Գործընթացների ընթացքում հիվանդի անվտանգության տեսանկյունից ձեռքով կատարվող մեթոդներից ավտոմատացված անզգայացման համակարգերին անցումը մեծ առաջընթաց է: Հին սարքավորումները շատ կախված էին անալոգային կարգավորումներից և բժիշկների անձնական փորձից, ինչը հաճախ հանգեցնում էր դեղամիջոցների չափաքանակի սխալների և արյան ճնշման անկայուն իրավիճակների: Այսօրվա ինտելեկտուալ ներարկման պոմպները աշխատում են իրական ժամանակում տվյալների մոդելների հետ՝ հետևելով դեղամիջոցների տարածմանը մարմնում և պահպանելով դեղամիջոցների մակարդակը ճիշտ չափով: Ըստ 2023 թվականին Ponemon-ի կողմից հրապարակված հետազոտության՝ այս համակարգերը նվազեցրել են անզգայացման խորության հետ կապված խնդիրները մոտ 37%: Ինչ է սա նշանակում գործնականում։ Անզգայացնողները ավելի քիչ ժամանակ են ծախսում անընդհատ փոքր կարգավորումներ կատարելու վրա և ավելի շատ՝ բարդ դեպքերի վրա, որտեղ իրենց փորձը իրոք կարևոր է:
Երեք նորարարություններ են սահմանում այսօրվա անզգայացման սարքերը.
Այս նվաճումները հանգեցրին FDA-ով հաստատված համակարգերի, որոնք ինքնաշխատ կերպով կարգավորում են անզգայացման խորությունը՝ պահպանելով արյան ճնշումը նախաօպերացիոն ցուցանիշներից 10%-ի սահմաններում
Ժամանակակից սարքերը հիմա փոխազդում են հիվանդանոցների EMR-ների և վիրահատարանի հեռաչափական համակարգերի հետ՝ ստեղծելով միասնական անվտանգության ցանց: Օրինակ՝ 2023 թ.-ի բազմակենտրոն փորձարկման ընթացքում անսովոր կենսական ցուցանիշների դեպքում ավտոմատ զգուշացումները կրիտիկական դեպքերը կրճատել են 41%: Այս փոխընկալելիությունը աջակցում է բարձր ռիսկ ներկայացնող հիվանդների համար տվյալների հիման վրա հիմնված ստանդարտներին, սակայն հաստատությունների 29%-ը все դեռ դժվարանում է հին համակարգերի հետ համատեղելիության հարցում
Փակ ցիկլով անզգայացման համակարգերը նշում են ճշգրիտ բժշկության մոտեցման մեջ մեծ փոփոխություն: Այս համակարգերը դեղորայքները կարգավորում են իրական ժամանակում՝ հիմնվելով էլեկտրոէնցեֆալոգրամի ցուցմունքների, արյան ճնշման սարքերի և շնչառական սենսորների նման հաստատական հետադարձ կապի վրա: Սովորական բաց ցիկլով մեթոդները պահանջում են բժշկական անձնակազմի անընդհատ միջամտություն, սակայն ինտելեկտուալ փակ ցիկլով համակարգերը կարող են ավտոմատ կերպով կարգավորել պրոպոֆոլի նման դեղորայքները՝ հիվանդին պահելով անզգայացման ճիշտ մակարդակի վրա՝ առանց չափազանց խորը անզգայացում հասնելու: 2024 թվականի վերջերս իրականացված հետազոտությունները ցույց են տվել, որ հիվանդանոցներում ավտոմատացված համակարգերին անցնելուց հետո ընթացակարգերի ընթացքում արյան ճնշման անկայունության հետ կապված խնդիրները նվազել են մոտ 40%: Այս տեխնոլոգիայի հատկանշական առանձնահատկությունը նրա կարողությունն է իրական ժամանակում յուրաքանչյուր հիվանդի համար առանձին արձագանքել, ինչը ձեռքի միջոցով հասնելը շատ դժվար է:
