基于人工智能的气道管理优化策略与实践分析

赵美玉; 王明亚; 韩永正; 郭向阳; 贾斐

doi:10.13406/j.cnki.cyxb.003693

您当前的位置：

首页 >

文章列表页 >

基于人工智能的气道管理优化策略与实践分析

综述 | 更新时间：2025-10-23

- 基于人工智能的气道管理优化策略与实践分析
- Optimization strategy and practice analysis of airway management based on artificial intelligence
- 重庆医科大学学报 2025年50卷第1期页码：1-5
- 作者机构：
  
  1.北京大学第三医院麻醉科，北京 100191
  2.中国信息通信研究院云计算与大数据研究所，北京 100191
- 作者简介：
  
  赵美玉，Email：zhaomeiyu1996@163.com，研究方向：气道管理，人工智能。
  贾　斐，Email：jiafei@caict.ac.cn。
- 基金信息：
  
  国家自然科学基金面上资助项目(82071189);首都卫生发展专项资助项目(首发2024-2-40912)
- DOI：10.13406/j.cnki.cyxb.003693
  中图分类号： R614;R782.05
- 收稿：2024-04-23，
  
  修回：2024-05-30，
  
  录用：2024-07-23，
  
  纸质出版：2025-01-28
- 稿件说明：
移动端阅览
赵美玉,王明亚,韩永正,等.基于人工智能的气道管理优化策略与实践分析[J].重庆医科大学学报,2025,50(1):1-5.

Zhao Meiyu,Wang Mingya,Han Yongzheng,et al.Optimization strategy and practice analysis of airway management based on artificial intelligence[J].Journal of Chongqing Medical University,2025,50(1):1-5.
赵美玉,王明亚,韩永正,等.基于人工智能的气道管理优化策略与实践分析[J].重庆医科大学学报,2025,50(1):1-5. DOI： 10.13406/j.cnki.cyxb.003693.

Zhao Meiyu,Wang Mingya,Han Yongzheng,et al.Optimization strategy and practice analysis of airway management based on artificial intelligence[J].Journal of Chongqing Medical University,2025,50(1):1-5. DOI： 10.13406/j.cnki.cyxb.003693.

摘要

气道管理是临床麻醉学、急救医学和重症医学领域的重要技术之一，妥善的气道管理可有效减少患者术后肺部并发症、降低患者的死亡风险。人工智能在麻醉学领域的应用日臻成熟，已成为现代麻醉实践的重要组成部分。根据医学影像信息识别困难气道的算法模型可为复杂气道评估提供辅助决策。当前麻醉机器人在气道管理领域的技术革新进展显著，已发展出基于机器视觉技术和深度神经网络技术的机器人辅助气管插管系统。本文将重点介绍人工智能时代麻醉机器人在气道管理中的应用进展。

Abstract

Airway management plays an important role in clinical anesthesiology，emergency medicine，and critical care medicine. Proper airway management can effectively reduce postoperative pulmonary complications and lower the risk of death for patients. The application of artificial intelligence in the field of anesthesiology is becoming increasingly mature and has become an important component of modern anesthesia practice. The algorithm model that identifies difficult airway by analyzing medical imaging information can provide decision support for assessing complex airway. The technological innovation of anesthesia robots in airway management has made significant progress，and a robot-assisted tracheal intubation system based on machine vision technology and deep neural network technology has been developed. This review focuses on the application progress of anesthesia robots in airway management in the era of artificial intelligence.

关键词

Keywords

references

Russotto V ， Myatra SN ， Laffey JG ， et al . Intubation practices and adverse peri-intubation events in critically ill patients from 29 countries [J ] . JAMA ， 2021 ， 325 （ 12 ）： 1164 - 1172 .

Apfelbaum JL ， Hagberg CA ， Connis RT ， et al . 2022 American society of anesthesiologists practice guidelines for management of the difficult airway [J ] . Anesthesiology ， 2022 ， 136 （ 1 ）： 31 - 81 .

Cook TM ， Woodall N ， Frerk C ， et al . Major complications of airway management in the UK：results of the Fourth National Audit Project of the Royal College of Anaesthetists and the Difficult Airway Society. Part 1：anaesthesia [J ] . Br J Anaesth ， 2011 ， 106 （ 5 ）： 617 - 631 .

