AI助力麻醉如何落地見效？

北京阜外心血管醫院麻醉科 鄧碩曾

成都華西醫院麻醉手術中心 宋海波

通信作者：宋海波 Email：pdasonghaibo@163.com

AI助力麻醉如何落地見效？

【摘要】精準麻醉與自動化麻醉是重要的發展方向，實現麻醉個體化是長期追求。人工智能為圍術期評估、麻醉決策支持、監測解釋與并發癥早期識別提供了新的工具與路徑，但其本質仍是輔助系統，不能替代麻醉醫生的專業判斷、倫理責任與團隊協作。合理的定位應是以麻醉醫生為主導，將AI嵌入流程、教育與質控體系，提升安全性、效率與患者體驗，同時系統性防范數據偏倚與“幻覺”帶來的新風險。

【關鍵詞】麻醉；人工智能；麻醉醫生；幻覺；醫患溝通

進入二十一世紀以來，麻醉學和其他學科一樣，經歷了規范化、可視化、信息化、智能化四個階段，沒有規范化和可視化的扎實基礎，就不會有信息化和智能化的健康發展。2025年被稱為AI元年，人工智能正在重塑包括醫療體系內的工作方式，麻醉學同樣處在這輪變革的核心地帶。過去麻醉工作更多依賴經驗與個人能力的積累，如今數據密度更高、監測更連續、設備更互聯，AI在術前評估、術中決策支持、并發癥識別與術后疼痛管理等方面已顯示出實際價值。

AI助力麻醉落地創新的原則是：人機結合、人網結合、以人為主，與此同時，麻醉的對象是“人”，服務的對象是“手術”，高風險、高責任的屬性決定了麻醉不只是算對藥量和維持指標，更是圍術期系統管理與風險兜底。因而一個必須回答的問題是：AI助力麻醉會在何處真正改變麻醉醫生的工作，又在哪些邊界上必須保持對人類專業能力的依賴？

01

AI麻醉的應用場景

AI麻醉的應用主要可歸納為六類。第一，麻醉深度與鎮靜水平監測及其解釋，如BIS、Narcotrend等信號的趨勢識別與個體化閾值建議。第二，麻醉控制與閉環輔助，包括麻醉機、監測儀、微量泵、TCI等設備的聯動控制與策略推薦。第三，事件識別與風險預測，例如低血壓、低氧、氣道風險、術后惡心嘔吐與蘇醒延遲等的早期預警。第四，超聲相關應用，如神經阻滯、血管通路、圍術期心功能評估與TEE等場景中的圖像輔助、結構識別與操作引導。第五，疼痛管理與隨訪支持，例如PCA參數建議、用藥風險提示與遠程隨訪分層。第六，手術室物流與資源管理，如藥品與耗材管理、排班與周轉效率優化等。

更值得強調的是，AI的價值在嵌入原有流程，改變工作方式。在術前，AI可幫助麻醉門診或病房完成風險要點抽取、用藥禁忌提示、既往麻醉史與并發癥線索追蹤，從而提高評估一致性并減少遺漏。在術中，AI可以把多源監測的信號變成可讀的事件線索，降低信息過載與報警疲勞。在術后，AI有機會把PACU到病房的鎮痛與并發癥管理做成連續閉環，提高交接質量與隨訪可追溯性。

我們需要清醒看到的是，目前AI在麻醉控制策略的穩健性、跨人群泛化能力、極端情景下的可靠性方面仍不充分，尤其在強干擾、強噪聲、強非線性的圍術期場景中，離不開麻醉醫生的監管與最終裁決。

02

AI麻醉能代替麻醉醫生嗎？

AI難以替代麻醉醫生。從工作形態看，過去麻醉醫生更多站在床旁處理即時問題，如今在信息化與智能化的幫助下，確實可能更多以坐姿完成監控、記錄、決策與溝通，但這并不意味著“麻醉變輕松了”，而是把能力結構從體力與重復勞動，轉向系統性風險管理與復雜決策。

AI本身不具備執業資質，也不承擔法律與倫理責任。更重要的是，麻醉學的關鍵能力不僅是計算與模式識別，還包括對手術意圖的理解、對團隊行為的預判、對患者個體價值偏好的尊重、對突發事件的快速分層處置，以及在不確定性下的兜底作用。AI可以提供建議，卻難以承擔責任：當出現困難氣道、大出血、短暫循環阻斷、張力性氣胸、嚴重過敏反應、惡性高熱等情景時，需要的是具備臨床直覺與操作能力的麻醉醫生做出即時行動，并組織團隊協同完成救治。

從人力結構看，麻醉人才缺口在現實中仍然存在。發展AI麻醉更合理的目標不是替代麻醉醫生的工作，而是讓麻醉醫生高效工作：把高質量決策能力擴展到更多基層與高負荷場景，同時推動培養一批基礎理論扎實、操作技術熟練、溝通能力強、并具備AI素養與質量改進能力的麻醉醫生，使其能夠正確使用、質疑并改進AI系統，而不是被動依賴。

03

麻醉要應對手術的沖擊

麻醉控制與手術刺激緊密耦合，不同手術階段的刺激強度、體位變化、氣腹、驅血帶、單肺通氣、液體負荷與出血速度，都可能在短時間內改變循環與呼吸的穩定性。麻醉醫生的核心任務是器官保護與血液保護。

AI在這一部分的真實價值，往往體現在流程化與提前量上：一是把手術關鍵事件與生理變化對齊，幫助術中提前預判下一階段的風險。二是基于既往數據與實時信號給出風險預測，例如低血壓風險的提前預警與干預建議，從而降低被動搶救的頻率。三是把標準化處置路徑嵌入工作流，例如出現疑似張力性氣胸或大量失血的信號組合時，快速彈出排除項和處置要點，減少在高壓狀態下的遺漏。

