ဉာဏ်ရည်တုစနစ်များသို့ အေးဆေးစက်များ၏ အဆင့်တိုးတက်လာမှု

လက်တွေ့စနစ်မှ အလိုအလျောက် အေးဆေးစနစ်များသို့ ပြောင်းလဲခြင်းနှင့် ခွဲစိတ်ကုသမှု ဘေးကင်းလုံခြုံမှုအပေါ် သက်ရောက်မှု

လုပ်ထုံးလုပ်နည်းများမှ အလိုအလျောက် ဆေးငြိမ်းစနစ်များသို့ ပြောင်းလဲခြင်းသည် လုပ်စဉ်ကာလအတွင်း လူနာဘေးကင်းရေးအတွက် အဓိက တိုးတက်မှုတစ်ခုဖြစ်သည်။ ယခင်ကိရိယာများသည် အနောက်အဆိုင်းပြုချက်များနှင့် ဆရာဝန်များ၏ ကိုယ်ပိုင်အတွေ့အကြုံများအပေါ် အလွန်မှီခိုနေခဲ့ပြီး ဆေးပမာဏများတွင် အမှားအယွင်းများနှင့် သွေးတိုးမတည်ငြိမ်ဖြစ်မှုများကို မကြာခဏ ဖြစ်စေခဲ့သည်။ ယနေ့ခေတ် ဉာဏ်ရည်မြင့် ဆေးထိုးစက်များသည် ဆေးဝါးများ ခန္တိအတွင်း ပျံ့နှံ့ပုံကို ခြေရာခံသည့် အချိန်နှင့်တစ်ပြေးညီ ဒေတာမော်ဒယ်များဖြင့် အလုပ်လုပ်ကာ ဆေးပမာဏကို သင့်တင့်မျှတစွာ ထိန်းသိမ်းပေးသည်။ Ponemon မှ 2023 ခုနှစ်တွင် ထုတ်ဝေသော သုတေသနအရ ဤစနစ်များသည် ဆေးငြိမ်းအနက်အဆင့်နှင့် သက်ဆိုင်သော ပြဿနာများကို ခန့်မှန်းခြေ 37% လျှော့ချပေးနိုင်ခဲ့သည်။ ဤအရာက လက်တွေ့တွင် အဓိပ္ပာယ်ကား အဘယ်နည်း။ ဆေးငြိမ်းဆရာများသည် အကြိမ်ကြိမ် အသေးစိတ်ပြင်ဆင်မှုများ ပြုလုပ်ရန် အချိန်နည်းပြီး ၎င်းတို့၏ ကျွမ်းကျင်မှုများ အမှန်တကယ် အရေးပါသော ရှုပ်ထွေးသည့် ကိစ္စများကို ကိုင်တွယ်ရန် အချိန်ပိုရရှိလာသည်။

ဉာဏ်ရည်မြင့် ဆေးငြိမ်းပို့ဆောင်မှုစနစ်များတွင် သိသာထင်ရှားသော နည်းပညာဆိုင်ရာ အဆင့်များ

ဉာဏ်ရည်မြင့် ဆေးငြိမ်းစက်များကို အဓိက သုံးခုက သတ်မှတ်ပေးသည်-

• ပြန်လည်ချိန်ထုတ်မှု ကန့်သတ်ခြင်း bispectral index (BIS) ပြန်လည်အကြံပေးမှုကို အသုံးပြုခြင်း (2024 ခုနှစ်အထိ အမေရိကန်ပြည်ထောင်စုရှိ ဆေးရုံများ၏ 63% တွင် အသုံးပြုထား)
• အဆုတ်ထဲက CO₂ ပမာဏ ပြောင်းလဲမှုကို တုံ့ပြန်၍ လိုက်လျောညီထွေဖြစ်အောင် ချိန်ညှိပေးသော လေဝင်လေထွက် စနစ်
• အိုပီအိုက်ဒ် လိုအပ်ချက်ကို ၈၉% တိကျစွာ ကြိုတင်ခန့်မှန်းနိုင်သော စက်သင်ယူမှု မော်ဒယ်များ

ဤတိုးတက်မှုများသည် အသက်ရှူမှု နှင့် သွေးပေါင်ချိန်ကို လူနာ၏ ခွဲစိတ်မှုမတိုင်မီ အခြေခံ အဆင့်၏ ၁၀% အတွင်း ထိန်းသိမ်းပေးသည့် FDA အတည်ပြုချက်ရ စနစ်များကို ဖြစ်ပေါ်စေခဲ့သည်။

