Ხელით შესრულებული მეთოდებიდან ავტომატიზირებულ ანესთეზიის სისტემებზე გადასვლა ოპერაციების დროს პაციენტის უსაფრთხოებისთვის მნიშვნელოვან წინსვლას წარმოადგენს. ძველი აღჭურვილობა ძალიან მეტად დამოკიდებული იყო ანალოგურ პარამეტრებზე და ექიმების პირად გამოცდილებაზე, რაც ხშირად იწვევდა მედიკამენტების დოზირების შეცდომებს და არასტაბილურ წნევას. დღევანდელი ინტელექტუალური ინფუზიური პუმპები მუშაობს სიცოცხლის მონაცემების მოდელებთან ერთად, რომლებიც აკონტროლიბენ მედიკამენტების გავრცელებას სხეულში და უზრუნველყოფენ მედიკამენტების სწორ დონეს. 2023 წელს Ponemon-ის მიერ გამოქვეყნებული კვლევის მიხედვით, ასეთმა სისტემებმა ანესთეზიის სიღრმის დაკავშირებული პრობლემები დაახლოებით 37%-ით შეამცირა. რას ნიშნავს ეს პრაქტიკაში? ანესთეზიოლოგები ნაკლებ დროს ატარებენ მუდმივი მცირე შეცვლების შესრულებაზე და მეტ დროს აქცევენ იმ რთულ შემთხვევებზე, სადაც მათი გამოცდილება ნამდვილად მნიშვნელოვანია.
Სამი ინოვაცია განსაზღვრავს თანამედროვე ანესთეზიის აპარატებს:
Ეს განვითარება განაპირობა FDA-მიერ დადასტურებულ სისტემებში, რომლებიც ავტომატურად არეგულირებენ ანესთეზიის სიღრმეს, ხოლო წნევას უცვლელად არჩევენ ოპერაციამდელი მაჩვენებლის 10%-ის ფარგლებში
Თანამედროვე მოწყობილობები ახლა უკავშირდებიან ჰოსპიტალის EMR-ებსა და ოპერაციული ოთახის ტელემეტრიის სისტემებს, რის შედეგადაც ერთიანი უსაფრთხოების ქსელი იქმნება. მაგალითად, 2023 წლის მრავალცენტრიან კვლევაში ავტომატურმა შეტყობინებებმა აბნორმალური ცხოვრების მაჩვენებლების შესახებ კრიტიკული ინციდენტები 41%-ით შეამცირა. ეს ინტეროპერაბელობა მხარს უჭერს მონაცემებზე დაფუძნებულ პროტოკოლებს მაღალი რისკის პაციენტებისთვის, თუმცა დაწესებულებათა 29% კვლავ აღმოჩნდება ძველი სისტემების თავსებადობის პრობლემებთან
Ჩაკეტილი ციკლის ანესთეზიის სისტემები ზუსტი მედიცინის მიდგომაში მნიშვნელოვან ცვლილებას წარმოადგენს. ეს სისტემები ადაპტირებენ მედიკამენტებს მიმდინარე უკუკავშირის საფუძველზე, როგორიცაა ელექტროენცეფალოგრამის (EEG) მონაცემები, წნევის მონიტორები და სუნთქვის სენსორები. ტრადიციული ღია ციკლის მეთოდები მოითხოვს მუდმივ ხელით კორექტირებას მედიკამენტების მიმართ, მაგრამ ინტელექტუალური ჩაკეტილი ციკლის პლატფორმები შეუძლიათ ავტომატურად მოარგონ პროპოფოლის მსგავსი მედიკამენტების დოზები, რათა შეინარჩუნონ პაციენტის სედაციის საჭირო დონე და არ მოხდეს გადაცილება. 2024 წლის ახალი კვლევები აჩვენებს, რომ იმ ჰოსპიტალებში, სადაც გადასვლა მოხდა ავტომატიზირებულ სისტემებზე, პროცედურების დროს წნევის არასტაბილურობასთან დაკავშირებული პრობლემები დაახლოებით 40%-ით შემცირდა. ამ ტექნოლოგიის გამორჩენილობის მიზეზი მისი უნარია რეალურ დროში ინდივიდუალურად მოუგოს თითოეულ პაციენტს, რაც ხელით ძალიან რთულია.
