问题描述

困难气道是气道管理领域中面临的最大挑战，其处理不善是引起麻醉相关死亡和伤残的重要原因。精准识别困难气道和高效建立人工气道是保障患者麻醉安全的重要前提。本问题致力于开发用于困难气道评估和气管插管的智能辅助医疗机器人，降低围手术期紧急气道的发生率，提高困难气道管理的安全性。

问题背景

气道管理是重症抢救和心肺复苏的首要问题，是全身麻醉手术成功的重要前提。困难气道是气道管理领域中面临的最大挑战，在手术室、重症监护室、急诊室和院前急救等紧急情况下可能会由不熟悉气管插管的医生和住院医师进行气管插管，困难气道发生率可达5-27%。近年来全国全麻手术量超9000万，高达300万以上的手术面临困难气道问题，因困难气道导致的严重并发症甚至死亡的发生率高达56%。

术前精准识别困难气道是保障患者麻醉安全的重要前提。然而，传统的困难气道评估手段包括检查患者张口度、甲颏间距、颈部活动度等，这些方法虽然在临床中广泛应用，但是由于发生困难气道的危险因素众多，上述方法敏感度和特异度不高，同时主观性强，甚至有些指标病人难以配合评估。

高效准确的困难气道解决方案是围术期安全的充分保障。对于术前预期的困难气道，大多采用保持患者自主通气、纤支镜引导下的清醒气管插管方式以最大程度地保证患者安全。然而，纤支镜的视野和操作范围较小，同时需要操作者不断通过旋转调节镜头角度寻找方位，这要求操作者对于气道解剖结构有较高的掌握度以及对于纤支镜有较高的熟练度。另外，气道分泌物的遮挡对纤支镜视野也会造成干扰。因此，临床上需要更直观、准确、易操作的插管设备来帮助麻醉医生高效进行困难气道的插管。

最新进展（截止问题发布年度）

麻醉数据容量大，形式多，变化快，如何利用人工智能（Artificial Intelligence，AI）辅助预测患者的生理参数的变化趋势，客观的麻醉质量评估及精准的临床决策是目前研究的焦点和难点。

然而目前AI在困难气道预警及解决方面国内外鲜有报道，亟待进一步深入研究。Connor等人利用了FaceGen，它使用人脸图像生成的3D模型计算61个面部比例作为特征，进行逻辑回归以识别困难插管的患者。然而，该研究对整个数据集而不是训练集进行了特征选择，存在潜在的偏差。Cuendet等人利用自动检测的面部特征并结合主成分分析进行特征选择，使用随机森林来预测插管难度。但该需要手工标记面部基准点，仍未实现全自动困难气道识别。日本和美国最近报道的结果也仅仅对可能相关的单个人脸图像模型进行了探索，并没有深入的研究。语音技术识别困难气道方面，巴西的两篇研究发现元音共振峰可用于构建困难喉镜暴露和困难面罩通气评估模型，但均存在样本量较少、未使用AI技术等局限性。

2012年，Hemmerling等人发明了远程操控的气管插管设备——开普勒气管插管系统，其在气道模拟人中首次插管成功率为100%，在临床研究中首次插管成功率为91.67%，但此技术严格意义上未体现人工智能；Biro等人研发了基于喉部影像识别技术的自动化内窥镜下气管插管装置，具有实时图像识别，远端自动定位功能，当图像识别检测声门开口，自动模式下内窥镜尖端向声门开口的几何中心点移动。但困难气道下如何更快速识别气道实现气管导航尚需进一步研究。

上海交通大学医学院附属第九人民医院为了应对困难气道管理的行业难题，由姜虹教授带领的学科团队自上世纪90年代起，就该难点问题进行了长期系统性研究，近年来尤其致力于基于人工智能的困难气道预警和解决方案的研究，目前团队通过采集人脸图像、语音、病史资料等多维度数据，并采用人脸识别、声纹识别等人工智能深度学习算法，初步构建了智能困难气道评估模型。其中，基于人工智能面部图像识别技术的困难气道评估研究荣获2021年度美国麻醉医师学会年会APSF患者安全奖，使用声纹识别技术建立困难插管评估模型的研究入选2022年度美国麻醉医师学会年会壁报交流。同时，团队首次将可视化技术、气体监测技术和人工智能算法相结合，研发出新型多模态气管插管智能导航装置，在模拟气道及动物实验中均表现出满意的插管成功率，第三代样机也入选美国麻醉医师学会年会布展交流。

未来对于实现智能化困难气道评估及气管插管，一方面需要进一步大样本多中心临床试验及成果转化，另一方面需要医工进一步深入交叉合作，不断进行算法优化，不断改良软件硬件系统，提升产品性能。

重要意义

本问题取得突破后，最终开发用于围术期气道评估的智能辅助医疗机器人及新型多模态气管插管智能导航机器人，将能更加精准的对临床麻醉中困难气道做出评估，提高困难气道插管成功率，减少紧急困难气道的发生率，降低气道相关的麻醉死亡率，提高临床麻醉的安全性，同时减轻麻醉医生的工作负担，具有极为重用的临床意义。