检索历史 清除

摘要伴随着自动控制技术的发展，全凭静脉麻醉靶控输注技术在麻醉过程中的应用越来越广泛，经典单通道开环TCI系统的靶控输注泵是依据药代/药效动力学(PK-PD)模型来计算麻醉药物的血浆/效应室浓度，在整场手术过程中麻醉医生通过肉眼观测各项生命体征指数得知病人的生理体征数据变化，凭此判断药物疗效，从而结合自身临床专业知识手动调节麻醉药物的靶浓度使得病人始终处于安全合适的麻醉深度区间。但是由于不同机体之间存在差异性，生理模型参数变化明显，药物效应与特定生物体所需的药物剂量关系还没有明确，这种TCI系统的不足在于麻醉效果过分依赖麻醉医生的专业知识水平以及无法避免人工操作带来的误差，参考的生理模型参数较难覆盖特定人群，因此如何根据个体的具体情况精准给药成为目前麻醉学邻域最迫切的诉求。<br>　　鉴于此，本文提出结合药物效应和多监测参数反馈的基于注意力机制的麻醉靶控输注系统，考虑到手术期间催眠药物和阿片类药物之间的协同作用，使用注意力机制来学习混合特征的长期依赖性，通过理论分析和模拟临床仿真，实验结果表明本文的工作在预测性能方面明显优于以往的深度学习方法和经典的药代/药效模型，利用深度学习神经网络在复杂非线性动态编译方面的优势，预测下一时刻的麻醉深度指数，可为麻醉医生提供参考从而辅助医疗人员做出决策，这将会有效减少麻醉医生的工作量同时也可降低医生因长时间工作疲劳可能会导致的注意力不集中从而发生操作失误的概率，因此能够有效的降低对麻醉医生临床专业知识的依赖，提高智能闭环靶控输注系统的精准可靠性。<br>　　本课题实验所用数据集来自于中国人民解放军南部战区总医院麻醉科90余例患者真实临床手术数据，精准麻醉闭环靶控输注系统反馈环节选取Narcotrend指数作为麻醉深度监测指标，药物靶控输注泵选择思路高BCP-100型TCI输注泵，神经网络算法选用擅长时间序列回归任务即可处理长期依赖关系又能克服梯度消失的LSTM网络模块和注意力机制组合，搭建了一个基于多监测参数和药效反馈的麻醉靶控输注系统。主要包括靶控输注系统的硬件平台搭建、神经网络算法研究、软件界面开发、通信设计等方面，通过仿真实验，结果表明，该系统稳定可靠，本文的模型预测表现优于以往的深度学习方法和传统的PK-PD模型，尤其是对于样本量较稀疏的深度麻醉阶段的预测性能。