| Თვისება | Ღია ციკლის სისტემები | Ჩაკეტილი ციკლის სისტემები |
|---|---|---|
| Უკუკავშირის მექანიზმი | Არ არის — წინასწარ დაპროგრამებული მედიკამენტების მიცემა | Რეალურ დროში კორექტირება ფიზიოლოგიური მონაცემების საფუძველზე |
| Მედიკამენტის დოზირება | Საჭიროა რუკის ჩარევა | Ავტომატიზებული MPC/RLC ალგორითმების გამოყენებით |
| Ჰემოდინამიკური სტაბილურობა | ოპერაციის დროს ჰიპოტენზიის 58% შემთხვევა | ჰიპოტენზიის შემთხვევების 37%-ით შემცირება (Springer 2024) |
| Კოგნიტიური აღდგენა | 12,4 წუთი ანესთეზიის შემდეგ | 8,2 წუთი ანესთეზიის შემდეგ |
Სისხლის წნევის სამიზნე დიაპაზონში 92%-ში მოხვედრის მიღწევა, გახსნილი ციკლის მეთოდთან შედარებით 67%-ით, ხდება სტროქული მოცულობის ცვალებადობის (SVV) მონიტორინგის ვაზოპრესორების ავტომატიზაციასთან ინტეგრირებით. ეს სიზუსტე ამცირებს პოსტოპერაციული თირკმლის დაზიანების რისკს 29%-ით და სისხლძარღვთა გართულებების 18%-ით, რაც დადასტურებულია მრავალგვარი გამოკვლევით, რომელიც მოიცავს 15,000-ზე მეტ პროცედურას.
Მიუხედავად იმისა, რომ ჩაკეტილი ციკლის ანესთეზიის აპარატები აჩვენებენ 33%-ით ნაკლებ კრიტიკულ შემთხვევებს, საავადმყოფოების 62% გამოიყენებს გახსნილი ციკლის სისტემებს, როგორც ძირეულ სამუშაო ინსტრუმენტებს. ეს განსხვავება გამოწვეულია კონფლიქტური პრიორიტეტებით — მიუხედავად იმისა, რომ ქირურგების 78% არის ჰემოდინამიკური სტაბილურობის მხარდამჭერი, ანესთეზიოლოგთა 54% გამოხატავს უხერხულობას სრულიად ავტონომიური სისტემების მიმართ, რაც ადგენს ჰიბრიდული კონტროლის ინტერფეისების საჭიროებას ახალი თაობის პლატფორმებში.
Ორმაგი სპექტრალური ინდექსი, რომელიც ზოგადად ცნობილია, როგორც BIS მონიტორინგი, თამაშობს მნიშვნელოვან როლს თანამედროვე ავტომატიზირებულ ანესთეზიის სისტემებში. ეს აძლევს ექიმებს რეალურ რიცხვს, რომლის საფუძველზეც შეიძლება შეფასდეს პაციენტის ანესთეზიის სიღრმე, მიღებული EEG მანქანის ტვინის ტალღების მონაცემების საფუძველზე. BIS ქულა იწყება 0-დან 100-მდე, სადაც უფრო დაბალი მაჩვენებლები ნიშნავს უფრო ღრმა ანესთეზიას. უმეტესი ქირურგი მიიღწევს 40-60 დიაპაზონში შენარჩუნებას ოპერაციის დროს. ახლანდელი კვლევები აჩვენებს, რომ EEG მონაცემებში ნიმუშის ენტროპიის განხილვა სიღრმის გაზომვას უფრო 23 პროცენტით ზრდის სიზუსტეს იმ ძველი მეთოდების შედარებით, რომლებიც მხოლოდ სიხშირის სპექტრებს ანალიზირებდნენ. როდესაც ეს ტექნოლოგია ჩართულია დახურულ ციკლურ სისტემებში, ანესთეზიის აპარატი თვითონ არეგულირებს პროპოფოლის ან სევოფლურანის დოზებს. 2019 წელს Ponemon-ში გამოქვეყნებული კვლევის თანახმად, ავტომატიზაცია 82 პროცენტით ამცირებს შემთხვევების რიცხვს, როდესაც პაციენტი აღდგება მოქმედების დროს.
