Volume 7, No. 1 • February 2024   Issue PDF

APSF 2023 年度 Pierce 纪念讲座将分析麻醉监测和技术与临床行为和结局改善之间的相关性

John H. Eichhorn, MD

APSF 本年度的 Pierce 纪念讲座（主题为“为麻醉患者安全而整合行为和技术”）将在旧金山召开的 ASA 年会期间，于 2023年 10 月 14 日举行。

Ellison C. “Jeep” Pierce, Jr., MD，这位励志的 APSF 创始人兼总裁（图 1），当安排他就“麻醉意外事故”作报告时，作为一名初级主治医师，他首先考虑到了麻醉患者的安全。随后这一话题引发了广泛热议，部分原因是一位朋友的女儿在牙科手术麻醉期间，因未意识到意外食道插管而不幸死亡。作为新英格兰女执事/哈佛医院的麻醉科主任，他收集了全国的意外事故病例报告，以及常常令人哀悼的、因食道插管而导致的大量死亡病例。

图 1：Ellison C. (Jeep) Pierce, Jr., MD (1929–2011)：总裁，新英格兰女执事医院；ASA 主席；APSF 创始主席

图 1：Ellison C. (Jeep) Pierce, Jr., MD (1929–2011):董事长，新英格兰女执事医院；ASA 主席；创始人兼总裁，麻醉患者安全基金会。

1982 年的一部电视片/纪录片：“深睡：6000 人将死亡或遭受脑损害”1详细叙述了灾难性的麻醉事故，吸引了公众的注意。而 E.C. Pierce 在这时即将担任的美国麻醉医师协会 (ASA) 主席一职，这让他有机会在 ASA 内部发起对患者安全的关注和项目。对英格兰麻醉事故的认识促使 E.C.Pierce, MD 以及来自麻省总医院/哈佛医学院的 Jeff Cooper, PhD 和 Richard Kitz, MD 于 1984 年在波士顿召开了“可预防麻醉死亡率和发病率的国际会议”，此后不久，又构思建立了 APSF，其目的是要让医生、注册麻醉护师以及相关的公司和监管机构都参与进来，并完全独立于政府和大型组织的官僚限制。根据我以往作为新闻记者和编辑的经验，E.C.Pierce, MD 要求我创建并编辑的《APSF 新闻通讯》，是全世界发行量最大的麻醉出版物。一期 2010 特刊回顾了 APSF 在前 25 年里走过的历程。2

恰巧同一时间，为所有哈佛学院医生和医院提供医疗事故保险的专属公司给九家哈佛医院的麻醉科主任讲述了他们的担忧，那就是麻醉索赔太多了：麻醉医师占到全体员工的 3%，但产生的偿付额却占总偿付额的 12%。3为调查和解决这一问题，哈佛风险管理委员会 (Harvard Risk Management Committee) 由此成立。我被任命为该委员会主席，因为在前一年，我在阿拉巴马州陆军医院负责了一起灾难性的氧气管道事故的调查和补救工作。委员会详尽考察了这家保险公司从 1976年成立到1984年的哈佛大学所有麻醉失误索赔案件，结果发现，大多数灾难性事故均涉及未意识到的患者通气问题。哈佛术中监测的标准因此创建4，这一标准并非指南或建议，而是强制性的照护标准，以便明确忽视这些标准的医学-法律含义。经过一番说服，哈佛大学于 1985 年 7 月 1 日采纳了这些标准。次月发生了最后一次灾难性事故，这起事故原本是可以在那个年代、在哈佛系统内部通过安全监测进行预防的。重要的是，要求将持续监测通气和循环这一行为作为该“安全监测”的核心原则，但仅提到了二氧化碳和脉搏血氧饱和度为可以选择的方法。直到几年后，当整个行业认识到它们在扩展人类感知方面的巨大价值时，这些技术才成为强制性标准，从而为不良事件的发生（如食道插管等）提供早期预警，并更及时地进行诊断和矫正治疗。。在随机前瞻性对照试验中，安全监测在实质性消除术中灾难性麻醉事故方面的显著效果并不符合经典的、有统计学意义的、低于 0.05 的 p 值。但是，这一举措很明显取得了巨大成功，因为从 1986 年到 1991 年，哈佛麻醉医师的医疗事故赔偿金下降了 66%。保险赔偿金大幅下降只能由于麻醉事故的数量和严重程度实质性降低。另外，对最初引发监测标准的灾难性事故进行的回顾性分析5表明，应用安全监测原则应该可以预防这些患者伤害事件。

标准的传播

哈佛的监测标准为扩展 ASA 基础术中监测标准提供了灵感6（现在基本上每次麻醉记录，不论纸质的还是电子的，都有一个“应用了 ASA 监测”的勾选框），因此导致由一个独立小组创建的内容变成了被大量扩展的世界麻醉联合会国际标准，该标准于 1992 年被首先采纳，并在后续几年多次得到更新。7多年来对所有标准进行的仔细审视发现，与监测设备和技术一样重要的是，正是麻醉专业人士对生成的数据进行解读和反应的行为才是维护麻醉患者安全的最后共同途径。

