羅瑋，韓永正，郭向陽

1.國家知識產(chǎn)權(quán)局專利局 專利審查協(xié)作北京中心，北京 100160；2.北京大學(xué)第三醫(yī)院 麻醉科，北京 100191

引言

在圍術(shù)期領(lǐng)域中，麻醉易產(chǎn)生一些不良后果，如氣道損傷、腦損傷甚至死亡，因此，氣道管理尤為重要[1]。目前，頸椎病患者的發(fā)病率呈逐年上升的趨勢，頸椎病患者因頸椎活動(dòng)度受限，通常合并困難氣道，困難喉鏡暴露比例顯著升高[2-3]。Han 等[4]的前期研究顯示，擇期頸椎手術(shù)患者困難喉鏡暴露的發(fā)生率為17.1%，遠(yuǎn)超過一般手術(shù)的5.8%[5]。導(dǎo)致困難氣道的具體原因并不明確，可能涉及患者口腔軟組織堆積、頸部活動(dòng)度下降、咽喉軟組織堆積、會(huì)厭過長等因素。目前我國手術(shù)量激增，在舒適化醫(yī)療背景下，在醫(yī)院高效運(yùn)轉(zhuǎn)的過程中，麻醉科已成為把控圍術(shù)期風(fēng)險(xiǎn)的最后一道關(guān)卡，并且隨著計(jì)算機(jī)和人工智能的發(fā)展，在困難氣道的判斷中引入計(jì)算機(jī)加以輔助，可以有效提高操作的準(zhǔn)確性和效率，基于此，本文旨在綜述困難氣道的評估指標(biāo)、困難氣道評估的專利技術(shù)、困難氣道評估決策支持系統(tǒng)及其實(shí)現(xiàn)，以期為建立困難氣道評估決策支持系統(tǒng)提供一定的理論依據(jù)。

1 困難氣道的評估指標(biāo)

1.1 外觀指標(biāo)

臨床上，困難氣道可以采用一些方便獲得的一些外觀指標(biāo)進(jìn)行評估，但敏感度較低，如Yildiz等[6]研究表明，僅利用張口度作為指標(biāo)，敏感度為0.35；Merah 等[7]研究提示，僅采用甲頦距離指標(biāo)，敏感度為0.15；Hilditch等[8]認(rèn)為僅采用頭頸活動(dòng)度作為指標(biāo)，其可靠性較低，且由于改良Mallampati 分級能反映口咽部軟組織的情況，可以作為評估困難氣道重要的外觀指標(biāo)。但有研究表明，采用Mallampati 分級來進(jìn)行困難氣道的預(yù)測的敏感度僅為0.35[9]。Han 等[10]研究表明，男性、肥胖及年齡偏大的患者易出現(xiàn)困難喉鏡暴露，頸圍/張口度是外觀指標(biāo)中較好的預(yù)測指標(biāo)，優(yōu)于Mallampati 分級、張口度、頸圍、甲頦距離、頸圍/甲頦間距。由于外觀評估指標(biāo)只能反映患者口腔軟組織及頭頸活動(dòng)度情況，對于咽喉部內(nèi)在軟組織及骨性結(jié)構(gòu)的異常不能做出評價(jià)，因而需要輔助影像學(xué)技術(shù)對氣道進(jìn)行準(zhǔn)確完善的評估。

1.2 X線指標(biāo)

下頜內(nèi)在空間和舌體大小可以通過下頜骨的輪廓予以反映，如果下頜后部深度和下頜長度的比值大于0.28，則對困難喉鏡暴露具有提示意義[11]；寰枕間距可以反映頭頸的活動(dòng)能力，間距越大，頭頸活動(dòng)度越大；上頜軸（平行硬腭）與咽軸（通過寰椎、樞椎最前緣的直線）之間的角度也可以作為指標(biāo)，當(dāng)兩者間的夾角＜90°時(shí)，屬于喉鏡暴露困難[12]。Han 等[4]前期針對X 線相關(guān)指標(biāo)的研究提示，頜舌間距（舌骨高點(diǎn)到下頜下緣的垂直距離）是預(yù)測困難喉鏡暴露較好的指標(biāo)，預(yù)測準(zhǔn)確性可達(dá)83.2%，且此范圍內(nèi)的組織為深部的舌體及下頜舌骨肌，因而推測，深部舌體及下頜舌骨肌在頜舌范圍內(nèi)占比增大，可能導(dǎo)致患者出現(xiàn)困難喉鏡暴露。X 線可較好地反映骨性結(jié)構(gòu)異常，但是對于軟組織異常導(dǎo)致的困難氣道不能做出有效評估。

