人工智能辅助抗凝创伤患者区域麻醉决策：一项指南依从性验证研究

《Journal of Anesthesia, Analgesia and Critical Care》：Bridging complexity: AI-guided regional anaesthesia in anticoagulated trauma patients

本刊推荐：针对抗凝患者创伤手术区域麻醉决策复杂、出血风险难以权衡的临床痛点，研究团队开展AI辅助决策概念验证研究。通过将ESAIC/ESRA与ASRA指南导入ChatGPT-4分析10例创伤场景，结果显示AI能准确判断椎管内阻滞禁忌（8/10）并推荐可压缩外周神经阻滞（如股神经阻滞），为高风险患者安全实施区域麻醉提供智能化决策支持。

　　

对于需要紧急手术的创伤骨折患者而言，区域麻醉技术能够提供优异的术后镇痛效果，减少阿片类药物用量，促进早期活动，并可能降低并发症发生率。然而临床实践中一个棘手的问题是，相当比例的患者在受伤时正在接受抗血栓治疗。如何在获得镇痛收益与规避出血风险之间取得平衡，成为麻醉医师面临的重大挑战。尽管欧洲ESAIC/ESRA和美国ASRA指南对椎管内技术与“深部”外周神经阻滞、“浅表”可压缩阻滞技术进行了细致区分，并依据直接口服抗凝药（DOACs）的高低剂量方案给出分层建议，但指南的复杂性在高强度工作的创伤救治场景中可能阻碍快速决策。

在此背景下，研究人员探索人工智能是否能够快速解读复杂指南并个体化推荐阻滞方案。他们设计了概念验证性研究，选取10个匿名创伤场景（包括4例髋部骨折、2例股骨远端骨折、2例双踝骨折、1例肱骨近端骨折和1例多发肋骨骨折伴血胸）。每个案例均提供骨折类型、手术指征、抗凝药物种类与剂量、末次服药时间以及通过Cockcroft-Gault公式计算的肌酐清除率（CrCl）等关键信息。

研究团队将完整的ESAIC/ESRA和ASRA指南PDF文件上传至ChatGPT-4（Open AI公司），并于2025年7月通过chat.openai.com平台进行访问。所有场景信息被手动输入上下文窗口后，对每个场景提出两个标准化问题：“是否推荐椎管内阻滞？”和“推荐哪些外周神经阻滞？”。由三位区域麻醉专家独立评估AI回复的临床适当性和指南依从性，评估结果完全一致。

关键技术方法包括：构建10例抗凝创伤患者的临床场景数据集；利用ChatGPT-4的文档解析功能导入专业指南；通过标准化提问模式进行AI决策分析；由专家团队对AI输出的临床适当性进行盲法评估。

AI生成的区域麻醉指征

研究结果显示AI对椎管内阻滞可行性的判断具有高度准确性。在8例因抗凝药停药时间不足或肾功能不全导致清除延迟的病例中，AI正确判定椎管内阻滞为禁忌；在2例满足指南标准的病例中（如低剂量阿哌沙班停药40小时且CrCl正常），AI确认了椎管内阻滞的可行性。在外周神经阻滞选择方面，AI能够持续区分浅表与深部阻滞途径，根据抗凝药停药时间和骨折部位推荐适宜的低风险可压缩阻滞方案。例如针对髋部与股骨远端骨折，AI推荐股神经阻滞、髂筋膜阻滞和股外侧皮神经（LFC）阻滞；针对双踝骨折推荐腘窝坐骨神经阻滞和隐神经阻滞；针对肱骨骨折推荐臂丛神经（BP）阻滞（如斜角肌间沟或锁骨上入路）；针对肋骨骨折则推荐竖脊肌平面（ESP）阻滞、前锯肌平面（SAP）阻滞和肋间神经阻滞。

值得注意的是，AI并未被明确告知抗凝方案属于高剂量（HD）或低剂量（LD），而是根据药物、剂量和给药频率结合指南内容自主推断。尽管未进行显式优先级排序，AI的推荐方案中包含了与PROSPECT指南相符的阻滞技术，如针对股骨骨折的股神经阻滞和髂筋膜阻滞。这体现了AI工具在整合多变量信息方面的潜力。

研究结论表明，人工智能能够快速将复杂的指南标准应用于患者个体化变量，提供清晰且情境化的决策支持。通过加速复杂的风险效益评估，此类工具有助于提高区域麻醉决策的一致性，尤其可为创伤救治环境中经验较少的医师提供帮助。该发现与新兴证据相呼应，显示AI在区域麻醉领域具有广阔应用前景，例如AI辅助超声技术可改善解剖标志识别、针尖可视化和培训效果。

然而研究者强调，最终阻滞方案的选择仍需结合临床医师的经验判断，综合考虑个人技术专长、解剖变异和患者特殊情况。本研究存在一定局限性：采用公开ChatGPT-4模型可能产生“幻觉”现象（看似合理但错误的输出）、非确定性（相同提示得到不同回答）以及对提示措辞敏感等问题，凸显了人类监督的必要性。

这项初步研究表明，结构完善的AI工具结合多学科协议，有望弥合复杂专家共识与临床实践之间的鸿沟。通过提供抗凝时机、阻滞部位可压缩性和技术选择的快速个性化指导，人工智能有望扩大抗凝创伤患者安全接受区域麻醉的范围。未来需通过前瞻性研究验证其对患者安全、镇痛质量和医疗资源利用的影响，同时建立相应的伦理规范与数据隐私保护框架。