AI助力麻醉如何落地见效？

北京阜外心血管医院麻醉科 邓硕曾

成都华西医院麻醉手术中心 宋海波

通信作者：宋海波 Email：pdasonghaibo@163.com

AI助力麻醉如何落地见效？

【摘要】精准麻醉与自动化麻醉是重要的发展方向，实现麻醉个体化是长期追求。人工智能为围术期评估、麻醉决策支持、监测解释与并发症早期识别提供了新的工具与路径，但其本质仍是辅助系统，不能替代麻醉医生的专业判断、伦理责任与团队协作。合理的定位应是以麻醉医生为主导，将AI嵌入流程、教育与质控体系，提升安全性、效率与患者体验，同时系统性防范数据偏倚与“幻觉”带来的新风险。

【关键词】麻醉；人工智能；麻醉医生；幻觉；医患沟通

进入二十一世纪以来，麻醉学和其他学科一样，经历了规范化、可视化、信息化、智能化四个阶段，没有规范化和可视化的扎实基础，就不会有信息化和智能化的健康发展。2025年被称为AI元年，人工智能正在重塑包括医疗体系内的工作方式，麻醉学同样处在这轮变革的核心地带。过去麻醉工作更多依赖经验与个人能力的积累，如今数据密度更高、监测更连续、设备更互联，AI在术前评估、术中决策支持、并发症识别与术后疼痛管理等方面已显示出实际价值。

AI助力麻醉落地创新的原则是：人机结合、人网结合、以人为主，与此同时，麻醉的对象是“人”，服务的对象是“手术”，高风险、高责任的属性决定了麻醉不只是算对药量和维持指标，更是围术期系统管理与风险兜底。因而一个必须回答的问题是：AI助力麻醉会在何处真正改变麻醉医生的工作，又在哪些边界上必须保持对人类专业能力的依赖？

01

AI麻醉的应用场景

AI麻醉的应用主要可归纳为六类。第一，麻醉深度与镇静水平监测及其解释，如BIS、Narcotrend等信号的趋势识别与个体化阈值建议。第二，麻醉控制与闭环辅助，包括麻醉机、监测仪、微量泵、TCI等设备的联动控制与策略推荐。第三，事件识别与风险预测，例如低血压、低氧、气道风险、术后恶心呕吐与苏醒延迟等的早期预警。第四，超声相关应用，如神经阻滞、血管通路、围术期心功能评估与TEE等场景中的图像辅助、结构识别与操作引导。第五，疼痛管理与随访支持，例如PCA参数建议、用药风险提示与远程随访分层。第六，手术室物流与资源管理，如药品与耗材管理、排班与周转效率优化等。

更值得强调的是，AI的价值在嵌入原有流程，改变工作方式。在术前，AI可帮助麻醉门诊或病房完成风险要点抽取、用药禁忌提示、既往麻醉史与并发症线索追踪，从而提高评估一致性并减少遗漏。在术中，AI可以把多源监测的信号变成可读的事件线索，降低信息过载与报警疲劳。在术后，AI有机会把PACU到病房的镇痛与并发症管理做成连续闭环，提高交接质量与随访可追溯性。

我们需要清醒看到的是，目前AI在麻醉控制策略的稳健性、跨人群泛化能力、极端情景下的可靠性方面仍不充分，尤其在强干扰、强噪声、强非线性的围术期场景中，离不开麻醉医生的监管与最终裁决。

02

AI麻醉能代替麻醉医生吗？

AI难以替代麻醉医生。从工作形态看，过去麻醉医生更多站在床旁处理即时问题，如今在信息化与智能化的帮助下，确实可能更多以坐姿完成监控、记录、决策与沟通，但这并不意味着“麻醉变轻松了”，而是把能力结构从体力与重复劳动，转向系统性风险管理与复杂决策。

AI本身不具备执业资质，也不承担法律与伦理责任。更重要的是，麻醉学的关键能力不仅是计算与模式识别，还包括对手术意图的理解、对团队行为的预判、对患者个体价值偏好的尊重、对突发事件的快速分层处置，以及在不确定性下的兜底作用。AI可以提供建议，却难以承担责任：当出现困难气道、大出血、短暂循环阻断、张力性气胸、严重过敏反应、恶性高热等情景时，需要的是具备临床直觉与操作能力的麻醉医生做出即时行动，并组织团队协同完成救治。

从人力结构看，麻醉人才缺口在现实中仍然存在。发展AI麻醉更合理的目标不是替代麻醉医生的工作，而是让麻醉医生高效工作：把高质量决策能力扩展到更多基层与高负荷场景，同时推动培养一批基础理论扎实、操作技术熟练、沟通能力强、并具备AI素养与质量改进能力的麻醉医生，使其能够正确使用、质疑并改进AI系统，而不是被动依赖。

03

麻醉要应对手术的冲击

麻醉控制与手术刺激紧密耦合，不同手术阶段的刺激强度、体位变化、气腹、驱血带、单肺通气、液体负荷与出血速度，都可能在短时间内改变循环与呼吸的稳定性。麻醉医生的核心任务是器官保护与血液保护。

