在執行大腦的手術中，麻醉醫師通常會靠著心率、呼吸頻率來推斷患者是否保持昏迷程度。近(6)日，麻省理工學院和麻州總醫院，開發一種演算法，可以基於大腦活動，高精準和可靠性的評估患者是否昏迷狀態，該研究日前已發表在《PLOS ONE》期刊上。
 
這項研究主要是利用2013年收集的一組數據並以機器學習方式進行訓練，該模型是由7名健康受試者接受異丙酚(propofol)麻醉，產生的33,159個2秒長的電腦數據段建構出的分類模型。
 
研究人員會透過3種方式進行測試，首先是從2013年研究的3名志願者的腦電波圖(EEG)紀錄數據，預測志願者意識喪失，結果顯示該演算法精準預測志願者意識。
 
接著研究人員再利用該演算法，分析27名接受異丙酚全身麻醉的實際手術患者EEG，該測試結果中顯示，在吵雜的現實外科手術中，其不同設備收集的數據，對於預測患者意識仍保有高精準度的分辨能力。
 
最後是透過17名接受七氟醚(sevoflurane)麻醉的手術患者EEG數據紀錄測試，七氟醚使用方式為吸入而非異丙酚輸注方式，但兩者在關鍵的腦細胞上皆會與GABA-A受體結合，不過在此測試上，該演算法準確性受到影響而降低。
 
研究團隊表示，在預測相同機制不同類別的麻醉藥上，仍有未突破的技術，接下來也針對此問題進行優化演算法。
 
而目前在20多歲受試者與患者數據進行的測試，已顯示良好的精準度，團隊則下一步希望開發針對兒童或老年者使用的演算法，以提高預測準確度。
 
資料來源：https://www.sciencedaily.com/releases/2021/05/210507093758.htm