ခေတ်မီ အသက်ရှူဆေး စက်များနှင့် ဒစ်ဂျစ်တယ်ကျန်းမာရေး စနစ်များ ပေါင်းစပ်ခြင်း

ယနေ့ခေတ် ကိရိယာများသည် ဆေးရုံ EMR များနှင့် OR telemetry စနစ်များနှင့် ချိတ်ဆက်လုပ်ဆောင်နိုင်ပြီး စုစည်းထားသော ဘေးကင်းရေး ကွန်ရက်များ ဖန်တီးပေးသည်။ ဥပမာအားဖြင့် ၂၀၂၃ ခုနှစ်က စင်တာအများအပြားတွင် ပြုလုပ်ခဲ့သော စမ်းသပ်မှုတွင် ဇီဝလက္ခဏာများ ပုံမှန်မဟုတ်ပါက အလိုအလျောက် သတိပေးချက်များက အရေးပေါ်အခြေအနေများကို ၄၁% လျော့ကျစေခဲ့သည်။ ဤချိတ်ဆက်နိုင်မှုသည် အန္တရာယ်များသော လူနာများအတွက် ဒေတာအခြေပြု ပရိုတိုကောលများကို ပံ့ပိုးပေးသော်လည်း အဖွဲ့အစည်း ၂၉% မှာ ယခင်က အသုံးပြုခဲ့သော စနစ်များနှင့် ကိုက်ညီမှု ရှိခြင်းမရှိ ပြဿနာကို ဆက်လက်ရင်ဆိုင်နေရသည်။

အလိုအလျောက် ထိန်းချုပ်မှုနှင့် ထိန်းချုပ်မှုကို တိုးတက်စေသော Closed-Loop နှင့် Open-Loop အသက်ရှူဆေး စနစ်များ

Closed-Loop အသက်ရှူဆေးစနစ်များနှင့် အချိန်နှင့်တစ်ပြေးညီ တုံ့ပြန်မှု စနစ်များကို နားလည်ခြင်း

ပိတ်စနစ်အနက်ဆေးစနစ်များသည် တိကျသော ဆေးပညာကို ချဉ်းကပ်ပုံတွင် ကြီးမားသော ပြောင်းလဲမှုတစ်ခုဖြစ်သည်။ ဤစနစ်များသည် EEG ဖတ်ရှုမှုများ၊ သွေးပေါင်ချိန်တိုင်းတာမှုများနှင့် အသက်ရှူကိရိယာများကဲ့သို့သော ဆက်လက်တိုးမြှင့်ပေးနေသော ဒေတာများအပေါ် အခြေခံ၍ ဆေးဝါးများကို အလိုအလျောက် ချက်ချင်း ချိန်ညှိပေးပါသည်။ ရိုးရာ ဖွင့်စနစ်နည်းလမ်းများသည် ဆေးရုံဝန်ထမ်းများ၏ လက်တွေ့ ချိန်ညှိမှုများကို အမြဲတမ်း လိုအပ်ပါသည်။ သို့သော် ဉာဏ်ရည်မြင့် ပိတ်စနစ်ပလက်ဖောင်းများသည် propofol ကဲ့သို့သော ဆေးများကို လူနာများကို အလွန်အကျွံ မဟုတ်ဘဲ သင့်တော်သော အိပ်ငိုက်မှုအဆင့်တွင် ထားရှိရန် အလိုအလျောက် ချိန်ညှိပေးနိုင်ပါသည်။ ၂၀၂၄ ခုနှစ်မှ လတ်တလော သုတေသနများအရ ဆေးရုံများသည် ဤအလိုအလျောက်စနစ်များသို့ ပြောင်းလဲအသုံးပြုလိုက်သည့်အခါ လုပ်ထုံးလုပ်နည်းများအတွင်း သွေးပေါင်မတည်ငြိမ်ဖြစ်ခြင်းနှင့် ဆက်စပ်သော ပြဿနာများတွင် ၄၀% ခန့် ကျဆင်းမှုကို တွေ့ရှိခဲ့ရပါသည်။ ဤနည်းပညာကို ထင်ရှားစေသည့်အချက်မှာ လူနာတစ်ဦးချင်းစီအတွက် အချိန်နှင့်တစ်ပြေးညီ ကွဲပြားစွာ တုံ့ပြန်နိုင်စွမ်းရှိခြင်းဖြစ်ပြီး လက်ဖြင့် လုပ်ဆောင်ရာတွင် အလွန်ခက်ခဲသော အရာဖြစ်ပါသည်။

ပိတ်စနစ်နှင့် ဖွင့်စနစ် အနက်ဆေးစနစ်များ၏ နှိုင်းယှဉ်ဆန်းစစ်မှု

သွေးတိုးအခြေနေတည်ငြိမ်စေရန် အသုံးပြုသော အလိုအလျောက်အသက်မဲ့ဆေးထိန်းချုပ်မှု၏ ကလီနစ်ဆိုင်ရာ ထိရောက်မှု

