ventilator-associated pneumonia using electronic nose sensor array 中国医疗设备 2023年第38卷 09期 VOL.38 No.09165综 述REVIEWsignals:solutions to improve the application of machine learning in respiratory researchJ.Respir Res,2020,21(1):45.35 Czabanski R,Horoba K,Wrobel J,et al.Detection of atrial fibrillation episodes in long-term heart rhythm signals using a support vector machineJ.Sensors(Basel),2020,20(3):765.36 Tabib S,Larocque D.Non-parametric individual treatment effect estimation for survival data with random forestsJ.Bioinformatics,2020,36(2):629-636.37 邓卓,苏秉华,张凯.基于集成学习的乳腺癌分类研究J.中国医疗设备,2020,35(12):59-62.Deng Z,Su BH,Zhang K.Breast cancer classification based on ensemble learningJ.China Med Devices,2020,35(12):59-62.本文编辑 盛伟C