综述：麻醉学领域的人工智能：为何在经历了十年的创新之后，我们仍未真正将其应用到实际临床中？一项系统综述与思考

《BMC Anesthesiology》：Artificial intelligence in anaesthesiology: why don’t we have it in our hands after a decade of innovation? A systematic review and perspective

　　

摘要

背景

机器学习（ML）工具正越来越多地被整合到各个领域中，包括医疗保健领域，在那里它们展现出了颠覆性的潜力。

虽然麻醉学是一个历来受到技术创新影响的学科，但机器学习的精确临床影响仍不明确。此外，尽管在过去十年中模型开发取得了丰硕成果，但这些计算工具系统地应用于日常临床工作流程的进程却停滞不前。

方法

本研究使用了PubMed/Medline和EBSCO数据库进行了系统性的文献回顾，并补充分析了美国食品药品监督管理局（FDA）批准的医学机器学习应用。为了确保方法学的严谨性，选择过程遵循了PRISMA 2020指南。符合条件的同行评审出版物仅限于那些主要关注麻醉学领域内机器学习应用开发、验证或实施的论文。

结果

在筛选的6,425篇出版物中，有1,021篇被纳入数据表。这些出版物包括302篇综述或观点文章、5篇病例报告以及714篇专注于工具开发或临床评估的文章。尽管研究主题非常多样，但绝大多数研究都集中在围手术期并发症和患者预后的预测上。

结论

机器学习在麻醉学领域是一个高度活跃且备受争议的领域，其特点是发表了大量的研究。然而，极少有算法模型成功转化为能够改变临床实践的工具。这一持续存在的差距表明，仅靠技术创新是不够的，因为模型的固有局限性、软件互操作性限制以及临床环境中的社会技术挑战严重阻碍了其应用。解决临床医生与开发者之间的合作不足问题，并建立可靠的外部领域验证机制，是实现有意义临床整合的关键前提。