SVV (Stroke Volume Variation) စောင့်ကြည့်မှုကို ဗာဆိုပရက်ဆာအလိုအလျောက်စနစ်နှင့် ပေါင်းစပ်ခြင်းဖြင့် ပိတ်ခွဲစနစ် (closed-loop) များသည် ဖွင့်ခွဲစနစ် (open-loop) များ၏ 67% နှိုင်းယှဉ်၍ သွေးပေါင်ချိန် 92% ကို ပုံမှန်အတွင်းထိန်းသိမ်းနိုင်ပါသည်။ ဤတိကျမှုသည် ခွဲစိတ်ပြီးနောက် ကျောက်ကပ်ပျက်စီးမှုအန္တရာယ်ကို 29% နှင့် နှလုံးဆိုင်ရာ ပြဿနာများကို 18% လျှော့ချပေးပြီး လုပ်ထုံးလုပ်နည်း 15,000 ကျော်တွင် စမ်းသပ်မှုများဖြင့် သက်သေပြထားပါသည်။

လုပ်ငန်းတွင်း အဆန်းတစ်ခု - ခွဲစိတ်ကုသမှုအတွင်း လူနာဘေးကင်းမှု မြင့်တက်မှုကို သက်သေပြထားသော်လည်း အလိုအလျောက်စနစ်ကို လက်မခံခြင်း

ပိတ်ခွဲအနာဆာဖြေစက်များသည် အရေးပေါ်ဖြစ်ရပ်များကို 33% လျှော့ချပေးသော်လည်း ဆေးရုံများ၏ 62% သည် ဖွင့်ခွဲစနစ်များကို အဓိကလုပ်ငန်းစဉ်အဖြစ် ဆက်လက်အသုံးပြုနေဆဲဖြစ်ပါသည်။ ဤကွာဟမှုသည် ဦးစားပေးများ ကွဲပြားမှုမှ ဆင်းသက်လာခြင်းဖြစ်ပြီး ခွဲစိတ်ဆရာဝန်များ၏ 78% သည် သွေးတိုးဖိအား တည်ငြိမ်မှုကို ဦးစားပေးသော်လည်း အနာဆာဖြေအဖွဲ့၏ 54% သည် အပြည့်အဝအလိုအလျောက်စနစ်များကို စိတ်မသက်မသာဖြစ်နေကြပါသည်။ နောက်မျိုးဆက်စက်ကိရိယာများတွင် ရောစပ်ထိန်းချုပ်မှု အင်တာဖေ့စ်များ လိုအပ်ကြောင်း ထင်ရှားစေပါသည်။

AI မှ မောင်းနှင်ထားသော အနာဆာဖြေမှုနက်ရှိုင်းမှု စောင့်ကြည့်ခြင်းနှင့် ဆေးဝါးပို့ဆောင်မှု

အလိုအလျောက် အနားယာပေးခြင်းတွင် ဒွိသဘောဆောင်သော အညွှန်ကိန်း (BIS) စောင့်ကြည့်ခြင်းနှင့် ၎င်း၏ နက်ရှိုင်းမှု စီမံခန့်ခွဲမှုတွင် ပါဝင်သော အခန်းကဏ္ဍ

BIS စောင့်ကြည့်မှုအဖြစ် သိရှိထားသော Bispectral Index သည် ခေတ်မီ အလိုအလျောက် အနာဆေးစနစ်များတွင် အဓိက အခန်းကဏ္ဍမှ ပါဝင်နေပါသည်။ ၎င်းသည် EEG စက်မှ ရရှိသော ဦးနှောက်လှိုင်း ဖတ်ရှုမှုများအပေါ် အခြေခံ၍ လူနာတစ်ဦး အနာဆေးအောက်တွင် မည်မျှနက်ရှိုင်းမှုကို ဆရာဝန်များ အကဲဖြတ်ရာတွင် အသုံးပြုနိုင်သော ကိန်းဂဏန်းတစ်ခုကို ပေးစွမ်းပါသည်။ BIS ရမှတ်သည် 0 မှ 100 အထိ ရှိပြီး၊ နိမ့်သော ကိန်းဂဏန်းများမှာ ပိုမိုနက်ရှိုင်းသော အေးဆေးပေးမှုကို ရည်ညွှန်းပါသည်။ ခွဲစိတ်ဆရာဝန်အများစုသည် ခွဲစိတ်စဉ်အတွင်း လူနာများကို 40 မှ 60 အတွင်း ထားရှိရန် ရည်မှန်းပါသည်။ မကြာသေးမီက လေ့လာမှုများအရ EEG ဒေတာများတွင် sample entropy ကို သုံးသောနည်းလမ်းသည် မိတ်ကွဲများကို သာမက frequency spectra ကိုသာ ဆန်းစစ်သော ယခင်နည်းလမ်းများထက် အနာဆေးအနက်အဆင့် တိုင်းတာမှုများကို 23 ရာခိုင်နှုန်းခန့် ပိုမိုတိကျစေကြောင်း ပြသထားပါသည်။ ဤနည်းပညာကို closed loop စနစ်များတွင် တည်ဆောက်ပါက အနာဆေးစက်သည် propofol သို့မဟုတ် sevoflurane ဆေးပမာဏကို ကိုယ်ပိုင် ချိန်ညှိနိုင်ပါသည်။ Ponemon မှ 2019 ခုနှစ်တွင် ထုတ်ဝေခဲ့သော သုတေသနအရ ဤအလိုအလျောက်စနစ်သည် ခွဲစိတ်နေစဉ်အတွင်း လူနာတစ်ဦး နိုးထလာနိုင်ခြေကို 82 ရာခိုင်နှုန်းခန့် လျှော့ချပေးနိုင်ကြောင်း ဖော်ပြထားပါသည်။

