青年科技说｜AI进入手术室：怎样让手术更准、麻醉更稳？

科学的未来在青年。在建设科技强国的壮阔征程中，广大青年科技工作者生逢其时、重任在肩。

为深入学习贯彻习近平总书记在国家科学技术奖励大会、两院院士大会、中国科协第十一次全国代表大会上的重要讲话精神，大力培养优秀青年科技人才，广州市科协特推出“青年科技说”专栏，记录实验室里的执着坚守，讲述攻关路上的探索突破，展现青春赛道的创新风采，普及前沿科学知识，引领广大青年科技工作者互学互鉴、携手并进，共同书写青年科技工作者践行科学家精神、矢志科技报国的青春答卷。

手术室里最安静的人，往往并不是最轻松的人。当无影灯亮起，外科医生站到手术台前，监护仪上的心率、血压、氧饱和度、呼气末二氧化碳指标不断跳动。患者闭着眼，看起来像是睡着了。但麻醉医生知道，这种安静并不是自然发生的，而是药物、呼吸、循环和手术创伤之间的精密平衡，随时可能发生变化。

生活中几乎每个人都有机会接触麻醉，小到无痛胃镜，大到心脏手术、器官移植。手术室大门背后，麻醉医生究竟在守护什么？如今人工智能又为手术和麻醉带来什么改变？中山大学附属第三医院的智慧麻醉探索，提供了一个具体的观察窗口。

本期作者

陈潮金

中山大学附属第三医院副研究员、副主任医师、硕士研究生导师，中华医学会麻醉学分会麻醉围术期大数据学组秘书，广州市青年科技工作者协会副理事长，首届广州市优秀健康科普专家。从事临床麻醉与医学人工智能研究。

李曼

医学博士，中日友好医院手术麻醉科主治医师，中国卫生信息与健康医疗大数据学会人工智能科学应用创新分会委员。从事围术期器官保护及人工智能相关临床与科研工作。

什么是麻醉？

从字面上看，“麻”是指身体麻木，消除疼痛，“醉”是意识消失，像醉酒般陷入沉睡。从三国时期华佗的麻沸散，到1846年乙醚麻醉的公开演示，麻醉最初的追求是让手术不再成为一场清醒的酷刑。

而现代麻醉早已不只是止痛，麻醉方式也不止一种。大家最熟悉的“打一针，睡一觉”，是全身麻醉，药物让意识和痛觉暂时消失，必要时控制肌肉松弛，并使用呼吸机辅助呼吸。全麻也不同于普通睡眠，而是一种由药物诱导、可逆的生理状态。[1]此外，还有常被称为“半麻”的椎管内麻醉，一般用于剖宫产、下肢骨科手术。以及在超声引导下精准作用于某一根或几根神经的神经阻滞麻醉，对全身影响更小，多用于四肢手术。

无论采用哪种麻醉方式，麻醉医生面对的都是一个不断变化的人体系统。同样剂量的麻醉药物，年轻人和老人反应不同，肥胖患者和消瘦患者不同，心衰、肝肾功能异常或长期服药的人也不同。情绪紧张、失血、感染、手术部位和手术时长，也会改变身体对药物和创伤的反应。患者从刚出生的新生儿，到年过百岁的老人，还有合并多种脏器衰竭的重症患者。情况越复杂，麻醉管理越像走钢丝。

因此，麻醉并不像按下一个“睡眠键”，更像在复杂气流中驾驶飞机。意识、镇痛、肌松、呼吸、循环、体温和内环境，是驾驶舱里一排彼此牵连的旋钮。乘客最好毫无感觉，但飞行中的每一次波动都必须被驾驶员看见、理解和处理。

麻醉医生为什么紧缺？

这份精细又高压的工作，背后是麻醉医生长期面临的人力困境。麻醉医生永远是手术室最早到、最晚走的人。术前要查看病历化验检查，访视患者，制定麻醉方案。术中要完成麻醉诱导、气道管理和各类监测，并全程紧盯生命体征，根据手术进程持续调节药物、呼吸机、输液和循环支持。术后还要帮助患者平稳苏醒，处理疼痛、恶心呕吐、呼吸抑制等问题。

与此同时，麻醉的工作范围也在不断扩展。除了传统手术室，无痛胃肠镜、介入手术、分娩镇痛、急诊插管，都离不开麻醉医生。近十年我国手术量持续增长，复杂术式不断增多。但麻醉医师人才增速远跟不上临床需求。三甲医院麻醉医生日均至少完成六七台手术，遇到急诊手术常常需要通宵值守。而手术成功后，患者的目光多聚焦于主刀医生，麻醉医生的付出常常被忽略。一边是全流程的高强度工作，一边是不相匹配的职业成就感，导致了麻醉医生长期处于紧绷状态，职业耗竭情况严重。[2]

传统麻醉高度依赖医生经验。经验当然重要，但人力终究有边界。长时间高度专注，难免出现注意力波动，细微的趋势变化可能被海量数据淹没。复杂病例中的风险也常隐藏在一组趋势变化里。人工智能（Artificial Intelligence, AI）的价值，正是帮助医生从这些变化中更早看见问题。

AI+麻醉的智能变革：从“准”到“稳”的双保险

手术室里的AI，并不只是一个会聊天的软件，它更像一组专门处理不同任务的工具。AI首先要学习医学知识，接入麻醉学、围术期医学领域的权威指南，再通过海量的规范病例信息进行训练，寻找人眼不容易发现的关联规律。训练后的AI，能帮助麻醉医生整合众多复杂信息，但最终判断仍由医生完成。

