《International Journal of General Medicine》：Perioperative Blood Management in General Surgery: Recent Advances, Current Limitations, and the Emerging Role of Artificial Intelligence—A Narrative Review
编辑推荐：
患者血液管理（patient blood management, PBM）是一种以患者为中心的血液使用策略，与现代医学实践相契合。它基于多学科协作和循证医学，旨在通过纠正术前贫血、减少围术期失血、规范输血实践以及优化凝血功能管理来改善临床结局。接受普通外科手术
患者血液管理（patient blood management, PBM）是一种以患者为中心的血液使用策略，与现代医学实践相契合。它基于多学科协作和循证医学，旨在通过纠正术前贫血、减少围术期失血、规范输血实践以及优化凝血功能管理来改善临床结局。接受普通外科手术的患者，尤其是复杂肝脏手术或胃肠癌手术患者，常面临术前贫血、术中出血、输血需求增加及术后凝血功能异常等问题，这些因素使围术期血液管理更为复杂。本叙述性综述检索了PubMed、Web of Science、Google Scholar及中国知网（CNKI）中过去10年内发表的相关研究，总结了普通外科围术期血液管理的最新进展、当前局限及临床转化面临的挑战。本综述重点关注术前贫血的评估与管理、出血控制与止血策略、输血管理、凝血监测及血栓风险管理的相关内容，同时探讨了人工智能（artificial intelligence, AI）和机器学习（machine learning, ML）在风险预测、临床决策支持及个体化管理方面的最新进展与当前局限。现有证据表明，PBM可能有助于优化普通外科的围术期管理。AI/ML也可能通过预测出血风险、估算输血需求及分层血栓风险来支持临床决策。然而，专门针对普通外科患者的研究仍然有限，大多数现有证据来自心脏外科、骨科或其他外科人群。此外，当前的预测模型仍存在若干局限，包括外部验证不足、缺乏前瞻性评估以及可解释性有限。因此，这些模型目前仅应作为支持临床判断的辅助工具。未来研究应纳入更多针对普通外科人群的多中心前瞻性研究，并应在标准化PBM路径中进一步探索AI/ML辅助决策支持，以提高普通外科围术期血液管理的精准性和标准化水平。
论文主体内容总结
普通外科患者术前贫血的评估与管理
贫血是普通外科患者最常见的围术期并发症之一，既往研究显示超过30%的患者在术前已存在贫血。从病因学角度，普通外科患者术前贫血的主要病因包括造血所需营养素（如铁、维生素B12和叶酸）的相对或绝对缺乏、癌症相关性贫血（cancer-related anemia, CRA）以及急性或慢性失血。CRA的发病机制复杂，其中铁代谢紊乱尤为关键。在实体瘤患者中，消化道恶性肿瘤患者的贫血患病率最高，可达62%。中国流行病学数据显示，结直肠癌（colorectal cancer, CRC）、肝细胞癌（hepatocellular carcinoma, HCC）和胃癌（gastric cancer, GC）在消化道恶性肿瘤中发病率最高，分别位居第一、第二和第三位。
CRA患者常出现难治性贫血，其机制主要包括铁稳态受损、促红细胞生成素（erythropoietin, EPO）生成减少以及骨髓造血抑制。超过42%的癌症患者存在铁缺乏（iron deficiency, ID），通常以转铁蛋白饱和度（transferrin saturation, TSAT）<20%为定义标准。ID可分为绝对铁缺乏（absolute iron deficiency, AID）和功能性铁缺乏（functional iron deficiency, FID），其中FID在CRA中更为常见。肿瘤相关炎症因子可增加肝脏铁调素表达并抑制膜铁转运蛋白（ferroportin, FPN），从而导致FID。
在消化道癌症中，术前低红细胞压积已被确定为预后不良的独立危险因素。与HCC和CRC相比，GC与更高的CRA风险相关。血小板计数可能作为癌症风险评估的易获取实验室标志物，红细胞分布宽度也可能为术前风险评估和术后生存预测提供有用信息。近年来，AI/ML技术的进展增加了对整合多项临床实验室指标以开发预测模型的关注，此类模型可能支持CRA普通外科患者围术期的风险分层和治疗决策，但该领域研究仍有限。