ASA 标准以及有关神经肌肉阻滞监测与拮抗的 2023 ASA 实践参数描述了当前的术中监测规范，8它强烈建议对尺神经四个连串刺激信号进行定量而非定性的监测。ASA“实践建议”包含了脑部监测，但 APSF 发布的修订后建议（其他事项中）包括使用处理过的EEG预防术中知晓9却未包含。将可视喉镜用于所有插管的问题尚未解决，但已发表的重要研究支持这一做法，它可能会成为未来的一项建议，甚至是事实上的护理标准。

分心危险

在麻醉专业人士中，可能存在针对患者安全的危险错觉，因为现在，由于缺乏监测而导致的灾难性术中患者伤害远少于上世纪七十年代。鉴于我们所做的工作具有先天危险性，这种巨大的成功可能会招致自满和松懈，虽然这是 ASA 的座右铭。分心总是存在的，但今天，问题变成了手术室中的计算机、平板电脑和移动电话，麻醉专业人士正在玩社交媒体或在网上冲浪、在 Amazon 或 E-Bay 网站上购物、打游戏、发短信，或甚至是在煲电话粥。争议已经发生，观点可能不同，但不可否认的是，如果患者伤害事件发生在麻醉人员主动分心时（正如当时手术室里的其他人所证实的），则法律责任可能是巨大的。10一个可能相关的想法是，对手术室中所有活动的监视器进行连续、高分辨率、多角度的音视频记录是否最终会发挥作用。高度准确的技术是存在的，11但成本和法律意义可能会影响这种尖端技术与人类行为的新型结合方式。

其他技术进步

安全技术的下一个前沿已经开始

在宾夕法尼亚大学，先进的技术应用与直接床旁重症监护病房 (ICU) 管理相结合，该大学的远程监控系统具有双向视听连接，覆盖来自一个中心位点的450 张 ICU 病床，将其与电子医疗记录整合在一起，可提供早期预警信号。12一个引人入胜的推论是，这样一个系统是否有一天也可应用于麻醉照护。

“ 智能”警报是整合技术与临床医生在手术室麻醉期间行为的合乎逻辑的一步。安全监测旨在尽早对多个同时测量值的异常或不良信号发出警告，从而可以留出足够长的时间来作出适当反应，以防发生危险/伤害。最初在 1988 年提出的智能预警想法 13是将所有的监控信号和警报弄到一个显示器上。在此之后，经历了许多演化、研究、发展和测试，其中最引人注目的监控系统是由密歇根大学的研究人员开发的，其中，“Alert Watch® Or”系统具有多次迭代，提供一个具有图形人机界面的反应式决策支持系统，其灵感来自于现代航空中飞行员使用的多功能主飞行显示器。该系统不仅可以提醒麻醉专业人士注意异常情况，还可以提示原因和验证性测试（图 2）。一份广泛报告14得出结论认为，迄今为止，该系统改善了过程指标，但没有改善术后临床结局。

图 2. 来自“Alert-Watch OR”的原型样品监视器/警报/决策支持屏幕。<sup>18</sup>

图 2. 来自“Alert-Watch OR”的原型样品监视器/警报/决策支持屏幕。18

更智能的警报和 AI

更智能的警报可以提高技术 – 行为交互

“更智能”的警报是将人工智能应用于麻醉护理的桥梁。它们通过引入机器学习和预测分析方法，提高了技术-行为交互。多项研究已经证实，该程序可以自动分析动脉血管波形、并在麻醉期间提前 5-15 分钟预测低血压。当然，临床医生的反应决定了警告的价值。更接近于人工智能的是这样一个系统：术前考虑到所有患者特征和参数，以预测全麻诱导后是否会出现低血压。回顾性分析显示该系统的准确度为 72%，研究人员认为其“性能一般”。15

这里使用的还不是真正的 AI（可能是其将来指导的机器人），但却是一个热门话题。16潜力无限。密西根大学开发的系统正在研究之中，它考虑了所有的患者因素，预测了不良结局的风险，权衡了每种风险的潜在“负担”，考虑了缓解每种风险的潜在措施，然后计算出哪种措施会导致总体负担最小，从而给出判断和建议。15在发表于近期的一篇优秀论文17中，作者通过一张非常精彩的图示（图 3） ，提出了将 AI 扩展到整个围术期医学的前景预测。

人工智能的实施与上个世纪八十年代的安全监测类似

图 3.围手术期人工智能应用模型。19 经《麻醉与镇痛》杂志许可进行使用和修改。Nathan N. 围手术期人工智能：信息图.Anesth Analg.2023;136:636.

图 3.围手术期人工智能应用模型。19 经《麻醉与镇痛》杂志许可进行使用和修改。Nathan N. 围手术期人工智能：信息图.Anesth Analg.2023;136:636.