1.3 CT指標(biāo)

外觀評估視野只能深至懸雍垂周圍的口腔結(jié)構(gòu)，而上氣道CT 掃描能夠?qū)⒁曇把由熘裂屎聿柯曢T周圍，有利于術(shù)前篩選出外觀正常但內(nèi)部解剖異常的困難氣道高危患者。有研究表明，運(yùn)用CT 進(jìn)行困難氣道的評估，預(yù)測準(zhǔn)確性顯著高于改良Mallampati 分級[13]，但對于軟組織的評估價(jià)值低于核磁共振技術(shù)。

1.4 超聲指標(biāo)

超聲可用來觀察舌體、會(huì)厭、舌骨、聲帶等上氣道解剖結(jié)構(gòu)，近年來常應(yīng)用于評價(jià)和預(yù)測困難氣道。通過超聲可以測量得到頸前軟組織的厚度，該數(shù)據(jù)可以作為判斷困難喉鏡暴露的指標(biāo)[14]；Andruszkiewicz 等[15]研究結(jié)果提示，頦舌距離（下頦到舌骨距離）越短，越易發(fā)生困難喉鏡暴露，并且與舌體容積無關(guān)；Pinto 等[16]研究結(jié)果表明，皮膚到會(huì)厭的距離也可以作為困難喉鏡暴露的指標(biāo)；Han 等[17]針對文獻(xiàn)已報(bào)道的5 個(gè)超聲預(yù)測指標(biāo)，利用MRI 進(jìn)行驗(yàn)證，結(jié)果表明，皮膚到舌骨距離（P=0.18）、皮膚到會(huì)厭距離（P=0.72）、皮膚到甲狀軟骨距離（P=0.10）、皮膚到聲門距離（P=0.44）、皮膚到氣管前壁距離（P=0.92）均不能有效預(yù)測頸椎病患者的困難喉鏡暴露情況。臨床上麻醉醫(yī)師使用超聲進(jìn)行困難氣道評估時(shí)，與患者體位、操作熟練程度、圖像鑒別能力等因素有關(guān)。

1.5 MRI指標(biāo)

Goni-Zaballa 等[18]報(bào)道了1 例患有Klippel-Feil 綜合征的患者，當(dāng)氣管插管失敗后，進(jìn)行MRI 檢查，雖然其氣道的直徑是正常的，但由于其口咽部淋巴組織和舌扁桃體的肥大，使得咽腔體積縮小，所以在查明原因后，成功實(shí)施了氣管插管，這也說明對高?；颊咝g(shù)前行MRI 檢查對圍術(shù)期氣道管理有重要意義。Han 等[4]利用MRI 分析咽喉部軟組織結(jié)構(gòu)發(fā)現(xiàn)，會(huì)厭長度可作為困難氣道的有效預(yù)測指標(biāo)（P＜0.01），但舌根到咽后壁距離（P=0.71）、會(huì)厭到咽喉壁距離（P=0.93）、懸雍垂到咽后壁的距離（P=0.29）、聲門到咽后壁距離（P=0.50）均不能預(yù)測困難喉鏡暴露。MRI 對于氣道軟組織的評估優(yōu)勢明顯，但對于骨性異常結(jié)構(gòu)的評價(jià)作用有限，因而臨床使用時(shí)需綜合考慮。

1.6 綜合評估指標(biāo)

