对麻醉医师推动人工智能的技术援助

麻省理工学院的研究人员的一项新研究和马萨诸塞州总医院建议一天可能接近当先进的人工智能系统可以协助麻醉师在手术室。

在一个特别版的人工智能在医学上,团队的神经科学家,工程师和医生证明机器学习算法不断地自动化的剂量的麻醉药物异丙酚。使用应用程序的强化学习,同时软件的神经网络学习它的剂量选择保持无意识和如何批判自己的行动的功效,该算法优于传统软件的成熟,基于生理模拟病人。也密切匹配性能的真正的麻醉医师在显示它会做些什么来保持无意识给从九真正的手术记录数据。

算法的进步增加电脑维护病人无意识的可行性没有超过需要的药物,从而释放麻醉师的其他责任在手术室,包括确保病人保持不动,没有痛苦的经验,保持生理上的稳定,并获得足够的氧位联席作者Schamberg加布和马库斯Badgeley说。

“我们能想到的一个目标是类似于飞机的自动驾驶,船长总是在驾驶舱关注,”他们说,前麻省理工学院博士后也是该研究的通讯作者。“麻醉医师必须同时监测患者的生理状态的许多方面,所以病人护理的自动化这些方面是有意义的,我们理解。”

资深作者金刚砂n .布朗,Picower研究所学习和记忆神经学家和医学研究所工程和科学在麻省理工学院和一个麻醉师在MGH表示,帮助优化算法的潜力药物剂量可以改善病人护理。

“象这样的算法允许麻醉医师保持更加谨慎,附近连续警惕病人在全身麻醉,”布朗说,爱德华罩近代计算神经科学教授和麻省理工学院健康科学与技术。

演员和评论家

研究小组设计了一个机器学习的方法,不仅会学习如何剂量异丙酚维持病人无意识,还这样做,如何优化药品管理的数量。他们通过赋予软件完成这两个相关的神经网络:“演员”的责任决定多少药物剂量在每一个时刻,和一个“评论家”,他的工作是帮助演员表现的方式最大化程序员指定的“奖励”。例如,研究人员尝试了训练算法使用三种不同的奖励:一个处罚只用药,一个质疑提供任何剂量,没有实施处罚。

在任何情况下他们训练算法与模拟的病人,采用先进的药物动力学模型,或异丙酚剂量达到速度相关的大脑区域的剂量管理后,和药效学、药物如何改变意识当它到达目的地。患者无意识的水平,与此同时,反映在测量脑电波的可以在真正的手术室。通过运行数百个轮模拟值的这些条件,演员和评论家可以学习如何执行他们的角色为各种类型的病人。

最有效的奖励制度变成了“剂量点球”一个评论家质疑每一剂量的演员了,经常批评演员保持剂量一个必要的最低维持无意识。没有任何剂量点球系统有时给太多,只有过量处罚有时给太少。“剂量点球”模式学习更快,产生误差小于其他价值模型和传统的标准软件,一个比例积分微分控制器。

一位能干的顾问

与模拟训练和测试算法后,他们和Badgeley把“剂量点球”版本喂养它病人意识的更实际的测试数据记录真实的情况下在手术室。测试了两种算法的优点和限制。

在大多数测试算法的剂量选择非常匹配之前参加麻醉师无意识被诱导后,不再是必要的。然而,算法调整剂量一样经常每五秒而麻醉医师(谁都有很多其他的事情要做)通常只每隔20 - 30分钟,Badgeley指出。

测试表明,该算法不适合诱导无意识首先,研究者承认。该软件还不知道自己的协议手术结束后,他们补充说,但这是一个简单的麻醉师来管理这一过程。

任何人工智能系统最重要的挑战之一可能会继续面对,他们说,关于无意识病人是否美联储的数据是完全准确的。另一个活跃的研究领域在棕色的麻省理工学院的实验室,MGH提高数据源的解释,如脑电波信号,改善病人麻醉下监测数据的质量。

---

---