AI Algorithm များကို အသုံးပြု၍ အနာဆေးအနက်အဆင့် ထိန်းချုပ်ရန်အတွက် အချိန်နှင့်တစ်ပြေးညီ EEG ပေါင်းစပ်မှု

ယနေ့ခေတ် စနစ်များသည် အဆင့်မြင့် ဉာဏ်ရည်တုကို အသုံးပြု၍ ရရှိလာသော မူရင်း EEG အချက်ပြမှုများကို ဖတ်ရှုပြီး အတွေ့အကြုံရှိသော ဆရာဝန်များပင် လွဲချော်နိုင်သည့် အလွန်သေးငယ်သော ပုံစံများကို ရှာဖွေတွေ့ရှိပါသည်။ ဤထက်မြက်သော စနစ်များသည် adaptive neurofuzzy algorithms ဟုခေါ်သော နည်းလမ်းများကို အသုံးပြု၍ တစ်စက္ကန့်လျှင် ဒေတာအမှတ် ၂၅၆ ခုကို တွက်ချက်ခြင်း ပြုလုပ်ပါသည်။ ဤစနစ်၏ အထူးအသုံးဝင်မှုမှာ သွေးပေါင်ချိန်တွင် သတိထားမိသည့် ပြောင်းလဲမှု မရှိမီ သွေးကြောများ တုံ့ပြန်ပုံကို ကြိုတင်ခန့်မှန်းနိုင်ခြင်းဖြစ်ပါသည်။ ဤကြိုတင်မြင်နိုင်မှုကြောင့် ခေတ်မီ အာရုံမဲ့ဆေး ကိရိယာများသည် ဦးနှောက်ခွဲစိတ်မှုများအတွင်း ဦးနှောက်သို့ သွေးစီးဆင်းမှု တည်ငြိမ်စေရန် ဆေးဝါးပမာဏကို ကြိုတင်ညှိနှိုင်းပေးနိုင်ပါသည်။ လူနာအတွက် အကောင်းဆုံး ဘေးကင်းလုံခြုံမှုအတွက် ခွဲစိတ်သည့်အဖွဲ့က သတ်မှတ်သည့် ပစ်မှတ်အဆင့်၏ အပေါ် သို့မဟုတ် အောက် 5 mmHg အတွင်းတွင် ရှိနေစေရန် ရည်ရွယ်ပါသည်။

MPC နှင့် Reinforcement Learning မှ အားပေးထားသော Propofol နှင့် Remifentanil Titration Algorithms

Model Predictive Control (MPC) နည်းလမ်းများကို reinforcement learning နှင့် ပေါင်းစပ်ခြင်းသည် အကြောထဲသို့ ဆေးထိုးသွင်းမှုကို ပိုမိုကောင်းမွန်စေပါသည်။ Induction phase အတွင်း propofol ဆေးကို အသုံးပြုသည့်အခါ MPC algorithm များသည် PID controller များနှင့် နှိုင်းယှဉ်ပါက overshoot ပြဿနာကို ၃၇% ခန့် လျှော့ချနိုင်ပါသည်။ ထို့အပြင် reinforcement learning နည်းလမ်းများသည် ခွဲစိတ်ပြီးနောက် နာကျင်မှုကို ထိန်းချုပ်ရန် remifentanil ဆေး၏ လိုအပ်သော ပမာဏကို ပိုမိုတိကျစွာ ခန့်မှန်းနိုင်လာပါသည်။ ဤစနစ်များ၏ ထင်ရှားသော အင်္ဂါရပ်မှာ ဇီဝဖြစ်စဉ်ဆိုင်ရာ အချက်ပြမှုများကို တစ်ချိန်တည်းတွင် ဆယ်ကျော်ခုလောက်ကို စောင့်ကြည့်နိုင်စွမ်းဖြစ်ပါသည်။ ၎င်းတို့သည် လူနာတစ်ဦးချင်းစီ၏ ဆေးဝါးများအပေါ် တုံ့ပြန်မှုပုံစံအလိုက် အလိုအလျောက် ချိန်ညှိနိုင်ပါသည်။ JAMA တွင် ပြီးခဲ့သောနှစ်က ထုတ်ဝေခဲ့သည့် ဗဟိုများစွာမှ ကလီနစ်လေ့လာမှုများအရ ဤအဆင့်မြင့်စနစ်များဖြင့် ကုသမှုခံယူသော လူနာများသည် PACU recovery area တွင် နာရီဝက်ခန့် ပိုမိုတိုတောင်းစွာ ကုန်ဆုံးခဲ့ကြောင်း တွေ့ရှိခဲ့ပါသည်။ မိနစ်တိုင်းသည် အရေးပါသော ဆေးရုံပတ်ဝန်းကျင်များတွင် ထိုကဲ့သို့သော ထိရောက်မှုမျိုးသည် အလွန်အရေးပါပါသည်။