很多國家采用Wilson 風(fēng)險(xiǎn)評分作為預(yù)測困難氣管插管的評分工具，Wilson 風(fēng)險(xiǎn)評分主要包括5 個(gè)指標(biāo)：體重90～110 kg 為1 分，＞110 kg 為2 分；頭頸活動(dòng)度約90°為1 分，＜90°為2 分；張口度5 cm 為1 分，＜5 cm為2 分；下頜退縮程度中等為1 分，嚴(yán)重為2 分；門齒前突能力中等為1 分，嚴(yán)重為2 分。在預(yù)測困難氣管插管的準(zhǔn)確性方面，Wilson 風(fēng)險(xiǎn)評分優(yōu)于改良Mallampati分級以及甲頦間距，其受試者特征曲線下的面積為0.91[19]。1998 年，美國麻醉醫(yī)師El-Ganzouri 等[20]研究比較了一系列困難氣管插管相關(guān)變量后，總結(jié)了一種多元化風(fēng)險(xiǎn)指數(shù)評分法，該評分法由7 個(gè)項(xiàng)目組成：張口度＜4 cm 為1 分；甲頦間距6～6.5 cm 為1 分，＜6 cm 為2 分；徒手肌力評定（Manual Muscle Test，MMT）Ⅱ級為1 分，Ⅲ～Ⅳ級為2 分；頸部活動(dòng)度80°～90°為1分，＜90°為2 分；下齒不能前移為1 分；體重90～110 kg 為1 分，＞110 kg 為2 分；有困難氣管插管史為2分，不確定是否有困難插管史為1 分。當(dāng)該評分≥7 分時(shí)，可以采用電子氣管鏡進(jìn)行清醒氣管插管；當(dāng)該評分＜7 分時(shí)，則可以利用視頻喉鏡氣管插管，以此能夠?qū)⒗щy氣管插管的發(fā)生率降低至0.14%。多元化風(fēng)險(xiǎn)指數(shù)評分法可以較好地評估困難氣道患者。Baspinar 等[21]對200 例接受頭頸部手術(shù)患者進(jìn)行下列體格檢查：下頜結(jié)構(gòu)、張口度、下頜運(yùn)動(dòng)、牙齒結(jié)構(gòu)、MMT、頭頸部運(yùn)動(dòng)、頸圍、甲頦和胸頦距離、寰枕關(guān)節(jié)活動(dòng)度、上唇咬合試驗(yàn)、Wilson 評分和Cormack-Lehane 分類進(jìn)行評估，認(rèn)為MMT（P=0.002）、Wilson 評分（P＜0.0001）、上唇咬合試驗(yàn)（P＜0.0001）和張口度（P＜0.0001）與困難喉鏡暴露和困難插管有關(guān)。Roth 等[22]認(rèn)為上唇咬合試驗(yàn)用于診斷困難喉鏡暴露的敏感性最高（P＜0.001），改良的MMT 試驗(yàn)對診斷困難氣管插管的敏感性最高（P＜0.001）。

2 困難氣道評估的專利技術(shù)

與其他形式的文獻(xiàn)相比較而言，專利文獻(xiàn)通常更具有新穎性和創(chuàng)造性，其中往往包含專利申請人不得不對外公開的技術(shù)信息，尤其是對于涉及實(shí)際應(yīng)用的領(lǐng)域，通過充分檢索和深入分析相關(guān)專利文獻(xiàn)，可以獲取本領(lǐng)域更新、更全面的技術(shù)發(fā)展動(dòng)態(tài)信息。因此通過對相關(guān)專利的了解可以更好地指導(dǎo)研究和應(yīng)用。