Დღევანდელი გაუმჯობესებული სისტემები ხელოვნურ ინტელექტს იყენებს, რომ წაიკითხოს ნეირონული სიგნალების მონაცემები შესასვლელში, აღმოაჩინოს პატარა ნიმუშები, რომლებიც შეიძლება გამოუშვას მართკუთვით გამოცდილ ექიმებს. ეს ჭკვიანი სისტემები ასრულებს ისეთ ალგორითმებს, რომლებიც ცნობილია, როგორც ადაპტური ნეირო-გაბნეული ალგორითმები, და დამუშავებს დაახლოებით 256 მონაცემს ყოველ წამში. რაც ამას ნამდვილად გამოსადეგად ხდის, არის ის, რომ ის შეუძლია პროგნოზი გასცეს სისხლძარღვების რეაქციაზე მანამდე, ვიდრე სისხლის წნევაში ნებისმიერი შესამჩნევი ცვლილება მოხდება. ამ წინასწარმეტყველების გამო, თანამედროვე ანესთეზიის აპარატურა შეუძლია წინასწარ შეცვალოს მედიკამენტების დოზები, რათა შეინარჩუნოს ტვინის სისხლის წნეის სტაბილურობა მთელი დელიკატური ნეიროქირურგიული ოპერაციის განმავლობაში. მიზანი არის დარჩენა 5 მმ ვეე-ს ფარგლებში, ზემოდან ან ქვემოთ, იმ სამიზნე დონის მიმართ, რომელიც ქირურგიული გუნდი ამაგრებს პაციენტის უსაფრთხოების მაქსიმალურად უზრუნველსაყოფად.
Მოდელის პროგნოზირების კონტროლის (MPC) მეთოდების კომბინაცია ძლიერი სწავლის ტექნიკებთან ელექტრონულად ცვლის იმ გზას, რომლითაც შეგვიძლია შევუყვანოთ ინტრავენური ანესთეზია. როდესაც საქმე მიდის პროპოფოლის შეყვანას ინდუქციის ფაზაში, MPC ალგორითმები ამცირებს ზედმეტ აღჭურვილობას დაახლოებით 37%-ით პირობითი PID კონტროლერების შედარებით. ამას თან ახლა უკვე ძლიერი სწავლის მიდგომები უკეთ ირიცხვიან საჭირო რემიფენტანილის რაოდენობას პოსტოპერაციული ტკივილის მართვისთვის ზედმეტობის გარეშე. ამ სისტემების გამორჩენილობის მიზეზი არის მათი უნარი ერთდროულად მონიტორინგი უზენაესი ათეულობით განსხვავებული ფიზიოლოგიური სიგნალის. ისინი ავტომატურად ადაპტირდებიან პაციენტის ინდივიდუალური რეაქციის მიხედვით მედიკამენტებზე. გამოქვეყნებული კლინიკური კვლევები რამდენიმე ცენტრში, რომლებიც გამოქვეყნდა წელს JAMA-ში, აჩვენებს, რომ პაციენტებმა, რომლებმაც მიიღეს მომსახურება ამ განვითარებული სისტემების გამოყენებით, PACU აღდგენის ზონაში დაახლოებით ერთი საათი და 12 წუთით ნაკლები დრო გაატარეს. ეს სიეფექტურობა ძალიან მნიშვნელოვანია საავადმყოფოში, სადაც ყოველი წუთი მნიშვნელოვანია.