Simpson GD ， Ross MJ ， McKeown DW ， et al . Tracheal intubation in the critically ill：a multi-centre national study of practice and complications [J ] . Br J Anaesth ， 2012 ， 108 （ 5 ）： 792 - 799 .

Natt BS ， Malo J ， Hypes CD ， et al . Strategies to improve first attempt success at intubation in critically ill patients [J ] . Br J Anaesth ， 2016 ， 117 （ Suppl 1 ）： i60 - i68 .

Jung W ， Kim J . Factors associated with first-pass success of emergency endotracheal intubation [J ] . Am J Emerg Med ， 2020 ， 38 （ 1 ）： 109 - 113 .

Sakles JC ， Chiu S ， Mosier J ， et al . The importance of first pass success when performing orotracheal intubation in the emergency department [J ] . Acad Emerg Med ， 2013 ， 20 （ 1 ）： 71 - 78 .

Higgs A ， McGrath BA ， Goddard C ， et al . Guidelines for the management of tracheal intubation in critically ill adults [J ] . Br J Anaesth ， 2018 ， 120 （ 2 ）： 323 - 352 .

Trent SA ， Kaji AH ， Carlson JN ， et al . Video laryngoscopy is associated with first-pass success in emergency department intubations for trauma patients：a propensity score matched analysis of the national emergency airway registry [J ] . Ann Emerg Med ， 2021 ， 78 （ 6 ）： 708 - 719 .

Tavolara TE ， Gurcan MN ， Segal S ， et al . Identification of difficult to intubate patients from frontal face images using an ensemble of deep learning models [J ] . Comput Biol Med ， 2021 ， 136 ： 104737 .

Carlson JN ， Das S ， de la Torre F ， et al . A novel artificial intelligence system for endotracheal intubation [J ] . Prehosp Emerg Care ， 2016 ， 20 （ 5 ）： 667 - 671 .

Xia M ， Jin C ， Zheng Y ， et al . Deep learning-based facial analysis for predicting difficult videolaryngoscopy: a feasibility study [J ] . Anaesthesia ， 2024 ， 79 （ 4 ）： 399 - 409 .

Parker F ， Brodsky MB ， Akst LM ， et al . Machine learning in laryngoscopy analysis：a proof of concept observational study for the identification of post-extubation ulcerations and granulomas [J ] . Ann Otol Rhinol Laryngol ， 2021 ， 130 （ 3 ）： 286 - 291 .

Hayasaka T ， Kawano K ， Kurihara K ， et al . Creation of an artificial intelligence model for intubation difficulty classification by deep learning （convolutional neural network） using face images：an observational study [J ] . J Intensive Care ， 2021 ， 9 （ 1 ）： 38 .

Cho HY ， Lee K ， Kong HJ ， et al . Deep-learning model associating lateral cervical radiographic features with Cormack-Lehane grade 3 or 4 glottic view [J ] . Anaesthesia ， 2023 ， 78 （ 1 ）： 64 - 72 .

Wang GZ ， Li CX ， Tang FD ， et al . A fully-automatic semi-supervised deep learning model for difficult airway assessment [J ] . Heliyon ， 2023 ， 9 （ 5 ）： e15629 .

Li Y ， Zheng XX ， Xie FF ， et al . Development and validation of the artificial intelligence （AI）-based diagnostic model for bronchial lumen identification [J ] . Transl Lung Cancer Res ， 2022 ， 11 （ 11 ）： 2261 - 2274 .

Choi SJ ， Kim DK ， Kim BS ， et al . Mask R-CNN based multiclass segmentation model for endotracheal intubation using video laryngoscope [J ] . Digit Health ， 2023 ， 9 ： 20552076231211547 .

吕志峰，方　洁，王洋，等 . 基于深度学习算法可视喉镜下模拟人声门图像识别模型的构建 [J ] . 中华麻醉学杂志， 2023 ， 43 （ 6 ）： 723 - 727 .

Lv ZF ， Fang J ， Wang Y ， et al . Construction of three image recognition models of manikin’s glottis using visual laryngoscopy based on deep-learning algorithm [J ] . Chin J Anesthesiol ， 2023 ， 43 （ 6 ）： 723 - 727 .