以困難氣道評估為基本檢索要求，并結(jié)合分類號（A61B 涉及診斷及外科、G16H 涉及專門用于處置或處理醫(yī)療或健康數(shù)據(jù)的信息和通信技術(shù)）在中國專利全文數(shù)據(jù)庫檢索，相關(guān)數(shù)據(jù)的檢索截止日期為2022 年12 月10 日。本文針對基金項(xiàng)目研究的需要，對專利文獻(xiàn)進(jìn)行了充分篩選，重點(diǎn)聚焦困難氣道評估相關(guān)的技術(shù)應(yīng)用。倪紅偉等[23]提出了一種氣道測量的數(shù)據(jù)處理的方法，其結(jié)合了Mallampati 分級和超聲測量甲狀軟骨至?xí)挼木嚯x兩種評估方法，減少了使用的指標(biāo)數(shù)量。姚衛(wèi)東等[24]提出了一種預(yù)測困難氣道的計(jì)算機(jī)應(yīng)用軟件及氣道管理數(shù)據(jù)系統(tǒng)，其在對上氣道的解剖模擬坐標(biāo)系建立過程中，結(jié)合了患者自身的上氣道解剖特征，并定位了一些解剖特征點(diǎn)，這些解剖特征點(diǎn)均與困難氣道的形成相關(guān)，同時(shí)利用圖形編輯控制技術(shù)在控制電腦上實(shí)現(xiàn)了上氣道模擬圖形建立過程的可交互操作，并在喉鏡檢查時(shí)建立上氣道解剖參數(shù)的回歸方程，據(jù)此制定計(jì)算機(jī)圖形控制規(guī)則，通過計(jì)算患者的聲門視野實(shí)現(xiàn)患者是否是困難氣道的預(yù)測，其后續(xù)的專利申請進(jìn)一步將上述技術(shù)應(yīng)用到氣道管理導(dǎo)航中[25]。夏明等[26]提出了一種基于人工智能的困難氣道評估方法，根據(jù)多個(gè)姿勢下的面部圖像提取特征信息，并將該信息通過經(jīng)訓(xùn)練的困難氣道分類器，從而對困難氣道嚴(yán)重程度評分得到困難氣道的評估結(jié)果，其申請的另一類是根據(jù)患者的語音數(shù)據(jù)提取聲學(xué)、聲紋或語音識別特征信息，通過訓(xùn)練好的困難氣道分類器對提取的特征信息進(jìn)行困難氣道嚴(yán)重程度評分，得到最終的評估結(jié)果[27-30]。張加強(qiáng)等[31]提出了基于多通道融合的圖像識別方法，其首先獲取多幅人體口腔區(qū)域圖像，再進(jìn)行多通道融合處理，對融合后的圖像進(jìn)行一系列指標(biāo)的判斷以確定是否為困難氣道。用于判斷的指標(biāo)包括氣道（Mallampati）分級是否大于等于指定級別、張口度是否小于預(yù)定值、頸長是否小于設(shè)定值或者頸圍是否小于設(shè)定值、頭頸活動(dòng)度是否小于特定角度以及甲頦間距是否小于指定距離等。李文獻(xiàn)等[32]提出了基于人工智能的氣道評估終端，突破了一直以來僅對靜態(tài)圖片的分析，通過對面部數(shù)據(jù)3D 重建進(jìn)行面部評估，通過對口腔可視環(huán)境的數(shù)學(xué)化分析和機(jī)器學(xué)習(xí)進(jìn)行口腔評估，對人體頭部的整體動(dòng)態(tài)捕捉來進(jìn)行動(dòng)態(tài)體格評估，對呼吸氣流的頻率分析和氣流變化的機(jī)器學(xué)習(xí)進(jìn)行肺功能的評估，基于咽喉部解剖結(jié)構(gòu)圖像數(shù)據(jù)的聲門識別來進(jìn)行聲門評估，對評估數(shù)據(jù)結(jié)合基礎(chǔ)信息進(jìn)行綜合判斷來生成聲道評估報(bào)告，實(shí)現(xiàn)了對氣道評估判斷標(biāo)準(zhǔn)的數(shù)字化分析，給出氣道的綜合評估結(jié)果。目前，借助計(jì)算機(jī)實(shí)現(xiàn)有關(guān)困難氣道評估屬于新興領(lǐng)域，專利申請數(shù)量處于起步上升階段，發(fā)展速度快，研究方向涵蓋了測量數(shù)據(jù)的優(yōu)化、多特征信息的引入、針對性的圖像處理、三維信息的使用以及人工智能等方向。目前我國在該領(lǐng)域的申請主體是各大醫(yī)院及其合作研發(fā)的科研院校，體現(xiàn)了臨床需求主體與科研創(chuàng)新主體的合作模式是解決臨床實(shí)際創(chuàng)新需求的一種高效合作的趨勢。

