《Artificial Intelligence Surgery》:Artificial intelligence in Acute Care Surgery: integrating new capabilities into a complex adaptive system
编辑推荐:
急症外科(Acute Care Surgery, ACS)并非作为单一创新而出现,而是作为手术纪律、重症监护、创伤系统、生物学指导的复苏和区域化医疗基础设施逐步整合而成的一个分层、复杂、适应性系统。人工智能(Artificial Intelligence, A
急症外科(Acute Care Surgery, ACS)并非作为单一创新而出现,而是作为手术纪律、重症监护、创伤系统、生物学指导的复苏和区域化医疗基础设施逐步整合而成的一个分层、复杂、适应性系统。人工智能(Artificial Intelligence, AI)如今代表了被引入这一成熟社会技术环境中的下一个重大技术层。本叙述性综述从系统视角审视ACS,并认为AI整合的成功或失败既需要算法性能,也需要这些技术与现有工作流程、运营结构、反馈机制和临床决策过程的有效耦合。ACS的历史发展——包括重症监护演变、创伤系统区域化、损伤控制理念,以及既往还原论生物学干预的失败——为理解AI在高急性度外科护理中部署的机会和风险提供了重要教训。当前ACS中的AI应用包括增强诊断、连续生理监测、预测分析、手术视频分析、工作流程优化和教育评估。然而,重要问题仍然存在,包括警报疲劳、自动化偏见、实施失败、模型泛化能力不均衡,以及将还原论计算范式引入复杂适应性系统的风险。以系统为导向的框架强调,AI工具不应被评估为孤立的产品,而应被视为更广泛的临床、组织和教育生态系统的组成部分。ACS凭借其在不确定性条件下整合分层技术和协调多学科护理的长期经验,可能成为研究负责任AI在外科中实施的最具信息量的环境之一。
引言(Introduction):急症外科(Acute Care Surgery, ACS)并非作为单一创新出现,而是手术纪律、无菌技术、结构化重症监护、组织化创伤网络和生物学指导的复苏等连续系统的整合,形成分层、复杂且适应性强的架构。在当前实践中,ACS应被理解为一种系统之系统,即在时间压力、信息不完全和患者生理波动或脆弱的情况下,协调人类专业知识、基础设施、方案和信息流的统一体。人工智能(Artificial Intelligence, AI)作为下一层创新,将受到既有架构的评估和接纳或排斥。本文提出三个关键命题:第一,任何新工具的价值取决于其与现有系统的耦合方式,而非其独立性能;第二,现有ACS系统已经复杂且适应性强,包含多重交互反馈回路、分层时间尺度和有限冗余;第三,AI引入的失败模式可从历史记录中预测,包括噪声淹没信号、善意的干预产生医源性负荷,以及严格的局部验证无法跨机构泛化。因此,AI在ACS中的成功取决于是否被视为社会技术系统的新层,而非离散的临床产品。
现有系统:ACS作为分层、复杂、适应性架构(The Existing System: ACS as a Layered, Complex, Adaptive Architecture):ACS的历史是一系列耦合的序列,而非单纯进步的序列。第一次耦合发生在手术纪律与感染预防之间,麻醉使手术成为可能,无菌术使其可存活,Halsted的外科理念允许扩大手术范围而不成比例增加生理损伤。第二次耦合发生在手术护理与结构化生理观察之间,从Dandy的神经外科恢复单元到二战休克病房,再到Ibsen的小儿麻痹症呼吸护理和现代重症监护病房(Intensive Care Unit, ICU),使患者能够幸存于以往致命的创伤和手术。第三次耦合是复苏与生物学理解,多器官功能障碍综合征(Multiple Organ Dysfunction Syndrome, MODS)被重新定义为复杂适应系统中的网络不稳定,抗细胞因子时代揭示了严重损伤会产生跨免疫、内皮、自主和代谢网络的持续协调转录组反应。第四次耦合是地理层面的区域化,创伤系统将损伤严重度与手术和术后护理能力匹配,验证项目标准化了跨机构期望,国家登记系统实现了风险调整基准。第五次耦合是行政整合,ACS模型将创伤、急诊普外和外科重症监护整合为统一服务身份,并通过正式培训管道维持劳动力。每个新层都解决了前一层暴露的失败模式,并保留自身残余脆弱性。
信息基质:从纸张到连续数据流(The Information Substrate: From Paper to Continuous Streams):过去二十五年临床信息的数字化对ACS的影响不亚于任何单一治疗进展,并构成AI依赖的基质。计算机化医嘱录入和电子处方标准化了医嘱并启用自动剂量和相互作用检查;影像归档和通信系统(Picture Archiving and Communication Systems, PACS)消除了胶片瓶颈,使影像可同时在急诊科、手术室和ICU获取;安全用药分配创建了可审计链。现代ICU生成连续高密度生理数据流,没有临床医生能够实时全面监控。肺动脉导管已被脉搏轮廓分析、床旁超声和连续无创传感器取代。登记系统支持人群规模的风险调整基准,创伤视频审查支持回顾性性能分析。然而,这一转变出现了两个重要警告:一是警报疲劳,自动化电子通知激增使临床医生习惯化并越来越多地忽略;二是数据层自动化并不自动转化为结果改善,从数据到可操作判断的步骤仍然是约束,而AI正被定向于此约束。