CRA的管理应采取个体化综合方法，治疗干预措施包括补铁、促红细胞生成剂、输血、抗炎治疗、生活方式调整等支持措施。其中补铁是普通外科患者围术期管理中使用最广泛的干预措施，可有效减少输血需求。在CRA患者中，静脉补铁通常更受青睐，因为它可绕过炎症状态下铁调素升高导致的铁吸收和转运障碍。新型第三代静脉铁制剂如羧基麦芽糖铁和去铁麦芽糖铁可快速补充铁储备且耐受性良好。
普通外科患者围术期出血管理与止血策略
普通外科手术常涉及腹部实质器官和大血管，可能大幅增加术中出血风险。世界急诊外科学会和美国创伤外科协会发布的共识声明强调，积极的术前评估和干预可减少围术期失血和输血需求。术前评估应包括贫血识别、出血史评估、抗凝或抗血小板治疗使用情况及手术类型评估。对于择期手术的良性病变患者，建议术前4周开始评估和纠正贫血；而对于急诊手术、恶性肿瘤患者或高出血风险患者，应根据疾病进展和预期围术期输血需求进行个体化管理。
传统围术期出血风险评估主要依赖病史、实验室检查、手术类型和临床经验，但在整合多维信息方面存在局限。近年来，AI/ML方法已被用于整合多项临床变量以预测大出血事件或围术期输血需求。例如，上海一项纳入48543例手术患者的研究开发了基于LightGBM的输血预测模型，AUC达0.933，敏感度为0.87，特异度为0.85，准确度为0.87。SHapley Additive exPlanations（SHAP）汇总图显示年龄、D-二聚体水平和手术时间为主要预测因子。但该模型基于回顾性单中心数据，缺乏前瞻性临床验证。
在抗纤溶药物中，氨甲环酸（tranexamic acid, TXA）因疗效确切和安全性良好而成为普通外科围术期使用最广泛的药物。TXA是一种合成的赖氨酸衍生物，通过竞争性结合纤溶酶原上的赖氨酸结合位点以及抑制血小板膜糖蛋白受体降解等多种机制发挥抗纤溶和止血作用。在加拿大开展的POISE-3试验中，Park等分析了3260例普通外科患者，TXA与肝胆胰脾及结直肠手术中较低的出血风险相关，且未显著增加心血管事件或静脉血栓栓塞（venous thromboembolism, VTE）风险。
随着腹腔镜等微创技术在普通外科的广泛应用，术中出血风险有所降低，但突发性难控性出血仍可能发生。常用止血材料按成分可分为天然聚合物、合成聚合物、无机材料和含金属材料，按结构和形态主要分为纳米纤维、水凝胶、纳米颗粒和海绵等形式。在止血材料中掺入5-氟尿嘧啶、活性氧或姜黄素等成分可能赋予潜在的抗肿瘤效应。
血液保护技术的合理使用同样重要，包括术前自体血捐献（preoperative autologous blood donation, PABD）、急性等容血液稀释（acute normovolemic hemodilution, ANH）和术中自体血回收（intraoperative cell salvage, ICS）。PABD可能增加术前贫血和血液浪费风险，其临床获益仍存争议。ANH避免了术前采血，可减少红细胞、血小板和凝血因子在储存期间的功能退化。ICS在普通外科中常用于预期失血量大的手术，如肝脏和脾脏手术，但其在癌症患者中的长期生存获益仍不确定。
普通外科患者围术期输血管理
当围术期贫血无法通过上述措施在短期内有效纠正时，输血可成为重要干预手段。传统输血决策需要整合多项临床和实验室参数，且可能受临床经验差异影响，导致输血实践存在变异。传统统计模型通常依赖预设的统计假设和变量关系，结构清晰且可解释性较好。Sim等利用混合手术人群中超过10000例患者的七项术前变量开发了腹部手术输血风险预测列线图，C指数为0.857、0.847和0.848，并进行了多中心外部验证。Eyth等整合了不同手术人群的24项术前预测因子，在386例高风险普通外科患者中构建了ROC曲线，预测输注超过1单位和超过3单位红细胞的AUC均为0.93，预测输注超过10单位红细胞的AUC为0.97。
近年来，AI/ML技术越来越多地用于整合多维术前临床信息并处理变量间复杂的非线性关系和交互作用。Walczak和Steven利用2014至2015年间多家医院超过160万例手术患者的数据开发了人工神经网络模型以预测围术期输血风险。在普通外科亚组中，结肠手术模型表现最佳，敏感度为83.9%，特异度为70%。然而，该模型缺乏校准评估、决策曲线分析和前瞻性临床实施。此外，ML模型还可提供无创的连续识别和动态监测血红蛋白水平的方法，如结合心电图数据与深度学习算法检测贫血，但此类方法仍主要用于贫血筛查和风险识别。
