在人工智能、大数据及机器学习等先进技术的推动下，麻醉与围术期医学正经历从“经验驱动”到“数据驱动”的深刻变革。智能医学不仅重新定义麻醉监测、风险预测和药物调控的边界，更通过人机协同智能模式重塑围术期医疗服务的全流程。麻醉与围术期智能医学领域的进展既体现智能技术赋能的巨大潜力，也暴露出临床转化过程中的深层矛盾，其发展方向将深刻影响未来麻醉医疗模式的演变。近期，《中华麻醉学杂志》发布了《麻醉与围术期医学亟待解决的十大科学问题（2025版）》一文，“麻醉与围术期智能医学”被纳入十大科学问题之一。本文围绕麻醉与围术期智能医学，对其现状、挑战与未来进行阐述，期望为麻醉与围术期医学的创新发展提供借鉴。

▌当前状况：智能医学在麻醉领域百花齐放

目前，智能医学在麻醉领域的应用呈现“百花齐放、百家争鸣”的现象，覆盖围术期全周期管理，其核心突破主要体现在以下方向。

智能监测：从“看得见”到“看得全”的跨越

可穿戴设备的微型化与智能化革命，使患者生命体征监测及生理参数突破空间限制。新型柔性电子贴片可连续监测皮肤阻抗、脉搏、血压波形等多项生理参数，结合机器学习算法提前预警低血压事件。基于连续无创血糖监测贴片技术显著提升低血糖监测数值的预测敏感度。远程监护技术的成熟，使得高风险患者的居家术前监测评估成为可能。

麻醉深度调控：从“经验控制”到“精准导航”

基于多模态神经信号融合的麻醉深度监测系统，解决传统脑电双频指数易受肌电干扰的难题，它整合脑电信号、近红外光谱与心率变异性数据，构建麻醉深度三维评估模型，使麻醉过深的发生率显著降低。闭环靶控输注系统通过强化学习算法动态调整药物剂量，显著提高了腹腔镜手术中麻醉深度稳定的维持时间。

风险预测：从“静态评估”到“动态管控”

人工智能模型通过解析电子病历、影像数据与实时生理信号，构建个体化风险演化图谱。现有多种模型纳入术中每搏量变异度、组织氧合指数等动态指标，将术后急性肾损伤预测准确率提升至90%以上。更值得关注的是，已有模型能够实时生成风险轨迹热图，为临床干预提供“黄金时间窗”。

操作辅助：从“手眼配合”到“智能导航”

超声引导神经阻滞领域，深度学习算法可实时识别90%以上的外周神经束，使穿刺成功率提升至98%。达·芬奇手术机器人衍生的气管插管辅助臂，在困难气道处理中展现毫米级定位精度。智能医疗文书处理系统通过自然语言处理技术，自动生成结构化麻醉记录，将文书工作时间缩短60%。

▌临床挑战：智能医学落地的三重挑战

尽管人工智能技术发展迅猛，但智能医学在围术期临床麻醉实践中仍面临一些关键瓶颈。

数据困境：数据质量与信息安全的平衡难题

医疗数据的碎片化严重制约模型效能和外推性。国家麻醉专业质控中心年度报告显示，不同医院不同厂商麻醉机数据标准化率较低，基层医院生命体征数据大部分缺失率较高。患者相关医疗数据隐私保护与数据共享的矛盾尤为突出，联邦机器学习技术（federated machine learning）虽能实现“数据不出本地”，但在医疗数据场景下应用的效果受限，模型训练效率不佳。因此，如何构建安全高效的数据生态成为首要挑战。

规则制定：由算法黑箱引发的信任危机

现有人工智能系统的决策逻辑缺乏可解释性，导致临床接受度及实用性受到质疑。美国麻醉医师协会调研显示，超过半数麻醉医生不信任人工智能的危急值预警，约1/3医生会手动干预闭环输注系统。这种信任危机源于算法开发者与临床工作者思维范式的差异，即开发者追求统计最优，临床医生需要生理学解释。

应用断层：技术普惠的“最后一公里”

智能设备在不同区域不同级别医院的推广中遭遇“水土不服”。基于平原数据训练的监护模型在高原地区预测效能降低，主因未纳入血氧饱和度的高原校正参数。此外，智能系统的高运维成本与基层支付能力的矛盾，进一步加剧技术落地难度。

▌未来方向：构建人机协同的智能医疗生态

智能医学与麻醉学的协同发展需从生态培育、技术优化、系统重构三个维度协同发力突破当前困境，构建人机共生的智能医疗生态。

生态培育：从“数据孤岛”到“协同网络”

围术期智能医学助力麻醉医学的发展，需要将多个“孤岛”有效联合成“网络”，从数据标准建设、人工智能技术普惠、复合型人才的培养着手，建立国家级麻醉数据平台，制定统一的数据元标准，开发模块化智能设备，通过“基础功能+专科插件”模式适配不同层级医院需求，构建虚拟现实模拟培训体系，培养掌握智能技术的复合型麻醉人才。

技术优化：从“数据驱动”到“知识融合”

新一代智能系统需融合数据学习与人体生理机理模型。通过数字孪生技术构建患者虚拟生理模型，模拟不同麻醉方案对人体不同器官的影响，使决策支持具备因果推理能力。梅奥诊所正在开发的虚拟心脏模型，模拟预测循环波动事件对心脏损伤的影响，未来为个体化麻醉方案制定提供新范式。

系统重构：从“工具辅助”到“流程再造”

麻醉相关智能医学需建立“监测-决策-执行”闭环管理系统，需从智能感知层、认知计算层及执行控制层三个层面进行全流程动态支持。未来需研发多模态生物传感器阵列，实现组织灌注、神经功能等深层生理信号捕获；构建基于临床指南的知识图谱，使人工智能决策符合医疗规范；开发自适应麻醉机器人，根据手术应激强度自动调节麻醉深度。

▌小结

麻醉与围术期智能医学的发展，本质上是一场医疗认知革命。当算法模型与临床智慧深度融合，麻醉医生正在见证一个更安全、更精准、更人性化的围术期医学新时代的诞生。但技术终究是手段而非目的，未来的麻醉智能医疗生态建设，需要始终秉持“以患者为中心”的理念，在技术创新与人文关怀之间找到最佳平衡点——这或许才是智能医学给予麻醉医学最深刻的启示。

（作者：北京协和医院麻醉科 兰岭 申乐）