مجله انجمن آنستزیولوژی و مراقبت‌های ویژه ایران

زمینه: بیهوشی در جراحی‌های مغز و اعصاب به‌دلیل حساسیت بالا در حفظ فشار و جریان خون، عملکرد مغزی و نیاز به کنترل دقیق عمق بیهوشی از چالش‌برانگیزترین حوزه‌های پزشکی است. پیشرفت‌های اخیر در هوش مصنوعی و روش‌های یادگیری ماشین فرصت‌های جدیدی برای بهبود پایش، پیش‌بینی و پشتیبانی از تصمیم‌گیری در این زمینه فراهم کرده است. هدف: این مرور نظام‌مند به بررسی کاربردهای هوش مصنوعی در پیش‌بینی رخدادهای همودینامیک، برآورد عمق بیهوشی، کنترل خودکار دارو و پشتیبانی تصمیم‌گیری بالینی در بیهوشی جراحی‌های مغز و اعصاب می‌پردازد. روش: جستجوی ساختاریافته در پایگاه‌های علمی معتبر برای مطالعات منتشرشده در بازه زمانی ۲۰۱۰ تا ۲۰۲۵ انجام شد. تنها مطالعاتی وارد مرور شدند که بر روی داده‌های بالینی انسانی اجرا شده یا مدل‌های پیشنهادی را با داده‌های اتاق عمل اعتبارسنجی کرده باشند. یافته‌ها: شاخص پیش‌بینی افت فشار مبتنی بر الگوریتم‌های یادگیری ماشین در چندین کارآزمایی منجر به کاهش مدت و شدت دوره‌های افت فشار در حین عمل شده است. مدل‌های زمانی عمیق برای پیش‌بینی عمق بیهوشی از سیگنال‌های الکتروانسفالوگرافی نسبت به روش‌های داروشناسی سنتی دقت بیشتری نشان داده‌اند. سامانه‌های حلقه‌بسته چندورودی-چندخروجی توان بالقوه‌ای برای خودکارسازی ایمن کنترل بیهوشی ارائه کرده‌اند. همچنین کاربرد روش‌های پردازش زبان طبیعی در استخراج اطلاعات از پرونده‌های الکترونیک، مسیرهای جدیدی برای پیش‌بینی ریسک و پشتیبانی تصمیم‌یار بالینی فراهم کرده است. نتیجه‌گیری: هوش مصنوعی در زمینه بیهوشی جراحی‌های مغز و اعصاب از مرحلهٔ ایده به سوی کاربرد بالینی پیش رفته است؛ اما برای پذیرش گسترده لازم است توجه بیشتری به توضیح‌پذیری مدل‌ها، استانداردسازی داده‌ها و انجام آزمایش‌های بالینی چندمرکزی معطوف شود. تحقیقات آینده باید بر یکپارچه‌سازی داده‌های چندگانه و توسعه الگوریتم‌های ایمن متمرکز باشد.

دیابت شیرین یک بیماری متابولیک شایع است که منجر به هیپرگلیسمی شده و به دنبال هیپرگلیسمی تغییرات پاتوفیزیولوژیک در اندام‌های مختلف بدن دیده می‌شود، تغییرات عضلانی – اسکلتی جزء عوارض مزمن مهم آن است. عوارض مزمن دیابت بستگی به طول مدت دیابت دارد و اکثر این عوارض در طول دهه دوم این بیماری رویت می شوند (1). گلیکوزیلاسیون غیرآنزیمی کلاژن و در نتیجه رسوب کلاژن در مفاصل و به دنبال آن سندرم محدودیت حرکات مفاصل LJM ( Limited Joint Mobility) رخ می دهد(2). این سندرم در 25 – 45% بیمارانی که طولانی مدت درگیر دیابت هستند رخ می‌دهد. درگیری مفصل آتلانتو اکسی پیتال محدودیت اکستانسیون سر و گردن را در حین لارنگوسکوپی منجر می‌شود که به دنبال آن لارنگوسکوپی بیمار سخت خواهد بود. حدود 50% بیماران دیابتی در طول عمر خود تحت عمل جراحی قرار می‌گیرند. درصد گزارش راه هوایی سخت در بیماران دیابتی تقریبا 27 – 31% است (3). گلیکوزیلاسیون کلاژن ابتدا در چهارمین و پنجمین مفصل انگشتان دست رخ می‌دهد که باعث می‌شود که بیمار نتواند انگشتان و کف دست‌ها را به هم کامل نزدیک کند و بچسباند، اصطلاحا به این نشانه علامت دعا یا نشانه دعا PS (Prayer Sign) می‌گویند. درجه درگیری مفاصل بین انگشتان دست