開欄語：

江蘇醫療沃土之上，智慧醫療的創新實踐正蓬勃生長。從AI賦能臨牀診療、大數據優化醫院管理，到數字技術打通分級診療脈絡，前沿科技正持續重塑江蘇醫療衛生服務的面貌。今起，新華日報《健康週刊》“智繪蘇醫”專欄正式開欄。我們將持續走進江蘇各家醫院手術室、病房、門診、慢病管理中心等，深度挖掘省內醫療機構數字化轉型、人工智能臨牀落地、智慧服務升級的鮮活案例，記錄數字技術與醫療行業深度融合的探索之路。

無影燈亮起，監護儀發出平穩的“嘀、嘀”聲，一場肩袖損傷修復手術正在江蘇省省級機關醫院（江蘇老年病醫院）的手術室內開展。側臥位的患者生命體徵平穩，骨科主任張鵬手持關節鏡專注操作，年輕的麻醉醫生殷浩守在患者頭側，目光不時掃向監護儀，也看向手術檯邊的大屏幕——圍手術期風險評估系統正在實時運行，風險提示被依次列出：血流動力學波動、人工氣道脫落、低血糖，並給出了處理方案。

這是在該院手術室已應用了近一年的“AI麻醉智能體”的日常工作畫面。從術前訪視到術中監測，再到術後復甦，這個“數字專家”全程值守，像是一位經驗豐富的高年資麻醉大咖有了手術室的“分身”，時刻為手術安全保駕護航。

現場探訪：AI成為麻醉醫生的“第三隻眼”

在江蘇省省級機關醫院，因為“AI麻醉智能體”，麻醉科醫生的工作模式，和其他醫院不太一樣。

“以前術前訪視時，麻醉醫生要翻看檢驗檢查單報告，再拿着紙質評估表逐項詢問，不僅費時間，還容易遺漏隱匿風險。”殷浩向記者展示了他們的新裝備：術前與患者溝通麻醉事項，麻醉醫生只需要帶一台安裝了AI系統的PAD，患者的既往病史、檢驗檢查結果、用藥史、過敏史全部集成在同一界面，系統會自動完成20餘項專業量表評估，包括氣道評估、重要臟器功能評估、術後併發症風險預測等，最終自動生成結構化術前風險報告，明確標註患者風險等級和重點關注事項。

“就像今天手術的這位患者，系統不僅識別出近期頻发低血糖風險，還提示手術體位伴隨的血壓波動、人工氣道脫落等風險，這些都是年輕麻醉醫生容易忽略的細節。”江蘇省省級機關醫院副院長桂波告訴記者，以前評估很依賴醫生經驗，高年資麻醉醫生能從蛛絲馬跡中發現風險，年輕醫生缺乏強烈的警覺意識，但AI會把所有數據關聯分析，把藏在細節裡的風險“揪”出來，並“高亮”顯示到麻醉醫生眼前。

手術室裡也比常規多上一塊可移動的大屏。“AI麻醉智能體”在這裏切換到術中監測模式，大屏實時展示患者生命體徵變化，結合手術步驟動態推送風險提示。麻醉誘導期、手術操作期、復甦拔管期，不同階段的風險重點系統都會自動預警：比如沙灘椅位易引起低血壓，系統會在體位擺放前提示容量補充或使用升壓藥物；糖尿病患者術中易發生血糖波動，系統會提醒關注原因不明的甦醒延遲；老年患者手術，系統還會結合心功能提示輸液速度和麻醉藥物劑量注意事項。

手術結束後，AI的工作仍在繼續。復甦室裏，系統結合術前情況和術中生命體徵，提示拔管注意事項和復甦期風險；回到病房後，系統持續追蹤檢驗結果，動態預測術後併發症，還能為患者生成個性化康復方案，真正實現圍手術期全流程覆蓋。

把幾十年臨牀經驗交給AI，“煉”出靠譜智能體

這套實用的AI系統的誕生，並非一蹴而就。

麻醉科醫生極為緊缺，人才成長也需要時間，不同級別醫院、不同年資麻醉醫生“上崗”，如何保障麻醉質量的同質化、高水平，問題一直存在。2025年春節後，AI進入快速發展期，醫療大模型逐漸落地醫院，這讓桂波看到了解決問題的可能性。江蘇省省級機關醫院第一時間完成“滿血版”大模型本地化部署，有了算力支撐，2025年6月，團隊正式啟動圍手術期中高危風險預警AI智能體的研發。

要讓AI真正能用在臨牀，首先要過“數據關”。團隊整合了臨牀、影像、檢驗等多個維度的信息，覆蓋全院患者，同時協同其他多家醫院專家團隊和信息團隊，經標準化治理後形成滿足AI訓練標準的數據資產。這些高質量的數據集，成為AI訓練的“燃料”。為減少大模型“幻覺”，讓判斷更符合醫學規範，團隊還專門搭建了骨科麻醉專科知識庫，整合最新臨牀專家共識、麻醉指南、權威教材和學術文獻，讓AI的每一個判斷都有更加準確的循證醫學依據。模型訓練中，不僅有權威指南，還融入了院內高年資麻醉專家的臨牀思維鏈，把專家幾十年的臨牀經驗“教”給AI。

“大模型本身的基礎推理能力已經很強，我們把醫學專業知識和臨牀經驗注入進去，讓它從‘通才’變成麻醉專科‘專家’。”工程師介紹。上線近一年來，團隊根據臨牀反饋持續優化：一開始數據量少，可能出現手術風險提示不準，就不斷接入手術數據、補充知識庫；一開始術中數據對接不全，就逐步把監護儀、麻醉機數據實時接入。目前系統在骨科手術領域已積累成熟經驗，正在對接省內多家三甲醫院，通過多中心數據合作擴大訓練樣本，未來還將覆蓋更多手術科室，讓AI持續進化。

大咖專家“分身”，推動手術麻醉質量同質化

“我們做這個系統，最終目標就是把它做成高年資麻醉專家的‘分身’。”桂波表示。圍手術期併發症已是全球第三大死亡原因，僅次於缺血性心臟病和腦卒中，全球每年超420萬患者在術後30天內死亡，我國年手術量已突破8000萬台，圍手術期安全管理需求巨大。術前評估不充分、術中風險預警缺失、術後併發症管理滯後、決策高度依賴個人經驗，是圍手術期管理的四個核心矛盾。

“它不是隻會報警的監護儀，是真的懂手術、懂麻醉的‘助手’。”桂波告訴記者。

優秀的麻醉醫生不僅要掌握患者基礎疾病情況，還要熟悉外科手術每一步操作可能帶來的風險，但現實中哪怕高年資麻醉醫生也不可能對所有手術風險點爛熟於心，長時間手術疲勞時更難免注意力分散。在基層醫院，麻醉醫生學習機會少、複雜病例接觸少，經驗積累更慢，面對老年、多病共存的複雜患者，會有考慮不周的情況。“患者不會因為醫生年輕、在基層，就降低對安全的要求，但醫學經驗積累需要時間，我們不能讓患者為醫生的成長‘交學費’。”桂波表示，AI系統就是要填補這個經驗鴻溝——哪怕是才走上臨牀工作崗位的年輕醫生，有了系統提醒，也能明確患者的風險點，提前做好預案；哪怕是基層醫院，每一台手術都能擁有高年資麻醉專家級別的安全保障與經驗支撐。讓基層患者在家門口就能享受到高水平麻醉醫療服務，對推動優質醫療資源下沉、實現分級診療意義重大。