| Հատկություն | Բաց ցիկլով համակարգեր | Փակ ցիկլի համակարգեր |
|---|---|---|
| Հետադարձ կապի մեխանիզմ | Չկա — նախնական ծրագրավորված դեղորայքի տրամադրում | Իրական ժամանակում կարգավորումներ ֆիզիոլոգիական տվյալների հիման վրա |
| Դեղամիջոցի դոզայի կարգավորում | Անհրաժեշտ է ձեռքով միջամտություն | Իրականացվում է ավտոմատ՝ MPC/RLC ալգորիթմների միջոցով |
| Հեմոդինամիկ կայունություն | օպերացիայի ընթացքում հիպոտոնիայի 58% դեպքեր | հիպոտոնիայի դեպքերի 37% կրճատում (Springer 2024) |
| Ուղեղային վերականգնում | անզգայացման ավարտից հետո՝ 12,4 րոպե | անզգայացման ավարտից հետո՝ 8,2 րոպե |
Փակ օղակի համակարգերը, ներառելով կծկման ծավալի փոփոխականության (SVV) հսկումը և վազոպրեսորների ավտոմատացումը, հասնում են 92% թիրախային արյան ճնշման միջակայքի, ի տարբերություն բաց օղակի մեթոդների՝ 67%, ինչը նվազեցնում է վիրահատությունից հետո երիկամային վնասվածքների ռիսկը 29%-ով, իսկ սրտային բարդությունները՝ 18%-ով, ինչը ցուցադրված է 15,000 վիրահատություն ընդգրկող բազմակենտրոն փորձարկումներում:
Չնայած փակ օղակի անզգայացման սարքերը ցուցադրում են 33% ցածր կրիտիկական դեպքերի հաճախադեպություն, հիվանդանոցների 62%-ը պահպանում է բաց օղակի համակարգերը՝ որպես հիմնական աշխատանքային գործիքներ: Այս անհամապատասխանությունը պայմանավորված է հակասական նախապատվություններով. մինչ վիրաբույժների 78%-ը նախապատվություն է տալիս հեմոդինամիկ կայունությանը, անզգայացման թիմերի 54%-ը անհարմարություն է արտահայտում լիարժեք ավտոնոմ համակարգերի նկատմամբ, ինչը ընդգծում է հիդրիդային կառավարման ինտերֆեյսների անհրաժեշտությունը հաջորդ սերնդի հարթակներում:
Երկսպեկտրային ինդեքսը, որը հայտնի է որպես BIS մոնիտորինգ, կարևոր դեր է խաղում ժամանակակից ավտոմատացված անզգայացման համակարգերում: Այն բժիշկներին տալիս է իրական թիվ՝ հիմնված ԷՇԳ սարքի նեյրոնային ալիքների ցուցումների վրա, որպեսզի գնահատեն, թե որքան խորը է անզգայացումը: BIS միավորը տատանվում է 0-ից մինչև 100, որտեղ փոքր թվերը նշանակում են ավելի խորը անզգայացում: Մեծամասնություն վիրաբույժների նպատակն է վիրահատության ընթացքում պահել հիվանդին 40-ից 60 միջակայքում: Վերջերս հրապարակված ուսումնասիրությունները ցույց են տվել, որ ԷՇԳ տվյալներում նմուշի էնտրոպիայի վերլուծությունը խորության չափումներն ավելի ճշգրիտ է դարձնում 23 տոկոսով համեմատած հին մեթոդների հետ, որոնք վերլուծում էին միայն հաճախադեպության սպեկտրը: Երբ այս տեխնոլոգիան ներդրվում է փակ օղակաձև համակարգերում, անզգայացման սարքը կարող է ինքնուրույն կարգավորել պրոպոֆոլի կամ սեվոֆլուրանի չափաբաժինները: Ըստ 2019 թվականին Ponemon-ում հրապարակված հետազոտության՝ այս ավտոմատացումը վիրահատության ընթացքում արթնանալու հավանականությունը կրճատում է մոտ 82 տոկոսով:
