建立并验证一种新型多模态生理参数用于评估胸科手术麻醉深度

摘要

目的 建立并验证一种新型多模态生理参数评估胸科手术麻醉深度的准确性。方法 选择2022年10月—2023年2月于上海交通大学医学院附属胸科医院择期接受胸科手术的46例患者，年龄18～80岁，ASA分级Ⅰ至Ⅲ级。所有患者均接受全凭静脉麻醉。采集患者的多模态生理信号，包括五导联心电图(ECG)、有创桡动脉血压(以P1表示)、脉搏血氧饱和度、外科脉搏容积指数(SPI),脑电监测采用一次性无创脑电熵指数传感器测定患者熵指数波形。应用icollect数据采集软件连接麻醉监护仪，4通道同时采集并记录麻醉开始前患者清醒状态至麻醉苏醒期间的ECG、脑电图[EEG(以Ent100表示)]、P1和脉搏波形(Pleth)。由2名经验丰富的麻醉科医师将患者麻醉深度分为清醒、浅麻醉和适宜麻醉3种状态，并作为金标准。采用深度神经网络的方法提取并融合4种模态的生理信号(ECG、Ent100、P1、Pleth)特征，得到最终的麻醉深度评估的决策模型。计算多模态生理参数评估麻醉深度的准确率。结果 最终纳入39例接受全身麻醉胸科手术患者的术中监测数据。去除无效数据或伪差后，共分析了23 000个完整数据集，其中清醒状态、浅麻醉状态和适宜麻醉状态共有300、600、3 000个数据集用于测试。当使用基本相同的网络结构时，单独输入ECG、EEG、P1和Pleth 4种单模态的数据，网络不收敛，训练loss均为1.092,无法提取对麻醉深度评估有用的决策信息；而ECG、EEG、P1和Pleth集成的多模态生理参数的模型评估患者麻醉状态的准确率为73.7%。结论 本研究提出了一种基于衍生的多模态生理参数监测不同麻醉深度的方法，可较准确地评估患者术中麻醉深度。

关键词

麻醉深度 / 人工智能 / 多模态 / 麻醉监测 / 脑电