BIS ჯერ კიდევ საკმაოდ გავრცელებულია პრაქტიკაში, მაგრამ ყვებიან იმაზე, რომ უნდა დაემატოს EEG მონაცემები ისეთ სიდიდეებთან ერთად, როგორიცაა ნოციცეფიური რეაქციის ინდექსი (NRI) და სისხლის მიმოქცევის ცვალებადობის მაჩვენებლები. ზოგი აღნიშნავს, რომ მხოლოდ BIS-ზე დამოკიდებულება მოწყვეტის დროს დაახლოებით 18%-ს გამოტოვებს ჰიპოტენზიის შემთხვევებიდან 2022 წლის NEJM-ის კვლევის მიხედვით. ეს განაპირობა ახალ მიდგომებს, რომლებიც ერთად იყენებენ პულსური კონტურის ანალიზს და კაპნოგრაფიის მაჩვენებლებს. რასაც ჩვენ ნამდვილად ვგულისხმობთ, არის იმ სასურველი წერტილის პოვნა ხელოვნური ინტელექტით მოძრავ ავტომატიზირებულ სისტემებს შორის და ექიმების ჩართვას შორის, როდესაც გამოვლინდება სხვადასხვა სხეულის სიგნალები, რომლებიც უცნაურად ურთიერთქმედებენ.
Თანამედროვე ანესთეზიის აპარატები ახლა უკვე ინტეგრირებული ხელოვნური ინტელექტის შესაძლებლობებით აღჭურვილი, რომლებიც პირდაპირ არის ჩაშენებული მათ უსაფრთხოების არქიტექტურაში და ქმნიან ადაპტურ პროტოკოლებს, რომლებიც მილიწამში იძლევიან პასუხს ოპერაციის ფაზების გადასვლასა და პაციენტის თანმხლებ დაავადებებზე. ეს ტექნოლოგიური სინერგია ამცირებს ადამიანის კოგნიტიურ დატვირთვას და ამავე დროს ინარჩუნებს სასიცოცხლო თერაპიულ საზღვრებს, რაც წარმოადგენს პარადიგმის ცვლის ნიმუშს პერიოპერაციული რისკების მართვაში.
Უახლესი ანესთეზიის მოწყობილობა მორგებულ სუნთქვის ალგორითმებს იყენებს, რომლებიც ანალიზებს სუნთქვის ბოლოს ნახშირორჟანგის დონეს (EtCO2) და კორექტირებს ფილტვებში შესუნთქავი ჰაერის რაოდენობას და სიჩქარეს. ასეთი ავტომატური ვენტილაციის სისტემა ამყარებს პაციენტის სისხლში არსებული აირების უსაფრთხო მაჩვენებლებს და ამცირებს სუნთქვის ნაკლებობის ან ჭარბობის გამო გამოწვეულ პრობლემებს. 2020 წლის კვლევამ შეაფასა ავტომატური ჟანგბადის კონტროლის სისტემები და დადგინა, რომ ისინი 32%-ით უკეთ ამყარებდნენ პაციენტებში სასურველ ჟანგბადის დონეს, ვიდრე მაშინ, როდესაც ყველა კორექტირება ხელით ხდებოდა ექიმის მიერ. ეს ადასტურებს, თუ რამდენად მნიშვნელოვანია ასეთი სწრაფი უკუკავშირის მართვის სისტემები მოქცევის დროს პროცესის სტაბილურად მიმდინარეობის უზრუნველსაყოფად.