AI作为新层在成熟社会技术系统中的整合(AI as a New Layer in a Mature Sociotechnical System):AI在ACS中的论证并非提供新数据源,而是机器学习系统能够摄取现有数据基质并以人类无法实现的规模和时间分辨率提取模式,且能连续而非零散地执行。应用领域包括:诊断增强,如卷积神经网络在创伤影像中检测出血、气胸和实质器官损伤,在获取后数秒内标记,优先放射科医生注意力并支持分诊;风险预测,如机器学习模型利用电子健康记录(Electronic Health Record, EHR)和登记数据改进术后并发症、脓毒症发生、手术部位感染和死亡率的判别,并随新数据到达连续更新;生理监测,如整合多变量流以产生单一恶化和失代偿信号,在明显生理崩溃前检测;手术视频分析,如计算机视觉系统识别手术阶段、关键解剖和偏离预期序列,提供实时闭环反馈;闭环生理控制,如与机械呼吸机、血管活性药物输注和肾脏替代治疗集成的连续自适应控制;运营和教育应用,如AI辅助手术室调度、自然语言处理减少文档负担,以及AI增强视频审查为受训者提供个体化反馈。这些应用跨越不同转化成熟度,但均与现有ACS架构交互。
接口失效与系统思维的原则(Interface Failures and the Discipline of Systems Thinking):ACS历史记录包含几个直接适用于AI整合的教训,均指向同一观点:复杂适应系统不会屈服于还原论干预,局部成功不会自动聚合为系统级改善。第一,抗细胞因子疗法在脓毒症中的反复失败表明,生物上合理的单靶点干预在异质性危重患者中失败,因为宿主反应是网络化、冗余且时间动态的。高判别性能的预测模型若未与临床工作流和行动途径耦合,也可能产生类似结果。第二,临床决策支持系统的警报疲劳表明,没有最终用户共同设计和阈值管理的AI警报将重蹈覆辙,警报负担应作为结果测量和最小化。第三,激进的晶体复苏被重新定义为生物学扰动而非良性行为,AI部署可能产生自动化偏见、受训者技能退化、工作流扭曲和文档行为改变等二阶效应。第四,超正常氧输送目标的失败表明,宏观循环优化不足以改善结果,优化单一定量目标可能降低整体系统性能。第五,损伤控制手术和复苏的成功因整合而非独立组件最佳,强调阶段性、可逆干预在不确定性中的价值,AI系统应呈现概率性、时间分辨的轨迹和显式不确定性,而非确定性推荐。
整合AI后的ACS中的治理、公平与劳动力(Governance, Equity, and Workforce in an AI-Integrated ACS):系统视角阐明AI部署在ACS中是治理问题,而非仅技术问题。数据管理和验证以减轻算法偏见至关重要:在大型城市学术中心训练的模型可能在农村、社区或国际环境中表现不佳,外部验证和本地校准是安全部署的组成部分。国家创伤数据银行和创伤质量改进计划等风险调整基准基础设施可支持跨中心的算法性能监测。透明度和信任同样关键:不透明的推荐在时间压力下会被忽视或过度信任,AI系统需要沟通其输出、置信度、驱动变量和不应依赖的条件。劳动力与培训方面,未来的急症外科医生将需要与AI系统协作,培训应包括工具使用、输出批判性评估和失败模式识别。外科教育治理机构正在制定整合AI的胜任力框架,但当前研究生医学教育中的AI暴露仍可变且缺乏结构化,结构化课程是必要的。公平考量贯穿所有领域:AI增强远程医疗可以扩展专业知识到缺乏现场专科覆盖的医院,但也可能在验证不足的环境中集中算法风险。全球手术中,基于高资源数据训练的模型如果未根据当地基础设施和工作流调整,可能加剧差距,外部实效性应作为经验问题而非假设。
结论(Conclusion):ACS核心是分层系统的学科,其历史是连续耦合的序列,每一层解决前一层暴露的失败模式,并保留自身脆弱性。AI应被理解为下一层,而非不连续性。其潜在贡献在于持续解释超出人类注意容量的数据基质、超越传统评分的个体化风险预测、与手术视频和生理流耦合的实时决策支持、闭环生理控制和行政负担的显著降低。风险同样真实,但主要不是技术性的,而是将还原论假设引入复杂适应系统、局部目标优化损害全局连贯性、警报生成超过临床医生整合能力,以及验证与目标人群不匹配。未来研究应超越算法性能,前瞻性评估实施终点,包括对临床决策、患者结局、工作流和认知负担、公平性、跨护理环境泛化性和意外后果的影响。ACS凭借其损伤控制复苏、肺保护性通气和区域创伤网络的经验,具备整合AI的制度记忆和系统素养。整合应以其历史经验为基础,以认知谦逊和系统失败知识进行,使AI成为ACS的下一持久层,而非破坏者。