首尔圣母医院开发预测儿科手术中血液二氧化碳的AI模型
无需采血即可推算动脉血二氧化碳分压……研究发表于国际学术期刊
平均误差较现有呼气末二氧化碳检测改善23%
有望成为减轻新生儿及婴儿反复采血负担的辅助工具
一种可在手术期间无需采血便预测儿科患者动脉血二氧化碳分压(PaCO₂)的人工智能(AI)模型已研发完成。该模型在减轻反复动脉采血负担的同时,准确度高于现有无创检测方法,证实了其临床应用潜力。
(从左至右)首尔圣母医院儿科青少年医学科教授Kim Hyeonho、首尔峨山医院麻醉疼痛医学科住院医师Park Juhyeon、高丽大学医学院学生Jo Chaeun。首尔圣母医院供图
View original image首尔圣母医院21日表示,圣尼古拉斯儿童医院儿科青少年科教授Kim Hyeonho团队利用手术期间的生命体征数据,开发出可推算儿科患者动脉血二氧化碳分压的AI模型。该研究的共同第一作者为首尔峨山医院麻醉疼痛医学科住院医师Park Juhyeon和高丽大学医学院学生Jo Chae-eun。
动脉血二氧化碳分压是评估手术期间通气状态及酸碱平衡的核心指标。目前的标准方法是置入动脉导管采血后,利用血气分析仪进行测量。但儿童血管较细,置入动脉导管引发并发症的风险较高,反复采血也可能导致贫血。
为弥补这一不足,临床上会采用无创测量的呼气末二氧化碳(EtCO₂),但其数值与实际动脉血二氧化碳分压之间可能存在差异。研究团队通过AI分析呼气末二氧化碳及临床信息,开发出可更准确推算动脉血二氧化碳分压的模型。
研究团队分析了首尔大学医院建立的公开手术室生命体征数据库VitalDB中3586名儿科患者的8853组数据。随后通过夏普利加性解释值(SHAP)分析,筛选出呼气末二氧化碳、体温、每分钟通气量、年龄、吸入氧浓度(FiO₂)、是否患有心脏疾病、肺顺应性、术前血红蛋白、体质指数(BMI)及平均动脉压等10项核心变量,并应用于机器学习模型。
结果显示,研发的AI模型平均绝对误差(MAE)为2.73毫米汞柱,较仅测量呼气末二氧化碳的现有方法(3.56毫米汞柱)将误差降低约23%。
研究团队还以忠南大学医院50名儿科患者的92例数据,以及首尔大学医院2024年1月至2025年6月期间499名患者的2138例数据进行外部验证,MAE分别为3.65毫米汞柱和3.67毫米汞柱,证实了模型的可重复性。
主导研究的Kim Hyeonho教授表示:“该模型无法完全替代动脉血气分析,但在难以置入动脉导管或难以频繁进行血气分析的情况下,可成为有用的辅助工具。特别是对于儿科神经外科手术等需要精确控制二氧化碳的患者,预计具有应用前景。”他补充称:“为实现实际临床应用,仍需通过前瞻性临床试验开展进一步验证。”研究结果近期发表于麻醉与疼痛领域国际学术期刊《麻醉与镇痛》。
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。