بوسیله زدن انگشتان و کف دست غالب در جوهر و گذاشتن روی کاغذ با علامت چاپ کف دست (Palm Print Sign) PPS   مشخص می‌شود. این کار اولین بار توسط Reissel و همکاران پیشنهاد شد. این دو معیار را می‌توان برای ارزیابی سخت بودن لارنگوسکوپی در نظر گرفت (3, 4, 5). مهارت در مدیریت راه هوایی در تمام حرف پزشکی ضروری است. برقراری راه هوایی برای رساندن اکسیژن و دادن تنفس به فرد نیازمند، ضروری است و شکست در این کار زندگی فرد را به مخاطره می‌اندازد (6). لوله گذاری راه هوایی یک بیمار زمانی مشکل اعلام می‌شود که یک متخصص بیهوشی آموزش دیده نیاز به بیش از 3 بار تلاش و یا بیش از 10 دقیقه زمان برای لوله گذاری داخل تراشه داشته باشد (7). در حقیقت بیشتر از 28% مرگ و میر ناشی از بیهوشی ثانویه به عدم توانایی در ماسک گیری یا لوله گذاری داخل تراشه است (8). درصد سخت بودن و شکست در لوله گذاری طبق گزارشات به ترتیب 1- 6/3% و 05/0 – 3/0 % بیان شده است (7). برای پیش بینی سخت بودن راه هوایی قبل از عمل چند معیار وجود دارد. این معیارها شامل: معیار مالمپاتی(Mallampati Test ) MPT، اندازه گیری فاصله تیرومنتال  TM(Thyro Mental )، درجه اکستانسیون سر(head elevate) HE ، تست لب گزه ULBT (upper lip bite test) امتیاز لهان و کورماک و تعدادی معیار دیگر است (7, 9, 10, 11, 12, 13, 14, 15). بیشتر این معیارها از حساسیت کمی برخوردارند و اختصاصی نیستند (7).

زمینه و هدف: مدیریت مؤثر درد پس از عمل سزارین، بهبودی مادر را تسهیل می‌کند، مراقبت زودهنگام از نوزاد را امکان‌پذیر می‌سازد و عوارض پس از عمل را کاهش می‌دهد. با توجه به محدودیت‌ها و عوارض جانبی اپیوئیدهای ناحیه‌ای، ادجوانت‌های غیرافیونی به جایگزینی جذاب تبدیل شده‌اند. این مطالعه کارایی ضد دردی دگزمدتومیدین و دوز پایین نئوستیگمین را به عنوان ادجوانت به بوپی‌واکائین در بی‌حسی نخاعی برای زایمان سزارین مقایسه کرد. مواد و روش‌ها: در این کارآزمایی بالینی تصادفی‌سازی شده دوسوکور، ۱۱۰ زن تحت سزارین انتخابی به طور تصادفی برای دریافت دگزمدتومیدین به اضافه بوپی‌واکائین (گروه D) یا نئوستیگمین به اضافه بوپی‌واکائین (گروه N) اختصاص یافتند. داده‌های دموگرافیک و داخل‌عمل ثبت شد. ویژگی‌های بلوک حسی و حرکتی، شدت درد پس از عمل (امتیاز VAS در ساعات ۲، ۴، ۸ و ۱۲)، زمان تا اولین درخواست مسکن، مصرف کل مسکن در ۲۴ ساعت، سطح سدیشن، کیفیت شل‌شدگی عضلانی، نمرات آپگار و عوارض جانبی (تهوع، استفراغ، لرز، خارش) ارزیابی شد. یافته‌ها: ویژگی‌های پایه، نمرات سدیشن، کیفیت شل‌شدگی عضلانی و پیامدهای نوزادی بین گروه‌ها قابل مقایسه بود. آغاز بلوک حسی و حرکتی در گروه نئوستیگمین به طور معنی‌داری سریع‌تر بود، در حالی که رگرسیون آن‌ها در گروه دگزمدتومیدین به طور قابل توجهی طولانی‌تر بود (۰/۰۰۱>P). نمرات درد به طور مداوم کمتر، اولین درخواست مسکن به تأخیر افتاده و مصرف کل مسکن در گروه D کاهش یافته بود (۰/۰۰۱>P). تهوع و استفراغ در گروه N با فراوانی بیشتری رخ داد (۰/۰۰۷=P). نتیجه‌گیری: دگزمدتومیدین به عنوان یک ادجوانت اینتراتکال به بوپی‌واکائین، در مقایسه با نئوستیگمین در سزارین تحت بی‌حسی نخاعی، ضد درد برتر و با دوام طولانی‌تر با عوارض گوارشی کمتر فراهم می‌کند.