Այսօրվա առաջադեմ համակարգերը օգտագործում են արհեստական ինտելեկտ՝ հոսքով ստացվող այդ անմշակված EEG սիգնալները կարդալու համար, հայտնաբերելով փոքր օրինաչափություններ, որոնք նույնիսկ փորձառու բժիշկները կարող են բաց թողնել: Այս խելացի համակարգերը կատարում են այնպես կոչված ճկուն նեյրոֆuzzy ալգորիթմներ, մշակելով մոտ 256 տվյալներ յուրաքանչյուր վայրկյանում: Դա դարձնում է դա իսկապես օգտակար, քանի որ այն իրականում կարող է կանխատեսել, թե ինչպես կարձագանքեն արյունատար անոթները, նույնիսկ այն դեպքում, երբ արյան ճնշման մեջ ոչ մի նկատելի փոփոխություն չկա: Այս նախատեսության շնորհիվ ժամանակակից նարկոզի սարքավորումները կարող են նախապես կարգավորել դեղամիջոցների չափաբաժինները՝ պահելով ուղեղի արյան ճնշումը հաստատուն ընթանուր նուրբ ուղեղային վիրահատությունների ընթացքում: Այստեղ նպատակն այն է, որ մնանք միայն 5 մմ Hg-ով վերևում կամ ներքևում այն թիրախային մակարդակից, որը վիրահատական թիմը սահմանում է հիվանդի անվտանգության համար:
Մոդելային կանխատեսման վերահսկման (MPC) մեթոդների և վերացանկացման ուսուցման համադրությունը փոխում է ներերակային անզգայացման մատուցման ձևը: Ներմուծման փուլի ընթացքում պրոպոֆոլի ներարկման դեպքում MPC ալգորիթմները 37% կրճատում են ավելցուկային չափաքանակները՝ համեմատած ստանդարտ PID կառավարիչների հետ: Մինչդեռ վերացանկացման ուսուցման մոտեցումները ավելի լավ են դառնում վիրահատությունից հետո ցավը կառավարելու համար անհրաժեշտ ռեմիֆենտանիլի ճիշտ չափաքանակը որոշելու մեջ՝ չավելացնելով չափաքանակը: Այս համակարգերի հատկանիշն այն է, որ նրանք կարող են միաժամանակ հսկել տասներկուսից ավելի ֆիզիոլոգիական ցուցանիշներ: Նրանք ինքնաբերաբար հարմարվում են յուրաքանչյուր հիվանդի դեղորայքի նկատմամբ ունեցած անհատական պատասխանին: Անցյալ տարի JAMA-ում հրապարակված բազմակենտրոն կլինիկական ուսումնասիրություններում ցույց է տրվել, որ այն հիվանդները, ովքեր ստացել են այս առաջադեմ համակարգերով խնամք, ՊԱԿՈՒ-ում վերականգնման գոտում անցկացրել են մոտ մեկ ժամ և տասներկու րոպեով պակաս ժամանակ: Այս տեսակի արդյունավետությունը շատ կարևոր է հիվանդանոցային պայմաններում, որտեղ յուրաքանչյուր րոպե հաշվվում է:
Փաստացի կիրառության մեջ BIS-ը դեռևս շատ տարածված է, սակայն ավելանում է աջակցությունը ԷԵԳ տվյալները միավորելու համար հակացավադիմության պատասխանի ինդեքսի (NRI) և արյան հոսքի փոփոխությունների ցուցանիշների հետ: Որոշ մասնագետներ նշում են, որ 2022 թվականին NEJM հրատարակած ուսումնասիրության համաձայն՝ վիրահատության ընթացքում միայնակ հիմնվելը BIS-ի վրա բաց է թողնում մոտ 18 տոկոս ցածր արյան ճնշման դեպքեր: Սա հանգեցրել է նոր մոտեցումների, որոնք ներառում են նաև սրտի պուլսային կոնտուրի վերլուծությունը և կապնոգրաֆիայի ցուցանիշները: Իրականում մենք խոսում ենք այն օպտիմալ հավասարակշռությունը գտնելու մասին, որը գոյություն ունի արհեստական ինտելեկտով հիմնված ինտելեկտուալ ավտոմատացված համակարգերի և բժիշկների ներգրավվածության միջև, երբ գործ ունենք այնպիսի բարդ մարմնի սիգնալների հետ, որոնք փոխազդում են անսպասելի եղանակներով:
Ժամանակակից անզգայացման սարքերը հիմա այս AI հնարավորությունները անմիջապես ներդնում են իրենց անվտանգության ճարտարապետություններում՝ ստեղծելով հարմարվող ստանդարտներ, որոնք պատասխանում են վիրահատական փուլերի անցումներին և հիվանդի ուղեկցող հիվանդություններին միլիվայրկյան արձագանքմամբ: Այս տեխնոլոգիական համատեղումը նվազեցնում է մարդու կոգնիտիվ բեռը՝ պահպանելով կենսական թերապևտիկ սահմանները, ինչը ներկայացնում է շրջադարձային փոփոխություն օպերացիայի շրջանակներում ռիսկերի կառավարման մեջ:
Ամենավերջին անզդիացման սարքավորումները հագեցած են ինտելեկտուալ շնչառական ալգորիթմներով, որոնք վերլուծում են վերջային շնչահեղձ ածխաթթվի մակարդակը (EtCO2) և կարգավորում են այնպիսի պարամետրեր, ինչպիսիք են թոքերի մեջ մղվող օդի քանակը և նրա մղման արագությունը: Այս տեսակի ավտոմատ վենտիլացիոն համակարգը պահում է հիվանդի արյան գազերը անվտանգ սահմաններում և նվազեցնում է շնչառության քիչ կամ շատ լինելուց առաջացող խնդիրները: 2020 թվականին կատարված ուսումնասիրությունը վերլուծել է այս ավտոմատ թթվածնի կառավարման համակարգերը և հայտնաբերել է, որ դրանք հիվանդին թթվածնի թիրախային մակարդակում պահելու հարցում 32%-ով ավելի արդյունավետ են, քան այն դեպքում, երբ բոլոր կարգավորումները կատարվում են բժշկի կողմից: Սա ցույց է տալիս, թե ինչքան կարևոր են այս անմիջական հետադարձ կապի համակարգերը՝ վիրահատության ընթացքում ամեն ինչ հարթ ընթանալու համար:
EtCO₂-ով ղեկավարվող համակարգերը դինամիկորեն փոփոխում են ներշնչման ճնշումը և ներշնչման՝ արտաշնչման հարաբերակցությունները լապարոսկոպիկ կամ կրծքային վիրահատությունների ընթացքում, երբ շնչառական պահանջները արագ փոփոխվում են: Այս համակարգերը նվազեցնում են արյան գազային անալիզի կարիքը 41%-ով (Anesthesia & Analgesia 2023), ինչը թույլ է տալիս անզգայացման բժիշկներին կենտրոնանալ ավելի բարձր մակարդակի կլինիկական որոշումների վրա:
SVV հսկումը թույլ է տալիս ճշգրիտ կերպով կառավարել հեղուկների ներարկումը՝ վերլուծելով անոթային ալիքների տատանումները, որոնք առաջանում են շնչառության հետևանքով փոփոխված նախնական բեռի պատճառով: Ինտելեկտուալ անզգայացման համակարգերը, որոնք ներառում են SVV ստանդարտներ, ըստ բազմակենտրոն հետազոտության (Journal of Clinical Monitoring 2023), մեծ արյունահոսություններից հետո բարդությունները նվազեցնում են 27%:
Ժամանակակից սարքերը համադրում են 8-12 ֆիզիոլոգիական պարամետրերից (ներառյալ սրտային ելք, ուղեղային օքսիմետրիա և նյարդամկանային արգելակում) ստացված տվյալներ՝ միջամտությունները ղեկավարելու համար: Այս բազմառումբ մոտեցումը հեմոդինամիկ անկայունության տևողությունը կրճատում է 19%-ով համեմատած հասարակ հսկողության հետ:
Բոլոր ավտոմատ համակարգերն ունեն.