总体而言，尽管AI/ML模型在预测围术期输血需求方面显示出潜力，但其临床适用性仍受限。多数现有模型基于回顾性数据开发，易受数据缺失、记录不一致、选择偏倚和输血实践差异的影响。各研究对输血需求、输血量、输血阈值和临床结局的定义存在差异，使得模型间直接比较困难。目前AI/ML模型更适合作为识别高输血风险患者和支持术前备血的工具，不应取代全面的临床判断。
临床实践中主要采用限制性输血和开放性输血两种策略。限制性输血通常定义为血红蛋白阈值为7–8 g/dL，开放性输血通常定义为9–10 g/dL。但不同研究中两种策略的定义并不完全一致，限制性输血阈值范围约为7至9.7 g/dL，开放性输血阈值范围约为9至14.5 g/dL。一项纳入39222例非心脏手术患者的前瞻性研究发现，限制性输血策略并未有效减少输血量，而微创手术和氨甲环酸的使用与较低的输血需求更密切相关。血红蛋白阈值不能完全反映患者对贫血的耐受性，不应作为决定输血策略的唯一指标。
普通外科患者围术期凝血监测与血栓风险管理
静脉内皮损伤、血流淤滞和高凝状态构成深静脉血栓（deep vein thrombosis, DVT）的Virchow三联征。大腹部手术显著增加DVT风险，恶性肿瘤可使DVT风险增加4.7至6.7倍。VTE风险因肿瘤部位而异，胰腺癌、HCC和GC被认为是高风险恶性肿瘤，而CRC为中等风险。
近年来，血栓弹力图（thromboelastography, TEG）在围术期外科管理中获得了广泛认可。TEG可动态评估凝血启动、血凝块形成、血凝块强度和纤溶过程，有助于识别凝血因子缺乏、低纤维蛋白原血症、血小板异常和纤溶亢进。多项研究表明，与常规凝血监测相比，TEG指导的围术期管理可促进凝血功能恢复、维持血流动力学稳定、减少输血需求并降低静脉血栓风险。在持续出血的普通外科患者中，TEG还有助于判断是否需要再次手术探查。然而，TEG也存在局限性，其更广泛的临床采用仍面临若干障碍。
AI/ML可能支持围术期患者更个体化的VTE预防策略。Shah等的系统综述显示，AI/ML模型在混合手术人群中的VTE风险分层判别能力显著优于传统方法（ΔAUC = +0.10）。在普通外科领域，一项纳入693例接受胃癌围术期治疗患者和49项临床变量的研究，使用ML算法开发了术后VTE预测模型，AUC为0.875，并发现Ca2+水平是重要的相关因素。另一项针对结直肠癌患者的研究开发的术后VTE预测模型AUC达0.908，优于包括Caprini和Khorana评分在内的传统模型。但数据偏倚、模型泛化性和真实世界临床工作流程仍需进一步考虑。
AI/ML辅助PBM的研究进展、局限、未来方向与临床转化
基于现有证据，普通外科围术期贫血的病因、流行病学和基本治疗策略已相对明确，CRA的潜在机制和治疗原则也较清晰。围术期出血管理和止血策略日趋成熟，局部止血材料种类日益丰富。但出血预测研究仍相对有限，TEG等动态监测技术在普通外科尚未广泛采用。输血管理日益成为研究重点，但不同疾病和手术类型的最佳输血阈值尚未明确确立。AI/ML在输血管理、出血和血栓风险预测及凝血评估方面显示出潜力，但其临床应用仍主要处于研究和转化阶段。
与心脏外科、血管外科和骨科相比，普通外科围术期血液管理的高质量证据仍有限。普通外科涵盖广泛的手术类型，在贫血病因、出血风险、凝血状态、输血需求和VTE风险方面存在显著异质性，因此来自总体手术人群或特定外科亚专业的研究结果可能无法直接推广到所有普通外科场景。
AI/ML模型在预测出血风险、输血需求和VTE风险方面显示出潜力，但多数模型仍基于回顾性数据开发，在模型开发、变量选择、结局定义和验证方法方面存在相当大的异质性。许多模型缺乏充分的外部验证和前瞻性临床评估。未来普通外科PBM研究应标准化输血阈值、输血量、VTE事件等临床结局的定义，并根据疾病部位、手术方式和出血风险进行分层设计的多中心前瞻性研究。AI/ML模型的评估应超越预测性能，同时评估模型校准、临床净获益、可解释性和实施后的临床实用性。将模型更好地整合到标准化PBM工作流程、临床决策路径和患者结局评估系统中，可能提高其可靠性并支持其作为围术期风险分层和管理工具的临床应用。
未来临床实践可考虑逐步将AI/ML辅助决策支持整合到标准化PBM路径中。AI/ML模型可利用术前临床数据、疾病类型、凝血状态等信息辅助评估出血风险、输血需求和VTE风险，为贫血纠正、备血、止血策略、成分输血和血栓预防提供有用信息。然而，AI/ML模型不能取代外科医生、麻醉医生、输血专家和护理团队的多学科协作和临床判断，模型输出应结合动态监测数据和患者临床状况进行解读。这一整合工作流程仍需在多中心前瞻性研究中验证。