ငြင်းခုံမှုဆိုင်ရာ အကဲဖြတ်ချက် - BIS ညွှန်းကိန်းအပေါ် အလွန်အမင်း မှီခိုမှုနှင့် မျိုးစုံသော စောင့်ကြည့်မှုနည်းလမ်းများကို တွဲဖက်အသုံးပြုခြင်း

BIS သည် လက်တွေ့အသုံးပြုမှုတွင် ယခုထက်တိုင် အသုံးများနေဆဲဖြစ်သော်လည်း နာကျင်မှုတုံ့ပြန်မှု ညွှန်းကိန်း (NRI) နှင့် သွေးစီးကြောင်းပြောင်းလဲမှု တို့ကဲ့သို့သော EEG ဒေတာများကို ပေါင်းစပ်အသုံးပြုရန် ထောက်ခံမှုများ တိုးလာနေပါသည်။ NEJM မှ ၂၀၂၂ ခုနှစ်က လေ့လာမှုအရ ခွဲစိတ်ကုသမှုအတွင်း သွေးတိုးနိမ့်ခြင်း ဖြစ်ရာတွင် BIS ကိုသာ အားကိုးပါက ၁၈ ရာခိုင်နှုန်းခန့်ကို လွဲချော်နိုင်ကြောင်း အချို့က ညွှန်ပြထားပါသည်။ ထို့ကြောင့် pulse contour analysis နှင့် capnography ဖတ်ရှုမှုများကို ပေါင်းစပ်အသုံးပြုသည့် နည်းလမ်းသစ်များ ပေါ်ပေါက်လာခဲ့ပါသည်။ ကျွန်ုပ်တို့ အမှန်တကယ် ဆွေးနွေးနေသည်မှာ AI အား အခြေခံထားသော ဉာဏ်ရည်မြင့်စနစ်များကို အသုံးပြုခြင်းနှင့် ခန္တာကိုယ်၏ မမျှော်လင့်ဘဲ ဓာတ်ပြုနေသော အချက်ပြမှုများကို ကိုင်တွယ်ရာတွင် ဆရာဝန်များ ပါဝင်နေစေရန် အကောင်းဆုံး ဟန်ချက်ညီမှုကို ရှာဖွေနေခြင်း ဖြစ်ပါသည်။

ခေတ်မီအသက်ရှူမှုစက်များသည် ယခုအခါ AI စွမ်းရည်များကို ၎င်းတို့၏ ဘေးကင်းလုံခြုံရေး ဖွဲ့စည်းပုံများအတွင်းသို့ တိုက်ရိုက်ထည့်သွင်းထားပြီး ခွဲစိတ်ကုသမှု၏ အဆင့်အပြောင်းအလဲများနှင့် လူနာ၏ ရောဂါပေါင်းစပ်မှုများကို မီလီစက္ကန့်အတွင်း တုံ့ပြန်နိုင်သည့် အလိုက်သင့်ပရိုတိုကောများကို ဖန်တီးပေးပါသည်။ ဤနည်းပညာဆိုင်ရာ ပေါင်းစပ်မှုသည် လူသားများ၏ ဉာဏ်ရည်အပေါ် ဝန်ထုပ်ဝန်ပိုးကို လျော့ကျစေပြီး အရေးကြီးသော ကုသမှုဆိုင်ရာ နယ်နိမိတ်များကို ထိန်းသိမ်းထားနိုင်ကာ ခွဲစိတ်ကုသမှု ဝန်းကျင်တွင် အန္တရာယ်စီမံခန့်ခွဲမှုကို အခြေခံပြောင်းလဲမှုတစ်ရပ်အဖြစ် ကိုယ်စားပြုပါသည်။

အလိုအလျောက်အသက်ရှူမှု၊ သွေးတိုးအခြေအနေ အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ခြင်းနှင့် ပေါင်းစပ်ထားသော ဘေးကင်းလုံခြုံရေး ပရိုတိုကောများ