EtCO₂-ზე დაფუძნებული სისტემები დინამიურად ცვლის შთამსუბუქების წნევას და შთამსუბუქების გამოსუფთავების შეფარდებას ლაპაროსკოპულ ან თორაციულ შეღწევების დროს, სადაც სუნთქვის მოთხოვნები სწრაფად იცვლება. ასეთმა სისტემებმა შეიძლება შეამციროს არტერიული სისხლის ანალიზის საჭიროება 41%-ით (Anesthesia & Analgesia 2023), რაც ანესთეზიოლოგებს საშუალებას აძლევს უფრო მაღალი დონის კლინიკური გადაწყვეტილებებით დაკავდნენ.
SVV-ის მონიტორინგი სიზუსტით უზრუნველყოფს სითხის შეყვანას, რადგან ანალიზებს არტერიული ტალღის ცვალებადობას, რომელიც იწვევს სუნთქვით გამოწვეულ წინა დატვირთვის ცვლილებებს. მრავალცენტრიანი კვლევის მიხედვით (Journal of Clinical Monitoring 2023), ჭკვიან ანესთეზიის პლატფორმები, რომლებიც ითვალისწინებენ SVV პროტოკოლებს, მნიშვნელოვნად ამცირებს პოსტოპერაციულ გართულებებს მაღალი სირთულის ურთიერთქმედებებში – 27%-ით.
Თანამედროვე მოწყობილობები აშენებენ მონაცემებს 8-დან 12 ფიზიოლოგიური პარამეტრიდან (მათ შორის სისხლის მიმოქცევის მოცულობა, ტვინის ოქსიმეტრია და ნეირომუსკულარული ბლოკადა) ჩარევების მიმართულებით. ეს მრავალმოდური მიდგომა ჰემოდინამიკური არასტაბილურობის ხანგრძლივობას 19%-ით ამოკლებს სტანდარტულ მონიტორინგთან შედარებით.
Ყველა ავტომატურ სისტემას აქვს:
Ეს უსაფრთხოების ზომები ადამიანის შეცდომებთან დაკავშირებულ უსასურველ მოვლენებს 53%-ით ამცირებს კლინიკოსის ავტონომიის შენარჩუნებით (Critical Care Medicine 2022). თუმცა, ანესთეზიოლოგების 68% კვლავ ნახევრად ავტომატიზირებულ რეჟიმებს უპირატესობას ანიჭებს, რაც ადამიანისა და მანქანის თანამშრომლობის დაბალანსებული მიდგომის აუცილებლობაზე მიუთითებს.
Უახლესი ანესთეზიის აპარატები ამჟამად კომპლექსური კონტროლის სისტემებით არის აღჭურვილი, რომლებიც მედიკამენტების მიწოდებას ბევრად უფრო ზუსტად ხდის. PID კონტროლერები მუშაობს იმით, რომ სამკურნალო საშორის რაოდენობას უწყვეტი გასწორება ხდება პაციენტის ორგანიზმში მიმდინარე პროცესების მიხედვით. ამასთან, MPC სისტემები კიდევ ერთი ნაბიჯით წინ მიდის და პროგნოზის საფუძველზე განსაზღვრავს, თუ როგორ შეიძლება რეაგირება პაციენტი შემდეგ მომენტში, რაც დამოკიდებულია სისხლძარღვთა სისტემის რთულ ფიზიოლოგიურ მოდელებზე. ზოგიერთი ახალგაზრდა სისტემა მანქანური სწავლის მეთოდებს გამოიყენებს, სადაც მანქანა სიმულირებული ოპერაციების დროს გამოცდილებიდან სწავლობს. წლის ბოლოს გამოქვეყნებული კვლევის მიხედვით, რომელიც ამ ავტომატიზირებული სისტემების ერთობლივ გამოყენებას შეისწავლიდა, ადამიანის მიერ დაშვებული შეცდომები, რომლებიც დაკავშირებულია პაციენტის სწორ ანესთეზიის დონეზე შენარჩუნებასთან, დაახლოებით მესამედით შემცირდა. ეს მნიშვნელოვანია, რადგან ანესთეზიის ზედმეტი ან არასაკმარისი დოზის შორის ბალანსის დაცვა შეიძლება პირდაპირ დაკავშირებული იყოს სიცოცხლესა და სიკვდილთან.