3 困難氣道評估決策支持系統(tǒng)的進(jìn)展

由于困難氣道評估對臨床工作安全的重要性，從傳統(tǒng)的評估指標(biāo)到近年來借助計(jì)算機(jī)技術(shù)所研發(fā)的氣道評估工具專利，氣道評估工具開發(fā)的進(jìn)步有賴于多元化的合作模式，而這種模式逐漸從單一方面對數(shù)據(jù)的處理過渡到雙向反饋閉環(huán)的迭代模式。位于最前端的是麻醉醫(yī)師日常接觸的信息系統(tǒng)，以此作為載體，通過機(jī)器學(xué)習(xí)等人工智能、大數(shù)據(jù)分析等一系列核心技術(shù)的運(yùn)用，加速了這種交互更新優(yōu)化模式，可以使計(jì)算機(jī)在無需人工干預(yù)或輔助的條件下自動(dòng)學(xué)習(xí)以及根據(jù)情況作出調(diào)整。

3.1 基于人工智能的臨床決策系統(tǒng)

基于人工智能的臨床決策支持系統(tǒng)，是能夠自主學(xué)習(xí)與分析結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)（如MRI 數(shù)據(jù)、重要器官支持?jǐn)?shù)據(jù)、實(shí)驗(yàn)室數(shù)據(jù)、視頻及影像等）的組合，從而產(chǎn)生臨床決策支持的綜合數(shù)據(jù)分析與決策系統(tǒng)[33]。術(shù)前篩選出潛在困難氣道患者，有利于減少臨床上非預(yù)料的困難氣道，進(jìn)而避免急癥氣道的出現(xiàn)，有利于優(yōu)化圍術(shù)期困難氣道的處理流程，制訂相應(yīng)氣道決策。傳統(tǒng)氣道評估多采用改良Mallampati 分級、Wilson 評分、Arne評分以及結(jié)合個(gè)別影像學(xué)指標(biāo)開發(fā)出的Naguib 評估等，上述方法均是在較小人群樣本的基礎(chǔ)上采用Logistics 回歸技術(shù)開發(fā)的。目前國內(nèi)外均缺乏針對高風(fēng)險(xiǎn)人群建立困難氣道發(fā)生風(fēng)險(xiǎn)的評估決策模型。近年來，數(shù)據(jù)挖掘方法日趨成熟，為醫(yī)療大數(shù)據(jù)的廣泛應(yīng)用奠定了基礎(chǔ)，針對龐大復(fù)雜的數(shù)據(jù)集，源于人工智能的機(jī)器學(xué)習(xí)技術(shù)結(jié)合核心評估指標(biāo)，可建立準(zhǔn)確可靠、方便實(shí)用的困難氣道評估決策支持系統(tǒng)。麻醉醫(yī)師可以在術(shù)前準(zhǔn)確、高效地評估患者氣道情況，篩選出困難氣道患者，對其進(jìn)行個(gè)體化麻醉方案的建議，可顯著減少非預(yù)料的困難氣道出現(xiàn)，避免患者出現(xiàn)通氣困難甚至窒息死亡的風(fēng)險(xiǎn)。

