从数据到决策:利用多代理系统,实现更安全,更智能,更个性化的外科护理

科学领域:

• 麻醉学和外科手术期间的医学.
• 人工智能和机器学习在医疗保健中的应用.

背景情况:

• 人工智能 (AI) 在整个外科连续过程中在效率,个性化和患者安全方面提供了潜在的好处.
• 麻醉学当前的人工智能工具通常是孤立开发的,这阻碍了它们的临床实用性和整合.
• 医疗保健多代理系统 (MASH) 为协调跨多个领域的自主人工智能代理提供了一个潜在的框架.

研究的目的:

• 综合目前在麻醉学和外科护理中的人工智能应用.
• 探索这些AI应用程序在MASH架构中的集成.
• 提出MASH作为一种统一的框架,用于麻醉学中孤立的AI创新.

主要方法:

• 对2015年至2025年期间发表的同行评审研究进行批判性审查.
• 在PubMed和谷歌上进行的搜索,使用与AI,麻醉学,外科护理,重症监护和疼痛管理相关的术语.
• 针对随机对照试验和临床试验进行过,数据被提取并按术后阶段组织.

主要成果:

• 在手术前 (风险分层),手术内 (麻醉剂量,生理稳定性),重症监护 (败血症检测,通风管理) 和疼痛药物 (阿片类药物风险,疼痛控制) 中确定了人工智能应用.
• 包括的研究表明了人工智能工具的临床实用性,例如POTTER,SmartPilot,Navigator,NAVOY Sepsis和VentAI.
• 尽管证明了实用性,但大多数人工智能应用仍然是域特定的,缺乏整合.

结论:

• 人工智能具有显著的潜力,可以增强外科手术期间的护理,但它的全部影响取决于协调实施.
• 医疗保健多代理系统 (MASH) 框架为整合多种AI代理提供了一个解决方案.
• MASH可以实现适应性,协作性网络,以实现更个性化,更安全和更有效的麻醉护理.