Mazzeo AT ， La Monaca E ， Di Leo R ， et al . Heart rate variability：a diagnostic and prognostic tool in anesthesia and intensive care [J ] . Acta Anaesthesiol Scand ， 2011 ， 55 （ 7 ）： 797 - 811 .

Shaffer F ， McCraty R ， Zerr CL . A healthy heart is not a metronome：an integrative review of the heart’s anatomy and heart rate variability [J ] . Front Psychol ， 2014 ， 5 ： 1040 .

Gruson D ， Bernardini S ， Dabla PK ， et al . Collaborative AI and Laboratory Medicine integration in precision cardiovascular medicine [J ] . Clin Chim Acta ， 2020 ， 509 ： 67 - 71 .

Yin Q ， Shen D ， Tang Y ， et al . Intelligent monitoring of noxious stimulation during anaesthesia based on heart rate variability analysis [J ] . Comput Biol Med ， 2022 ， 145 ： 105408 .

Shah SB ， Chawla R ， Kaur C . Assessment of stress response due to C-Mac D-blade guided videolaryngoscopic endotracheal intubation and docking of da Vinci surgical robot using perfusion index in patients undergoing transoral robotic oncosurgery [J ] . J Clin Monit Comput ， 2023 ， 37 （ 4 ）： 1011 - 1021 .

Tighe PJ ， Badiyan SJ ， Luria I ， et al . Robot-assisted airway support：a simulated case [J ] . Anesth Analg ， 2010 ， 111 （ 4 ）： 929 - 931 .

Hemmerling TM ， Taddei R ， Wehbe M ， et al . First robotic tracheal intubations in humans using the Kepler intubation system [J ] . Br J Anaesth ， 2012 ， 108 （ 6 ）： 1011 - 1016 .

Cheng XY ， Jiang GJ ， Lee K ， et al . IntuBot：design and prototyping of a robotic intubation device [C ] // 2018 IEEE International Conference on Robotics and Automation （ICRA） . Brisbane，QLD ， Australia . IEEE ， 2018 ： 1482 - 1487 .

Wang XY ， Tao YF ， Tao XD ， et al . An original design of remote robot-assisted intubation system [J ] . Sci Rep ， 2018 ， 8 （ 1 ）： 13403 .

Biro P ， Hofmann P ， Gage D ， et al . Automated tracheal intubation in an airway manikin using a robotic endoscope：a proof of concept study [J ] . Anaesthesia ， 2020 ， 75 （ 7 ）： 881 - 886 .

王荣峰，张倩雲，丁泓帆，等 . 基于磁导航技术的气管插管装置设计及可行性研究 [J ] . 中国医疗器械杂志， 2021 ， 45 （ 1 ）： 22 - 25 .

Wang RF ， Zhang QY ， Ding HF ， et al . Design and feasibility study of tracheal intubation device based on magnetic navigation technology [J ] . Chin J Med Instrum ， 2021 ， 45 （ 1 ）： 22 - 25 .

Dhananchey R ， Henri Jean Alinier G ， Bouras A ， et al . Conceptualization of artificial intelligence in airway management [J ] . J Emerg Med Trauma Acute Care ， 2022 ，2022（ 1 ）： 1 - 2 .

Deng Z ， Zhang SZ ， Guo YX ， et al . Assisted teleoperation control of robotic endoscope with visual feedback for nasotracheal intubation [J ] . Robot Auton Syst ， 2024 ， 172 ： 104586 .

任伟东，吕　楠，李梦杰，等 . 人工智能在气道管理中的应用 [J ] . 临床麻醉学杂志， 2024 ， 40 （ 3 ）： 304 - 309 .

Ren WD ， Lyu N ， Li MJ ， et al . Application of artificial intelligence in airway management [J ] . J Clin Anesthesiol ， 2024 ， 40 （ 3 ）： 304 - 309 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

人工智能用于困难气道预测的研究进展

超声结合影像组学与AI在胃肠间质瘤诊断及预后评估中的应用进展

机器人肝切除术的研究进展及现状

死后CT在法医病理研究的现状及展望