3.2 機(jī)器學(xué)習(xí)在數(shù)據(jù)集分析中的應(yīng)用

機(jī)器學(xué)習(xí)包含建模過程，通過使用訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練，進(jìn)而處理后續(xù)數(shù)據(jù)以作出預(yù)測。根據(jù)困難氣道預(yù)測結(jié)果的性質(zhì)，需要選擇有監(jiān)督的分類學(xué)習(xí)算法。隨著機(jī)器學(xué)習(xí)和知識推理的理念與方法應(yīng)用到?jīng)Q策支持系統(tǒng)領(lǐng)域，醫(yī)學(xué)相關(guān)的評估決策支持系統(tǒng)也取得了同步發(fā)展。目前機(jī)器學(xué)習(xí)在臨床醫(yī)學(xué)領(lǐng)域的應(yīng)用越來越受到重視[30]，支持向量機(jī)、隨機(jī)森林和XGboost 等方法被廣泛用于系統(tǒng)的學(xué)習(xí)建模過程。支持向量機(jī)算法根據(jù)訓(xùn)練樣本數(shù)據(jù)構(gòu)造一個(gè)進(jìn)行決策的超曲面，該曲面可將樣本數(shù)據(jù)分隔成兩類，通過未知樣本與超曲面的位置關(guān)系確定其類別[35]；隨機(jī)森林將每個(gè)決策樹的結(jié)果進(jìn)行總結(jié)，通過重復(fù)多次隨機(jī)抽取樣本，建立不同的決策樹獨(dú)立訓(xùn)練，然后對所有決策樹的分類結(jié)果進(jìn)行判定[36]；XGBoost 可進(jìn)行大多數(shù)分類問題的訓(xùn)練，針對每一輪訓(xùn)練中準(zhǔn)確度低的數(shù)據(jù)進(jìn)行權(quán)重分配，最終突出了分類質(zhì)量高的決策樹權(quán)重，從而提高算法的準(zhǔn)確性和泛化能力。相比傳統(tǒng)的機(jī)器學(xué)習(xí)算法，XGBoost 支持并行運(yùn)算，速度更快，不易受異常值的干擾，預(yù)測的準(zhǔn)確率也更高[37]。

3.3 基于網(wǎng)絡(luò)數(shù)據(jù)共享的多層模型構(gòu)架及優(yōu)化歸納

考慮到系統(tǒng)的易推廣性以及便于維護(hù)等后期使用的要求，困難氣道評估決策支持系統(tǒng)的建設(shè)可采用瀏覽器/服務(wù)器模型（B/S 體系結(jié)構(gòu)）構(gòu)建；系統(tǒng)框架的開發(fā)可采用模型-視圖-控制器模式，有效減少數(shù)據(jù)描述與應(yīng)用程序操作間的耦合度，提高各組件的復(fù)用性。模型層是應(yīng)用程序中用于對接數(shù)據(jù)的部分，包括推理引擎接口和知識庫、數(shù)據(jù)訪問接口及其配套的數(shù)據(jù)庫；控制層包括風(fēng)險(xiǎn)評估和預(yù)測的業(yè)務(wù)邏輯，參數(shù)登記管理和在院信息管理；視圖層主要用于展示數(shù)據(jù)，包括界面配置文件、錄入展示組件、數(shù)據(jù)交互模塊。系統(tǒng)具備輔助登記、風(fēng)險(xiǎn)評估、輔助決策等功能。同時(shí)，系統(tǒng)可設(shè)置不同的權(quán)限，并提供數(shù)據(jù)導(dǎo)出和管理功能，以方便臨床回顧性研究[36]。