چکیده   نفرولیتوتومی از راه پوست (PCNL) همچنان استاندارد طلایی درمان سنگ‌های بزرگ کلیوی محسوب می‌شود و می‌تواند تحت بی‌حسی عمومی (GA) یا بی‌حسی منطقه‌ای (RA) انجام شود. این مرور، RA و GA را برای PCNL در ابعاد بالینی متعدد مقایسه می‌کند. ما یک جستجوی ادبیات برای مطالعات انجام دادیم و پیامدهای کلیدی را خلاصه کرده‌ایم. شواهد نشان می‌دهد هر دو تکنیک بیهوشی برای PCNL ایمن و مؤثر هستند. RA مزایای پری‌اپراتیو خاصی ارائه می‌دهد (مثلاً کاهش درد، بهبودی کوتاه‌تر) اما با خطر افت فشار خون و عوارض جانبی مرتبط با بلوک همراه است؛ GA تهویه و ضد درد پایدار را به بهای بهبودی کمی طولانی‌تر فراهم می‌کند. انتخاب باید فردی‌سازی شود: RA ممکن است در بیماران همکار یا افراد دارای ریسک ریوی (به ویژه برای PCNL در وضعیت طاقباز) مورد توجه قرار گیرد، در حالی که GA ممکن است برای موارد پیچیده، طولانی یا زمانی که کنترل سریع راه هوایی نیاز است، ترجیح داده شود.   مقدمه   نفرولیتوتومی از راه پوست (PCNL) درمان ارجح برای سنگ‌های بزرگ کلیوی، سنگ‌های شاخ گوزنی و موارد نامناسب برای سنگ‌شکنی برون‌اندامی با امواج شوک است (۱، ۲). به طور سنتی، PCNL در وضعیت دمر انجام شده است که دسترسی مستقیم به کالیس‌های خلفی را فراهم می‌کند و ایجاد تراکت را با حداقل تداخل ارگانی تسهیل می‌کند (۱، ۳، ۴). اخیراً رویکرد طاقباز، موقعیت دمر را به چالش کشیده است. وضعیت طاقباز به دلیل مزایای متعددی مانند سهولت یورتروسکوپی رتروگراد همزمان، کاهش نیاز به تغییر وضعیت بیمار و مدیریت بهتر راه هوایی محبوبیت یافته است (۳، ۵، ۶). انتخاب موقعیت اغلب به ویژگی‌های بیمار، تجربه جراح و پروتکل‌های مؤسسه بستگی دارد. از نظر بیهوشی، PCNL عمدتاً تحت بی‌حسی عمومی (GA) انجام می‌شود، به ویژه در وضعیت دمر، زیرا کنترل ایمن راه هوایی و شل‌شدگی عضلانی کافی را ممکن می‌سازد (۱، ۳، ۷). با این حال، بی‌حسی منطقه‌ای (RA) شامل بی‌حسی نخاعی، اپیدورال یا بی‌حسی نخاعی-اپیدورال ترکیبی (CSEA) به عنوان یک جایگزین قابل قبیل مطرح شده است، به ویژه برای PCNL در وضعیت طاقباز (۳، ۵، ۸). RA نیاز به لوله گذاری داخل تراشه را از بین می‌برد، ممکن است ضد درد پس از عمل برتری فراهم کند و اغلب در بیماران با بیماری‌های همراه قلبی-ریوی ترجیح داده می‌شود. چندین مطالعه نیز نشان می‌دهند که RA ممکن است مزایایی مانند همودینامیک پایدارتر داخل‌عمل، کاهش خونریزی و بهبودی زودتر پس از عمل در مقایسه با GA ارائه دهد (۳، ۸-۱۱). این مرور روایتی، ادبیات فعلی را مقایسه کننده RA و GA در PCNL ترکیب می‌کند. این مرور عوامل مرتبط بالینی شامل وضعیت بیمار، ثبات همودینامیک، خونریزی داخل‌عمل، نرخ عاری از سنگ، سهولت اتساع تراکت، رضایت جراح و بیمار، زمان عمل، زمان ترخیص و عوارض عصبی را ارزیابی می‌کند.   روش‌ها   ما یک مرور روایتی از مطالعات منتشر شده به زبان انگلیسی از سال ۲۰۱۵ تا اوایل ۲۰۲۵ با استفاده از پایگاه‌های داده مانند PubMed، Embase و Google Scholar با جستجوی کلیدواژه‌هایی مانند "PCNL”، “نفرولیتوتومی از راه پوست"، "بی‌حسی منطقه‌ای"، "بی‌حسی نخاعی"، "بی‌حسی اپیدورال"، "بی‌حسی عمومی"، "مقایسه" و کلیدواژه‌های مرتبط انجام دادیم. ما کارآزمایی‌های تصادفی‌سازی شده کنترل شده (RCTs)، مطالعات کوهورت مشاهده‌ای، فراتحلیل‌ها و مرورهای سیستماتیک را که به طور مستقیم RA (تکنیک‌های نخاعی، اپیدورال یا ترکیبی) را با GA در PCNL مقایسه کرده بودند، وارد کردیم. مطالعات متمرکز بر جمعیت کودکان یا روش‌های یورتروسکوپی حذف شدند. داده‌های مربوط به پیامدهای از پیش تعریف شده از مطالعات واجد شرایط استخراج شد.