| Კონტროლერის ტიპი | Ფუნქციონალურობა | Კლინიკური უპირატესობა |
|---|---|---|
| PID კონტროლერები | Ადაპტირებს სამკურნალო საშორის შეყვანის სიჩქარეს შეცდომის გასწორების საშუალებით | Სტაბილურობას უზრუნველყოფს ჰემოდინამიკურ პარამეტრებში |
| MPC სისტემები | Პრეპარატების ურთიერთქმედების პროგნოზირება პაციენტის მოდელების გამოყენებით | Ოპტიმიზაცია მრავალი პრეპარატის კომბინაციებისთვის |
| Ძალისხმევის სწავლა | Ისწავლის ოპტიმალურ დოზირებას სცენარის/შეცდომის საფუძველზე | Ადაპტირდება არატიპიურ პაციენტურ მეტაბოლიზმს |
Ხელოვნური ინტელექტით აღჭურვილი თანამედროვე ანესთეზიის აპარატები იყენებს მანქანური სწავლის მოდელებს, რომლებიც წლების განმავლობაში ფარმაკოკინეტიკურ ინფორმაციაზე იქნა გადამუშავებული. ეს განვითარებული სისტემები აღირჩევს სხვადასხვა ფაქტორს შემოწმების დაწყებამდე, როგორიცაა პაციენტის ასაკი, არსებული ჯანმრთელობის მდგომარეობა და მინდვრის გენეტიკური მაჩვენებლები, რათა შეაფასოს, რამდენად კარგად შეიძლება გაუმკლავდეს პაციენტმა პრეპარატებს, როგორიცაა პროპოფოლი ან სევოფლურანი. რისკის მაღალი დონის პაციენტებთან მუშაობისას, ეს პროგნოზირების ინსტრუმენტები შედარებით ტრადიციულ დოზირებასთან მიმართებაში შემდგომი ოპერაციის შემდეგ გამოწვეული დაბნეულობის შემთხვევებს დაახლოებით 22 პროცენტით ამცირებს. ეს გაუმჯობესება წარმოადგენს მნიშვნელოვან ნაბიჯს პაციენტის უსაფრთხოების გაუმჯობესებისკენ რთული პროცედურების დროს.
Რა ელოდება ანესთეზიის ტექნოლოგიას მომავალში? ჩვენ ვუყურებთ მანქანებს, რომლებიც შეძლებენ დამოუკიდებლად მუშაობას, თუმცა ექიმები მაინც დარჩებიან ზედამხედველები. ამ ახალი სისტემების მეშვეობით ერთდროულად იქნება შეგროვებული ინფორმაცია ტვინის ტალღებიდან, წნევის მაჩვენებლებიდა და სუნთქვის პატერნებიდან. შემდეგ ისინი მცირე-მცირედ შეაფასებენ მედიკამენტების დოზებს და ვენტილატორის პარამეტრებს საჭიროების მიხედვით ოპერაციის განმავლობაში. ამჟამად ეთიკური საკითხების შესახებაც მიმდინარეობს საკმაოდ დიდი დისკუსია. ადამიანებს სურთ იცოდნენ, თუ როგორ იღებენ ამ ხელოვნური ინტელექტის სისტემები გადაწყვეტილებებს. საავადმყოფოებს უნდა შექმნან წესები, რომ როდესაც ოპერაციის დროს მოხდება რაიმე უცებ მოვლენა, მანქანა არ მიჰყვებოდეს თავის პროგრამირებას ბრმად, არამედ შესაბამისად რეაგირებდეს იმის მიხედვით, თუ რას მიუთითებს მომხსენი ექიმების გამოცდილება ამ კრიტიკულ მომენტებში.
Გამარჯვებული ახალიებიᲣნდა იყოს ბიზნეს კოოპერაცია თუ ინდუსტრიული გადაცვლა.
EN