但同樣必須強調，手術沖擊的具體表現高度依賴病人基礎疾病與手術細節，許多關鍵決策需要結合觸診、聽診、氣道阻力手感、床旁超聲與團隊信息，AI難以獨立完成閉環處置。

04

AI麻醉幻覺的風險

在麻醉場景中，“幻覺”并不只是語言模型編造一句話，更可能表現為術前給出不安全的麻醉方案或劑量建議，術中對監測信號做出誤導性解釋或觸發錯誤報警，術后對并發癥風險與疼痛評分做出不準確判斷并誘導不當治療。其危害不在于一兩次疏漏，而在于錯誤可能被流程放大，形成系統性風險。

幻覺與錯誤的根源，往往來自數據與場景不匹配：訓練數據質量不高、標注口徑不一致、覆蓋人群不足、存在偏倚，或模型在設備、醫院流程與人群結構變化后發生漂移。例如主要基于健康成人數據訓練的系統，在兒童、老年、肥胖、嚴重瓣膜病、肺高壓、休克等人群上更容易失效；再如不同監護設備、不同傳感器算法導致的分布差異，會讓模型能夠自圓其說，卻和真實世界相去甚遠。

因此，AI麻醉落地必須把安全機制寫進流程而不是寫進口號：其一，明確麻醉醫生主導的責任邊界，AI輸出默認是建議而非指令。其二，建立重復核查與可追溯機制，關鍵建議必須可解釋、可復核、可回放。其三，持續監測模型性能，定期做壓力測試與回顧性審計，把模型更新納入科室質量管理體系。

05

AI對醫患溝通的影響，以及情商與智商

麻醉工作中的溝通不只是解釋風險，更是建立信任、緩解焦慮、對齊預期。AI能在溝通中提供幫助，例如自動生成更清晰的風險解釋框架、個體化提示常見問題、輸出患者能聽懂的術前宣教要點，從而提高溝通一致性與效率。對醫護團隊內部溝通，AI也可能通過結構化記錄、事件回放與關鍵點提示，提高交接與討論質量。

但醫患溝通的核心仍然是人。患者在手術前最需要的是被理解、被尊重與被陪伴的安全感，這要求麻醉醫生具備情商與責任感。可以把AI理解為工具：擅長計算、檢索、模式識別與總結；而麻醉醫生必須同時具備“高智商的專業推理”和“高情商的同理心與團隊領導力”。面對不確定性、恐懼與價值選擇，AI無法替代人的倫理判斷與情感支持。更現實的是，如果溝通中過度強調AI，反而可能引發患者對機器確定性的擔憂，削弱醫患間信任關系。因此更合適的表述是：AI用于輔助醫生更嚴謹、更全面地評估與管理風險，最終決策與責任仍由麻醉醫生承擔。

06

結論

AI麻醉是人工智能與麻醉學的深度融合，其方向是用數據智能把麻醉管理從經驗驅動推向數據驅動與模型驅動的精準階段。當前AI在超聲引導、術后鎮痛管理、信息整合與部分風險預警方面更接近可用狀態；在麻醉控制閉環、跨人群泛化、極端情景可靠性與可解釋性方面仍需進一步提高。必須警惕AI幻覺、偏倚與漂移帶來的新型安全風險，把麻醉醫生主導、可追溯、可復核、可降級的治理體系嵌入真實流程。

總體而言，AI更可能成為麻醉醫生的得力助手，而非替代者。未來的關鍵是AI如何進入流程、如何進入教育、如何進入溝通，并在質量與安全框架下持續改進。在實踐與研究仍相對有限的階段，更需要以嚴謹的臨床驗證、分層適用邊界與規范化治理，推動AI麻醉走向可靠、可控、可推廣的路徑。

【參考文獻】

1鄧碩曾，吳剛俊，趙薇，等.人工智能為麻醉插上AI的翅膀［OL］.新青年麻醉論壇，2024-08-05

2.Mashimoto DA,Withowski E, Gao L,et al. Artificial intelligence in anesthesiolgy : current techniques, clinical applcations ,and limitations［J］.Anesthesiology,2020 ,132（2）：379-394

3.梅偉，周亞群，王英偉，等.大力發展人工智能技術 賦能麻醉學科新質發展［J］.中華麻醉學雜志，2024，44（11）：1281-1284

1.電腦端谷歌瀏覽器訪問：www.xqnmz.com 最方便，當做生產工具使用首選。

次之關注公號：新青年網絡家園/新青年麻醉視頻，建議置頂，下面菜單入口使用，生成過程中不會中斷（微信系統權限高）

2.APP端使用建議將鎖屏時間調到5分鐘以上，生成中盡量避免劃走。如果總是生成不了，建議重裝一下APP。

3.新青年麻醉AI風格比較嚴肅，涉及多學科知識可能深奧，可以讓AI用住院醫師容易理解的風格回答。

4.AI幻覺和人類謊言一樣基本無解，如有疑惑建議明確指出，多輪對話尋求真相。

5.一定要多用，使用的技巧很重要，對專業醫生來說永遠沒有萬能的工具。特別要注意給AI的信息完整性，避免簡單關鍵詞提問。

6.流程圖渲染是實時的，如果顯示不了可以刷新或者點擊記錄查看，個別還不行，一般是圖的代碼有問題，追問讓AI重新生成。

快來體驗一下吧

麻醉AI（麻醉助手），提交詳細病例資料或問題提問即可！