زمینه: هوش مصنوعی و یادگیری ماشین با ارائه پیش‌بینی و پشتیبانی تصمیم مبتنی بر داده، به سرعت در حال دگرگونی تصمیم‌گیری‌های پیرامونی هستند و ممکن است عوارض مرتبط با بیهوشی را کاهش دهند. علیرغم پیشرفت‌های امیدوارکننده، تبدیل این فناوری به مراقبت روتین بیهوشی به دلیل شکاف‌های روش‌شناختی، اعتبارسنجی و اجرایی، همچنان محدود است. اهداف: این مرور، کاربردهای هوش مصنوعی در بیهوشی را با تمرکز بر پیش‌بینی عوارض پیرامونی و کمک‌های پروسیجرال مبتنی بر هوش مصنوعی ارزیابی کرده و موانع اجرای آن‌ها را شناسایی می‌کند. روش‌ها: یک جستجوی نظام‌مند در پایگاه‌های پاب‌مد، ام‌بیس، وب آو ساینس، ککران CENTRAL، آی‌تریپل‌ای اکسپلور و گوگل اسکالر از ژانویه ۲۰۱۵ تا مارس ۲۰۲۵ انجام شد تا مطالعات ارزیابی‌کننده مدل‌های هوش مصنوعی یا یادگیری ماشین اعمال‌شده بر مراقبت حین عمل، مدیریت راه هوایی یا پیش‌بینی رویدادهای مرتبط با بیهوشی شناسایی شوند. غربالگری، استخراج داده و ارزیابی کیفیت توسط دو بازبین انجام شد. خطر سوگیری و قابلیت کاربرد با استفاده از PROBAST برای مطالعات مدل‌سازی پیش‌بینی و RoB 2 / ROBINS-I برای مطالعات تصادفی‌سازی شده و غیرتصادفی ارزیابی شد. در صورت مناسب بودن، برآوردهای اثر و شاخص‌های افتراق با استفاده از متاآنالیز مدل اثرات تصادفی تلفیق شدند. یافته‌ها: جستجو ۱۲۷۶ رکورد یافت؛ پس از حذف ۳۵۶ مورد تکراری و رد ۸۲۳ مورد در مرحله غربالگری، ۹۷ متن کامل ارزیابی و ۲۱ مطالعه (با حجم نمونه از ۵۶۸ نفر در کارآزمایی‌های تصادفی‌سازی شده تا بیش از ۵۰۰۰۰ مورد در مدل‌های پیش‌بینی) معیارهای ورود را داشتند. کاربردهای هوش مصنوعی شامل پیش‌بینی هیپوتانسیون حین عمل، هیپوکسمی و تهوع و استفراغ پس از عمل (PONV)، و همچنین ارزیابی راه هوایی دشوار، لوله‌گذاری تراشه با کمک رباتیک و بلوک‌های ناحیه‌ای تحت هدایت سونوگرافی بود. متاآنالیزها نشان‌دهنده قدرت افتراق خوب برای هیپوتانسیون (AUROC=0.81) و هیپوکسمی (AUROC=0.81) بودند، در حالی که پیش‌بینی PONV بهینه نبود (AUROC=0.68). معماری‌های یادگیری عمیق (مانند شبکه‌های کانولوشنی مانند انواع VGG) قوی‌ترین عملکرد را در پیش‌بینی راه هوایی دشوار داشتند (AUROC تلفیقی ≈ ۰.۸۴). فناوری‌های پروسیجرال (لوله‌گذاری با کمک رباتیک و بلوک‌های عصبی هدایت‌شده با هوش مصنوعی) در شبیه‌سازی و سری‌های بالینی اولیه نرخ موفقیت بالایی (>۹۰%) نشان دادند. نتیجه‌گیری: هوش مصنوعی از طریق بهبود پیش‌بینی خطر و کمک‌های پروسیجرال، وعده ارتقای ایمنی بیمار در بیهوشی را می‌دهد. شواهد کنونی با محدودیت‌هایی مانند حجم نمونه کوچک، روش‌های ناهمگن، اعتبارسنجی خارجی محدود و گزارش‌دهی متغیر مواجه است. برای تسریع پذیرش، کارهای آتی باید بر اعتبارسنجی چندمرکزی، کارآزمایی‌های تأثیر و هزینه-اثربخشی، گزارش‌دهی استاندارد، حاکمیت شفاف مدل، و چارچوب‌های اخلاقی و نظارتی روشن شامل رضایت آگاهانه و مدیریت داده تمرکز کنند.