目前，技术尚不能取代它必须引起的人类行为。术中模式总是相同的，即尽可能早的不良事件预警可以留出足够长的时间来进行纠正诊断和反应。AI 的实施基本上与上个世纪八十年代采用“安全监测”策略的情况类似（尤其是其通过二氧化碳和脉搏血氧饱和度的灵敏度/准确性对人类感知进行的深度扩展），这导致术中麻醉灾难性事件基本被消除。与最初的安全监测标准的实施相比，人工智能对实践的改进不会那么明显或剧烈，但可能会变成照护标准。这是极好的事情，正如通过这次演讲获得荣誉的APSF 创始人 Jeep Pierce -所提醒的那样：我们必须时刻保持“警惕”（ASA 座右铭），因为人总是会犯错的。

 

John H. Eichhorn, MD – 2023 APSF Pierce 纪念演讲者，是《APSF 新闻通讯》的的创始编辑和出版商。作为一名退休麻醉学教授，他住在加利福尼亚州的圣何塞，将继续服务于 APSF 编委会。

作者没有利益冲突。

参考文献

  1. Janice Tomlin (producer): The Deep Sleep: 6,000 will die or suffer brain damage, WLS-TV Chicago, 20/20. April 22, 1982
  2. Eichhorn JH. The APSF at 25: pioneering success in safety, but challenges remain. APSF Newsletter 2010;25:21-24,35–39. PMID: 22253277. Accessed December 14, 2023.
  3. Eichhorn JH. The history of anesthesia patient safety. In: Ball C, Bacon D, Featherstone P (eds,) Broad horizons—the history of anesthesia beyond the operating room. International Anesthesiology Clinics. 2018;56:56-93.
  4. Eichhorn JH, Cooper JB, Cullen DJ, et al. Standards for patient monitoring during anesthesia at Harvard Medical School. JAMA. 1986;256:1017–1020. PMID: 3735628.
  5. Eichhorn JH. Prevention of intraoperative anesthesia accidents and related severe injury through safety monitoring. Anesthesiol. 1989;70:572–577. PMID: 2929993.
  6. American Society of Anesthesiologists. Standards for Basic Anesthetic Monitoring. (last amended October 20, 2010) (original approval: October 21, 1986) ( https://www.asahq.org/standards-and-practice-parameters/standards-for-basic-anesthetic-monitoring ).
  7. Merry AF, Cooper JB, Soyannwo O, et al. International standards for a safe practice of anesthesia. Can J Anesth. 2010;57:1027–1034. PMID: 20857254.
  8. ASA Task Force on Neuromuscular Blockade. 2023 American Society of Anesthesiologists practice guidelines for monitoring and antagonism of neuromuscular blockade. Anesthesiol 2023;138:13–41. PMID: 36520073.
  9. Committee on Technology. APSF-endorsed statement on revising recommendations for patient monitoring during anesthesia. APSF Newsletter. 2022;37:7–8. (https://www.apsf.org/article/apsf-endorsed-statement-on-revising-recommendations-for-patient-monitoring-during-anesthesia/.) Accessed November 30, 2023.
  10. Thomas BJ. Distractions in the operating room: an anesthesia professional’s liability? APSF Newsletter. 2017;31:59–61. (https://www.apsf.org/article/distractions-in-the-operating-room-an-anesthesia-professionals-liability/) Accessed November 30, 2023.
  11. Michaelsen, K. Cameras in the OR: reimaging patient safety. ASA Monitor. 2023;37:38. doi: 10.1097/01.ASM.0000949632.42292.92
  12. Scott, M. “The Tele-ICU – Now and in the Future.” APSF Stoelting Conference, Las Vegas, NV; September 7, 2023. (www.apsf.org)
  13. Watt RC, Miller KE, Navabi MJ, et al. An approach to “smart alarms” in anesthesia monitoring. Anesthesiol. 1988;89:A241. doi: 10.1097/00000542-198809010-00240
  14. Kheterpal S, Shanks A, Tremper K. Impact of a novel multiparameter decision support system on intraoperative processes of care and postoperative outcomes. Anesthesiol. 2018;128:272–282. PMID: 29337743.
  15. Mathis M. “Machine learning & predictive analytics.” APSF Stoelting Conference, Las Vegas, NV; September 6, 2023. (https://www.apsf.org/event/apsf-stoelting-conference-2023/). Accessed December 8, 2023.
  16. Kennedy S. “Exploring the Role of AI in Anesthesiology.” Health IT Analytics, July 20, 2023. (https://healthitanalytics.com/features/exploring-the-role-of-artificial-intelligence-in-anesthesiology )
  17. Maheshwari K, et al. Artificial intelligence for perioperative medicine: perioperative intelligence. Anesth Analg. 2023;136:637–45. PMID: 35203086.
  18. Tremper KK, Mace JJ, Gombert JM. et al. Design of a novel multifunction decision support display for anesthesia care: AlertWatch® OR. BMC Anesthesiol. 2018;18:16. PMID: 29402220.
  19. Nathan N. Perioperative artificial intelligence: infographic. Anesth Analg. 2023;136:636. PMID: 36928148.