中山大学附属第三医院（下文称“中山三院”）麻醉科较早开展了“AI+麻醉”的临床探索，围绕安全与效率开发了“手术非常稳”和“手术非常准”两套智能系统。

01

“手术非常稳·睿麻助手”

2026年1月，中山三院“手术非常稳·睿麻助手”发布，作为国内首个正式投入临床使用的麻醉多智能体协作平台，它由21个专业智能体组成，分别承担病历整理、指南检索、风险评估和监护分析等任务，相当于为麻醉医生配备了一位知识储备丰富、不会疲劳的“副驾驶”。

△中山三院智慧麻醉全流程协同架构图

术前，它可以将分散在病历、医嘱、化验和影像系统的患者信息提取出来，形成初步的术前访视清单，并提醒医生重点关注过敏史、合并症或异常检测。术中，它通过虚拟人界面持续监测和整合生命体征和麻醉记录，比如当血压出现波动时，系统可以把监护趋势、近期用药和手术操作联系起来，帮助医生更快完成诊断。术后，睿麻系统还会根据具体情况针对性地提醒需要重点随访和关注的内容，并生成更容易理解的康复建议。

睿麻系统还在尝试把风险判断提前。团队利用近千例肝移植患者的围术期资料训练模型，用于预测术后认知功能障碍风险，进而提醒医生提前加强观察，采取更有针对性的预防和管理措施。[3]在此基础上，还在探索利用AI算法实时分析术中的动态脑电波形，捕捉可能与术后谵妄及其他认知功能障碍有关的异常信号，帮助麻醉医生及时调整麻醉深度和管理，进一步降低患者的术后认知功能障碍风险。

02

“手术非常准”：让等待不再全靠猜

很多做过手术的人都有过类似经历：早晨开始禁食，却不知道自己究竟几点进手术室；家属守在门口，只能一遍遍询问“还要多久”。手术排程之所以难，并不是医护人员不会看表，而是每台手术都可能受到患者病情、手术难度、器械准备和急诊插台的影响。

“手术非常准”借鉴航班追踪的设计逻辑，结合历史数据、患者情况、手术方案和实际进度，动态估计入室时间和结束时间，并向患者、家属和医护移动端更新。它的“准”并不是承诺手术一定会在某一分钟完成，而是让手术室外的人更清晰地知道手术流程大致进行到了哪里。少一些无谓的空腹和门口的守候，这个功能看起来不像抢救患者那样惊心动魄，却在实际地改善患者的就医体验。

△手术非常准

AI能否替代麻醉医生？

随着AI麻醉技术快速落地，那么问题随之而来，AI如此精准、聪明、零疲劳，未来会不会完全取代麻醉医生？答案是否定的。AI从既往数据中学习，数据有偏差，模型就可能把偏差保留下来。AI擅长发现关联，却未必理解因果。面对罕见病例、突发大出血、严重过敏或设备故障时，模型就可能超出适用范围。[4]

一个真正好用的麻醉智能系统，不仅要知道什么时候提醒，也要知道什么时候保持安静；不仅要给出风险，还要说明依据，并允许医生随时核对和接管。因此，AI最适合的仍旧是成为麻醉医生的“副驾驶”，它负责不知疲倦地扫视数据、整理病历、检索指南和提示风险，医生负责结合现场情境作出判断，并把精力放在与患者和团队的沟通上。

未来麻醉——每个人有自己的数字说明书

未来的麻醉会更加个体化。“数字孪生”描绘的正是这种方向。它并不是制造一个科幻虚拟人，而是把患者的年龄、疾病、检查结果、心肺储备、既往麻醉反应，甚至遗传与代谢信息，整合成一个持续更新的计算模型，用来模拟不同麻醉方案可能带来的结构。不过，这仍处于研究和验证阶段，距离常规临床应用还存在距离。

从麻沸散的古老想象，到乙醚开启科学麻醉，再到数据与算法进入手术室，科技的进步从未否定医者的专业价值，而是让医生拥有更可靠的工具。过去，麻醉医生主要依靠经验、监护仪和团队协作来守住风险。未来，医生仍然站在患者身边，但身后多了一层由数据和算法组成的辅助系统。

人工智能走进手术室，不是为了取代医生，而是为了让每一次等待更有答案，让每一次麻醉更从容、更安全。

参考文献

[1]Brown EN, Lydic R, Schiff ND. General anesthesia, sleep, and coma. New England Journal of Medicine. 2010;363(27):2638-2650.

[2]Wu S, et al. Burnout among Chinese anesthesiologists. BMC Anesthesiol. 2019;19:163.

[3]Ding Z, Zhang L, Zhang Y, et al. A supervised explainable machine learning model for perioperative neurocognitive disorder in Liver-Transplantation patients and external validation on the medical information Mart for intensive care IV database: retrospective study[J]. Journal of Medical Internet Research, 2025, 27: e55046.

[4]Hashimoto DA, Witkowski E, Gao L, et al. Artificial intelligence in anesthesiology: current techniques, clinical applications, and limitations. Anesthesiology. 2020;132(2):379-394.

欢迎您的来稿，投稿邮箱：

gzastinfo@126.com