傳統(tǒng)模型的所有參數(shù)由知識庫初始狀態(tài)下的患者數(shù)據(jù)決定，誤差不能隨著樣本的不斷累積而減小。為解決此問題，確保模型提供決策支持且具有較高的預(yù)測準(zhǔn)確性，可以在初始知識庫的基礎(chǔ)上，輸入患者后續(xù)的評估指標(biāo)參數(shù)、實(shí)際氣道分級和氣道工具進(jìn)行自動(dòng)學(xué)習(xí)和知識庫更新，以確保不斷優(yōu)化的評估模型始終具有高靈敏度和高特異性，提供更有力的輔助決策。推理功能是以Web 服務(wù)的形式實(shí)現(xiàn)的，在服務(wù)器上部署的軟件服務(wù)中封裝推理引擎，向系統(tǒng)上層提供，以完成知識庫自動(dòng)學(xué)習(xí)和模型持續(xù)優(yōu)化的實(shí)現(xiàn)。作為計(jì)算機(jī)輔助決策系統(tǒng)的重要組件，推理引擎用于在線優(yōu)化模型以提供診斷結(jié)論。用戶僅需要通過標(biāo)準(zhǔn)數(shù)據(jù)接口將患者數(shù)據(jù)傳遞到服務(wù)器端推理引擎，推理引擎根據(jù)最佳機(jī)器學(xué)習(xí)算法計(jì)算后，將診斷結(jié)果通過Web 網(wǎng)絡(luò)返回到用戶界面利用機(jī)器學(xué)習(xí)的方法篩選出有價(jià)值的困難氣道預(yù)測指標(biāo)，研究困難氣道發(fā)生風(fēng)險(xiǎn)預(yù)測模型，進(jìn)而建立具備持續(xù)在線優(yōu)化性能的困難氣道評估決策支持系統(tǒng)，預(yù)測結(jié)果可提出預(yù)警及最佳備選方案，為氣道工具的選擇提供決策指導(dǎo)，顯著降低非預(yù)料的困難氣道發(fā)生。各醫(yī)院與服務(wù)器端的網(wǎng)絡(luò)采用專用的數(shù)據(jù)共享網(wǎng)絡(luò)，與公共互聯(lián)網(wǎng)進(jìn)行物理隔離，以保證信息傳輸安全。在服務(wù)器端與各醫(yī)院的數(shù)據(jù)交互中還可以通過增加用戶鑒權(quán)及身份認(rèn)證環(huán)節(jié)進(jìn)一步提高數(shù)據(jù)傳輸安全性。這種通過數(shù)據(jù)共享，網(wǎng)絡(luò)智能數(shù)據(jù)分析的模式，將是未來構(gòu)建困難氣道評估決策系統(tǒng)的重要基礎(chǔ)[36]。

4 總結(jié)與展望

目前針對困難氣道的臨床研究，盡管預(yù)測指標(biāo)眾多，但仍缺乏多中心、大樣本、高質(zhì)量的臨床研究。未來尚需通過搭建全國范圍內(nèi)的困難氣道患者信息化數(shù)據(jù)庫，實(shí)現(xiàn)數(shù)據(jù)共享與信息整合來彌補(bǔ)在數(shù)據(jù)體量上的缺陷。一方面，從前端進(jìn)行科學(xué)而廣泛的數(shù)據(jù)收集，另一方面，在數(shù)據(jù)分析上，需要進(jìn)一步結(jié)合目前先進(jìn)的機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)對臨床數(shù)據(jù)有針對性且切實(shí)有效分析，從而提高困難氣道評估決策系統(tǒng)的準(zhǔn)確性。針對有創(chuàng)新能力和科研基礎(chǔ)的研究單位，醫(yī)院及臨床麻醉醫(yī)生應(yīng)該發(fā)揮對于臨床創(chuàng)新點(diǎn)與精尖特色技術(shù)結(jié)合的敏銳度，深化這種具有實(shí)際使用需求的創(chuàng)新主體與具有較強(qiáng)科研能力的創(chuàng)新主體的合作，并加快在該領(lǐng)域的創(chuàng)新速度，拓展專利申請的廣度，確實(shí)提升產(chǎn)業(yè)化效率。由于各個(gè)醫(yī)院水平和醫(yī)務(wù)人員經(jīng)驗(yàn)差異，對困難氣道的評估和決策缺乏統(tǒng)一的質(zhì)量管控與預(yù)警。后期在全國網(wǎng)絡(luò)信息平臺進(jìn)行推廣，可以充分實(shí)現(xiàn)知識共享，幫助麻醉醫(yī)師、急診科醫(yī)師提高困難氣道識別的準(zhǔn)確率，指導(dǎo)其高效安全地處理困難氣道患者。困難氣道評估決策支持系統(tǒng)的建設(shè)，有利于將優(yōu)質(zhì)醫(yī)療資源下沉，推進(jìn)全國范圍內(nèi)醫(yī)療水平均質(zhì)化健康發(fā)展。