နှာခေါင်းသွေးကို စောင့်ကြည့်ပေးသည့် အဆင့်မြင့် လေကြောင်းထိန်းချုပ်မှုစနစ်များတွင် အသက်ရှူခြင်းဆိုင်ရာ ဉာဏ်ရည်မြင့် algorithm များပါဝင်ပြီး end-tidal carbon dioxide အဆင့် (EtCO2) ကို ကြည့်၍ အဆုတ်ထဲသို့ တိုက်သည့်လေပမာဏနှင့် အရှိန်ကဲ့သို့သော အချက်များကို ချိန်ညှိပေးပါသည်။ ဤကဲ့သို့သော အလိုအလျောက် အသက်ရှူထောက်ပံ့မှုစနစ်များသည် လူနာများ၏ သွေးထဲရှိ ဓာတ်ငွေ့ပမာဏကို ဘေးကင်းသည့် အဆင့်တွင် ထိန်းပေးနိုင်ပြီး အလွန်အကျွံ သို့မဟုတ် မလုံလောက်စွာ အသက်ရှူမှုများကြောင့် ဖြစ်ပေါ်လာနိုင်သော ပြဿနာများကို လျော့နည်းစေပါသည်။ ၂၀၂၀ ခုနှစ်က ပြုလုပ်ခဲ့သော လေ့လာမှုတစ်ခုတွင် အလိုအလျောက် အောက်စီဂျင်ထိန်းချုပ်မှုစနစ်များကို စမ်းသပ်ကြည့်ရှုခဲ့ရာ ဆရာဝန်များက ကိုယ်တိုင်ချိန်ညှိပေးသည့် နည်းလမ်းများနှင့် နှိုင်းယှဉ်ပါက လူနာများ၏ အောက်စီဂျင်ပမာဏကို ပိုမိုတိကျစွာ ထိန်းသိမ်းပေးနိုင်ကြောင်း တွေ့ရှိခဲ့ပြီး ပျမ်းမျှ ၃၂% ပိုမိုကောင်းမွန်သည်ကို တွေ့ရှိခဲ့ပါသည်။ ထိုသို့သော ချက်ချင်းတုံ့ပြန်မှုစနစ်များသည် ခွဲစိတ်ကုသမှုအတွင်း အရာရာကို ချောမွေ့စွာ လည်ပတ်စေရာတွင် မည်မျှအရေးပါကြောင်းကို ထင်ဟပ်စေပါသည်။

EtCO2 တုံ့ပြန်မှုနှင့် အလိုအလျောက် အသက်ရှူထောက်ပံ့မှုကို အသုံးပြု၍ အလိုအလျောက် လေကြောင်းထိန်းချုပ်မှု

EtCO₂-guided စနစ်များသည် ရှူသည့်လိုအပ်ချက်များ မြန်မြန်ပြောင်းလဲနေသော laparoscopic သို့မဟုတ် thoracic ခွဲစိတ်မှုများအတွင်း inspiratory pressure နှင့် inspiratory-to-expiratory ratios များကို အလိုအလျောက်ပြောင်းလဲပေးပါသည်။ ဤစနစ်များသည် သွေးတွင်းဓာတ်ငွေ့ဆိုင်ရာ ဓာတ်ခွဲစစ်ဆေးမှုလိုအပ်ချက်ကို ၄၁% လျှော့ချပေးနိုင်ပြီး (Anesthesia & Analgesia 2023)၊ anesthesiologists များအား ပိုမိုမြင့်မားသော ဆေးဘက်ဆိုင်ရာ ဆုံးဖြတ်ချက်များပေါ်တွင် အာရုံစိုက်နိုင်စေပါသည်။

ဉာဏ်ရည်မြင့် အသက်ငြိမ်ဆေးစနစ်များတွင် အရည်စီမံခန့်ခွဲမှုအတွက် Stroke Volume Variation (SVV)

SVV စောင့်ကြည့်ခြင်းသည် အသက်ရှူခြင်းကြောင့် ပြောင်းလဲသော preload များကို အခြေခံ၍ တိုတိုင်းဝါးမျဉ်းပြောင်းလဲမှုများကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် တိကျမှန်ကန်သော အရည်ထိုးပေးမှုကို ဖြစ်စေပါသည်။ ဉာဏ်ရည်မြင့် အသက်ငြိမ်ဆေးစနစ်များတွင် SVV စံနှုန်းများကို ပေါင်းစပ်အသုံးပြုခြင်းဖြင့် ဗိုက်ခွဲခွဲစိတ်မှုကြီးများတွင် ခွဲစိတ်ပြီးနောက် ပြဿနာများကို ၂၇% လျှော့ချနိုင်ကြောင်း multicenter trial တစ်ခုအရ တွေ့ရှိရပါသည် (Journal of Clinical Monitoring 2023)။

ခွဲစိတ်နေစဉ် ဇီဝကမ္မဆိုင်ရာ စောင့်ကြည့်မှုကို ပေါင်းစပ်၍ အလိုအလျောက် ဝင်ရောက်စွက်ဖက်မှုပြုလုပ်ခြင်း

ခေတ်မီကိရိယာများသည် နှလုံးထုတ်လုပ်မှု၊ ဦးနှောက်အောက်ဆီဂျင်နှင့် အာရုံကြောကြွက်သားပိတ်ဆို့မှုအပါအဝင် ဇီဝဗေဒဖြစ်စဉ် ၈ မှ ၁၂ ခုမှ ဒေတာများကို စုစည်း၍ ဝင်ရောက်စွက်ဖက်မှုများကို လမ်းညွှန်ပေးသည်။ ဤမျိုးစုံချဉ်းကပ်မှုသည် ပုံမှန်စောင့်ကြည့်မှုနှင့် နှိုင်းယှဉ်ပါက သွေးတိုးအတက်အကျကာလကို ၁၉% တိုစေသည်။