Այս անվտանգության միջոցառումները 53%-ով կրճատում են մարդկային սխալներին պայմանավորված բացասական դեպքերը՝ պահպանելով բժշկի ինքնավարությունը (Կրիտիկական բուժօգնություն 2022): Այնուամենայնիվ՝ անզգայացման 68% մասնագետներ նախընտրում են կիսաավտոմատ ռեժիմներ, ինչը ընդգծում է մարդ-մեքենա համագործակցության հավասարակշռված մոտեցման անհրաժեշտությունը:
Այժմյան անզգայացման սարքերը սուպերինտելեկտուալ կառավարման համակարգերով են, որոնք դեղամիջոցների մատուցումն ավելի ճշգրիտ են դարձնում: PID կառավարիչները աշխատում են՝ անընդհատ կարգաբերելով դեղամիջոցների քանակը՝ հիմնվելով հիվանդի օրգանիզմում տեղի ունեցող գործընթացների վրա: Միևնույն ժամանակ MPC համակարգերը գնում են մեկ քայլ առաջ՝ կանխատեսելով հիվանդների հնարավոր արձագանքը՝ հիմնվելով բարդ ֆիզիոլոգիական մոդելների վրա: Որոշ նորագույն համակարգեր օգտագործում են նաև ուժեղացված ուսուցման (reinforcement learning) մեթոդներ, երբ սարքը իրականում սովորում է փորձից՝ սիմուլյացված օպերացիաների ընթացքում: Հետազոտությունների համաձայն՝ անցյալ տարի հրապարակված տվյալներով, այս ավտոմատացված համակարգերի միասնական կիրառումը մարդկային սխալները նվազեցրել է մոտ մեկ երրորդով, երբ փորձում են պահել հիվանդին ճիշտ աստիճանի անզգայացման մեջ: Սա կարևոր է, քանի որ անզգայացման չափավոր և չափազանց քանակների միջև ճիշտ հավասարակշռություն հաստատելը կարող է ուղղակի կյանքի և մահվան հարց լինել:
| Վերահսկիչի տեսակ | Ֆունկցիոնալություն | Կլինիկական առավելություն |
|---|---|---|
| PID կառավարիչներ | Կարգաբերում է դեղամիջոցների ներարկման արագությունը՝ սխալները ուղղելով | Կայունացնում է հեմոդինամիկական ցուցանիշները |
| MPC համակարգեր | Կանխատեսել դեղամիջոցների փոխազդեցությունը՝ օգտագործելով հիվանդի մոդելներ | Օպտիմալացնում է բազմադեղային համադրումները |
| Ուժեցված ուսուցում | Ուսումնասիրում է օպտիմալ չափաբաժինները՝ փորձի և սխալի միջոցով | Ընդհարձակվում է անսովոր հիվանդի նյութափոխանակությանը |
Արհեստական ինտելեկտով աշխատող ժամանակակից անզգայացման սարքերը ներառում են մեքենայական ուսուցման մոդելներ, որոնք վերապատրաստվել են ֆարմակոկինետիկայի տարիներ շարունակ եղած տեղեկությունների վրա: Այս առաջադեմ համակարգերը վիրահատությունից առաջ հաշվի են առնում տարբեր գործոններ, ինչպիսիք են հիվանդի տարիքը, առկա առողջական խնդիրները և նույնիսկ գենետիկական ցուցանիշները՝ գնահատելու, թե ինչպես կարող է հատուկ անձը դիմադրել պրոպոֆոլի կամ սեվոֆլուրանի նման դեղամիջոցներին: Բարձր ռիսկի հիվանդների հետ աշխատելիս այս կանխատեսման գործիքները, համեմատված ավանդական չափաբաժինների մեթոդների հետ, կարող են նվազեցնել վիրահատությունից հետո առաջացող շփոթմունքի դեպքերը մոտ 22 տոկոսով: Այս բարելավումը ներկայացնում է հիվանդի անվտանգության համար կարևոր քայլ բարդ վիրահատությունների ընթացքում:
Ինչ է սպասվում անզեղչման տեխնոլոգիային։ Մենք դիտարկում ենք այնպիսի մեքենաներ, որոնք կարող են աշխատել ինքնուրույն՝ դեռևս բժիշկների վերահսկողությամբ։ Այս նոր համակարգերը միաժամանակ կմիավորեն ինֆորմացիան ուղեղի ալիքներից, արյան ճնշման ցուցանիշներից և շնչառական օրինաչափություններից։ Դրանք ապա վիրահատության ընթացքում անհրաժեշտության դեպքում փոքր-ինչ կկարգավորեն դեղամիջոցների չափաբաժիններն ու վենտիլատորի կարգավորումները։ Ներկայումս շատ քննարկումներ են տեղի ունենում նաև էթիկայի շուրջ։ Մարդիկ ցանկանում են իմանալ, թե ինչպես են այս ԱԻ համակարգերը ընտրություններ կատարում։ Հիվանդանոցները պետք է կանոններ մշակեն, որպեսզի երբ վիրահատության ընթացքում անսպասելի իրավիճակ առաջանա, մեքենան չհետևի իր ծրագրին կուրորեն, այլ համապատասխան ձևով արձագանքի՝ հիմնվելով վիրաբույժների փորձին, որը կարևոր է այդ կրիտիկական պահերին։
Արդյոք այն ավարտական համագործակցություն է, թե գործնական փոխանցում։
EN
Խիստ նորություններ