AI在这一部分的真实价值，往往体现在流程化与提前量上：一是把手术关键事件与生理变化对齐，帮助术中提前预判下一阶段的风险。二是基于既往数据与实时信号给出风险预测，例如低血压风险的提前预警与干预建议，从而降低被动抢救的频率。三是把标准化处置路径嵌入工作流，例如出现疑似张力性气胸或大量失血的信号组合时，快速弹出排除项和处置要点，减少在高压状态下的遗漏。

但同样必须强调，手术冲击的具体表现高度依赖病人基础疾病与手术细节，许多关键决策需要结合触诊、听诊、气道阻力手感、床旁超声与团队信息，AI难以独立完成闭环处置。

04

AI麻醉幻觉的风险

在麻醉场景中，“幻觉”并不只是语言模型编造一句话，更可能表现为术前给出不安全的麻醉方案或剂量建议，术中对监测信号做出误导性解释或触发错误报警，术后对并发症风险与疼痛评分做出不准确判断并诱导不当治疗。其危害不在于一两次疏漏，而在于错误可能被流程放大，形成系统性风险。

幻觉与错误的根源，往往来自数据与场景不匹配：训练数据质量不高、标注口径不一致、覆盖人群不足、存在偏倚，或模型在设备、医院流程与人群结构变化后发生漂移。例如主要基于健康成人数据训练的系统，在儿童、老年、肥胖、严重瓣膜病、肺高压、休克等人群上更容易失效；再如不同监护设备、不同传感器算法导致的分布差异，会让模型能够自圆其说，却和真实世界相去甚远。

因此，AI麻醉落地必须把安全机制写进流程而不是写进口号：其一，明确麻醉医生主导的责任边界，AI输出默认是建议而非指令。其二，建立重复核查与可追溯机制，关键建议必须可解释、可复核、可回放。其三，持续监测模型性能，定期做压力测试与回顾性审计，把模型更新纳入科室质量管理体系。

05

AI对医患沟通的影响，以及情商与智商

麻醉工作中的沟通不只是解释风险，更是建立信任、缓解焦虑、对齐预期。AI能在沟通中提供帮助，例如自动生成更清晰的风险解释框架、个体化提示常见问题、输出患者能听懂的术前宣教要点，从而提高沟通一致性与效率。对医护团队内部沟通，AI也可能通过结构化记录、事件回放与关键点提示，提高交接与讨论质量。

但医患沟通的核心仍然是人。患者在手术前最需要的是被理解、被尊重与被陪伴的安全感，这要求麻醉医生具备情商与责任感。可以把AI理解为工具：擅长计算、检索、模式识别与总结；而麻醉医生必须同时具备“高智商的专业推理”和“高情商的同理心与团队领导力”。面对不确定性、恐惧与价值选择，AI无法替代人的伦理判断与情感支持。更现实的是，如果沟通中过度强调AI，反而可能引发患者对机器确定性的担忧，削弱医患间信任关系。因此更合适的表述是：AI用于辅助医生更严谨、更全面地评估与管理风险，最终决策与责任仍由麻醉医生承担。

06

结论

AI麻醉是人工智能与麻醉学的深度融合，其方向是用数据智能把麻醉管理从经验驱动推向数据驱动与模型驱动的精准阶段。当前AI在超声引导、术后镇痛管理、信息整合与部分风险预警方面更接近可用状态；在麻醉控制闭环、跨人群泛化、极端情景可靠性与可解释性方面仍需进一步提高。必须警惕AI幻觉、偏倚与漂移带来的新型安全风险，把麻醉医生主导、可追溯、可复核、可降级的治理体系嵌入真实流程。

总体而言，AI更可能成为麻醉医生的得力助手，而非替代者。未来的关键是AI如何进入流程、如何进入教育、如何进入沟通，并在质量与安全框架下持续改进。在实践与研究仍相对有限的阶段，更需要以严谨的临床验证、分层适用边界与规范化治理，推动AI麻醉走向可靠、可控、可推广的路径。

【参考文献】

1邓硕曾，吳刚俊，赵薇，等.人工智能为麻醉插上AI的翅膀［OL］.新青年麻醉论坛，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.梅伟，周亚群，王英伟，等.大力发展人工智能技术 赋能麻醉学科新质发展［J］.中华麻醉学杂志，2024，44（11）：1281-1284

1.电脑端谷歌浏览器访问：www.xqnmz.com 最方便，当做生产工具使用首选。

次之关注公号：新青年网络家园/新青年麻醉视频，建议置顶，下面菜单入口使用，生成过程中不会中断（微信系统权限高）

2.APP端使用建议将锁屏时间调到5分钟以上，生成中尽量避免划走。如果总是生成不了，建议重装一下APP。

3.新青年麻醉AI风格比较严肃，涉及多学科知识可能深奥，可以让AI用住院医师容易理解的风格回答。

4.AI幻觉和人类谎言一样基本无解，如有疑惑建议明确指出，多轮对话寻求真相。

5.一定要多用，使用的技巧很重要，对专业医生来说永远没有万能的工具。特别要注意给AI的信息完整性，避免简单关键词提问。

6.流程图渲染是实时的，如果显示不了可以刷新或者点击记录查看，个别还不行，一般是图的代码有问题，追问让AI重新生成。

快来体验一下吧

麻醉AI（麻醉助手），提交详细病例资料或问题提问即可！