အလိုအလျောက် အနက်စ်သီးရှားစနစ်များတွင် ဘေးကင်းလုံခြုံမှု နိမ့်ဆုံးနှုန်းနှင့် ကျော်လွန်ခွင့်ပြုချက် စနစ်များ

အလိုအလျောက်စနစ်အားလုံးတွင် ပါဝင်သည် -

• အလွန်အကျွံသုံးစွဲမှုကို တားဆီးရန် ဆေးဝါးပါဝင်မှုအများဆုံးနှုန်း
• အရေးပေါ်နိမ့်ဆုံးနှုန်းများအတွက် အသံမြည်သတိပေးချက်များဖြင့် လက်ဖြင့်ကျော်လွန်ခွင့်ပြုချက်ရွေးချယ်စရာများ
• ကိရိယာပျက်စီးမှုများကို ရှာဖွေရန် နှစ်ထပ်စနစ် ဆင်ဆာများ

ဤကာကွယ်စောင့်ရှောက်မှုစနစ်များသည် လူသားအမှားများကြောင့် ဖြစ်ပေါ်သော ဆိုးကျိုးဖြစ်ရပ်များကို ၅၃% လျော့ကျစေပြီး ဆရာဝန်များ၏ လွတ်လပ်ခွင့်ကို ထိန်းသိမ်းပေးသည် (Critical Care Medicine 2022)။ သို့သော် အနက်စ်သီးရှားပညာရှင်များ၏ ၆၈% သည် တစ်ဝက်အလိုအလျောက်စနစ်များကို နှစ်သက်ကြဆဲဖြစ်ပြီး လူသားနှင့်စက် ပူးပေါင်းဆောင်ရွက်မှုကို ဟန်ချက်ညီစွာ ထိန်းသိမ်းရန် လိုအပ်ကြောင်း ဖော်ပြနေသည်။

အနက်စ်သီးရှားစက် ဘေးကင်းမှုနှင့် အလိုအလျောက်စနစ်တို့တွင် အတုအယောင် ဉာဏ်ရည်၏ အနာဂတ်

အနက်စ်သီးရှား အလိုအလျောက်စနစ်များတွင် PID၊ MPC နှင့် ပြန်လည်သင်ကြားမှု သင်ယူမှု ထိန်းချုပ်ကိရိယာများ

လတ်တလော အသုံးပြုနေသော ဆေးမှုန့်ငြိမ်းစက်များတွင် ဆေးဝါးပို့ဆောင်မှုကို ပိုမိုတိကျစေရန် ခေတ်မီထိန်းချုပ်မှုစနစ်များ တပ်ဆင်ထားပါသည်။ PID ထိန်းချုပ်ကိရိယာများသည် လူနာ၏ ခန္တာကိုယ်အတွင်း၌ လက်ရှိဖြစ်ပျက်နေသည့်အရာကို အခြေခံ၍ ဆေးပမာဏကို အမြဲတမ်း ချိန်ညှိပေးခြင်းဖြင့် အလုပ်လုပ်ပါသည်။ MPC စနစ်များကမူ ရှုပ်ထွေးသော ဇီဝကမ္မဗေဒ မော်ဒယ်များကို အခြေခံ၍ လူနာများ နောက်တစ်ကြိမ် တုံ့ပြန်နိုင်ပုံကို ခန့်မှန်းခြင်းဖြင့် ပိုမိုတိုးတက်စေပါသည်။ အချို့သော နောက်ဆုံးပေါ်စနစ်များတွင် စက်က စမ်းသပ်လေ့ကျင့်မှုများအတွင်း အတွေ့အကြုံမှ အဓိကအားဖြင့် သင်ယူနိုင်သည့် ပြန်လည်သင်ယူမှုနည်းလမ်းများကိုပါ အသုံးပြုကြပါသည်။ မကြာသေးမီက ထုတ်ဝေခဲ့သော သုတေသနတစ်ခုအရ ဤအလိုအလျောက်စနစ်အားလုံးကို စုပေါင်းလေ့လာကြည့်ပါက လူနာများကို သင့်တော်သော အိပ်ဆေးအဆင့်အတန်းတွင် ထိန်းသိမ်းရာတွင် လူသားများကျူးလွန်လေ့ရှိသော အမှားအယွင်းများကို သုံးပုံတစ်ပုံခန့် လျှော့ချပေးနိုင်ခဲ့ပါသည်။ အကြောင်းမှာ အိပ်ဆေးအလွန်အကျွံနှင့် အလွန်နည်းခြင်းကြား ဟန်ချက်ညီမှုကို ထိန်းသိမ်းရာတွင် အသက်ရှင်ခြင်းနှင့် သေဆုံးခြင်းကို ဆုံးဖြတ်ပေးနိုင်သောကြောင့် ဤကိစ္စသည် အရေးပါပါသည်။

ဆေးမေ့ဆေးများအား လူနာတုံ့ပြန်မှုကို ကြိုတင်ခန့်မှန်းရန် စက်သင်ယူမှုမော်ဒယ်များ

အတုပညာနှင့် တွဲဖက်ထားသော ခေတ်မီဆေးမေ့စက်များသည် ဆေးဝါးဇီဝကမ္မဖြစ်စဉ်ဆိုင်ရာ အချက်အလက်များကို နှစ်ပေါင်းများစွာ လေ့ကျင့်ထားသည့် စက်သင်ယူမှုမော်ဒယ်များကို အသုံးပြုထားပါသည်။ ဤတိုးတက်သောစနစ်များသည် ခွဲစိတ်မှုမစတင်မီ လူနာ၏ အသက်၊ ရှိပြီးသားကျန်းမာရေးအခြေအနေများနှင့် မျိုးရိုးဗီဇညွှန်းကိန်းများကဲ့သို့သော အချက်များကို ကြည့်ပြီး propofol သို့မဟုတ် sevoflurane ကဲ့သို့သော ဆေးများကို လူတစ်ဦးက မည်မျှကောင်းစွာ ခံနိုင်ရည်ရှိမည်ကို ခန့်မှန်းပေးပါသည်။ အန္တရာယ်များသည့် လူနာများကို ကုသရာတွင် ဤကြိုတင်ခန့်မှန်းကိရိယာများသည် ဆေးပမာဏပေးနည်းရိုးရိုးနှင့် နှိုင်းယှဉ်ပါက ခွဲစိတ်ပြီးနောက် စိတ်ရှုပ်ထွေးမှုဖြစ်ခြင်းကို အနီးစပ်ဆုံး ၂၂ ရာခိုင်နှုန်းခန့် လျော့ကျစေသည်ဟု ထင်ရပါသည်။ ဤတိုးတက်မှုသည် ရှုပ်ထွေးသော ကုသမှုများအတွင်း လူနာဘေးကင်းလုံခြုံမှုအတွက် အရေးပါသော တိုးတက်မှုတစ်ခုဖြစ်ပါသည်။

အနာဂတ် အချက်အလက်များ - အတုပညာ ထိန်းကြောင်းချိန်ဆမှုဖြင့် စိတ်ကြွဆေး ပို့ဆောင်ပေးခြင်း

စိတ်ကြွဆေး နည်းပညာအတွက် နောက်တစ်ဆင့်မှာ ဘာဖြစ်လာမလဲ။ ဆရာဝန်များက စောင့်ကြည့်နေစဉ် ကိုယ်ပိုင်အလုပ်လုပ်နိုင်သည့် စက်များကို ကျွန်ုပ်တို့ ကြည့်နေပါသည်။ ဤစနစ်သစ်များသည် ဦးနှောက်လှိုင်းများ၊ သွေးပေါင်ချိန် ဖတ်ရှုမှုများနှင့် အသက်ရှူပုံစံများမှ အချက်အလက်များကို တစ်ပြိုင်နက် ပေါင်းစပ်ပေးမည်ဖြစ်ပါသည်။ ထို့နောက် ခွဲစိတ်စဉ်အတွင်း လိုအပ်သလို ဆေးပမာဏနှင့် အသက်ရှူစက် ပြင်ဆင်မှုများကို အနည်းငယ် ချိန်ညှိပေးမည်ဖြစ်ပါသည်။ ယခုအခါ ကျင့်ဝတ်ဆိုင်ရာ ဆွေးနွေးမှုများလည်း အတော်လေး ရှိနေပါသည်။ ဤ AI စနစ်များက သူတို့၏ ရွေးချယ်မှုများကို မည်သို့ ပြုလုပ်သည်ကို လူများက သိလိုနေကြပါသည်။ ခွဲစိတ်ခန်းအတွင်း မမျှော်လင့်ထားသော အခြေအနေမျိုး ဖြစ်ပေါ်လာပါက စက်သည် ၎င်း၏ ပရိုဂရမ်ကို မျက်ကန်းမဲ့ လိုက်နာခြင်းမျိုး မပြုဘဲ ခွဲစိတ်ဆရာဝန်များ၏ အတွေ့အကြုံမှ ထိုကဲ့သို့ အရေးကြီးသော အခိုက်အတန့်များတွင် အရေးကြီးဆုံးဖြစ်သည်ဟု ဆုံးဖြတ်ပေးသည့်အတိုင်း သင့်တော်စွာ တုံ့ပြန်နိုင်ရန် ဆေးရုံများသည် စည်းမျဉ်းများ ဖန်တီးရန် လိုအပ်ပါသည်။