关键字 |
| 麻醉深度，注射器，控制系统，NMB, ASA |
介绍 |
| 麻醉是一种暂时的状态，包括无意识、没有疼痛和肌肉放松。它的目的是确定肌肉的放松，催眠和镇痛。在考虑的区域进行手术干预时，需要没有肌肉运动。通过提供阻断神经肌肉传递的药物，可以抑制肌肉运动，从而产生肌肉麻痹。传统上，这是由麻醉师执行的;根据他们的个人经验决定初始注射的适当剂量(在短时间内快速注射，目的是达到高度放松)以及适当的剂量，以便患者在手术中保持适当的放松水平。药物输送系统的主要问题是不同患者之间以及患者内部存在很大的不确定性，需要考虑年龄、体重、性别和其他身体属性以及药物代谢等因素。因此，相同的药物提供给不同的患者，同一患者在一段时间后会产生不同的结果。有时麻醉师考虑到患者的不同因素，不能很好地完成这项任务。在麻醉期间，给病人的药物是在试错的基础上给的。 This may induce severe risk to the patients. Also providing drug at a time may lead to overdose. This may give rise to instability in the level of relaxation and also over paralysis in patients. The instability in the level of relaxation have direct implications in the clinical state of the patient while the over paralysis (excessive drug amount given) may result in residual paralysis finally come to delay in recovery. By providing anatagonist drugs the problem can be overcome which indirectly leads to undesirable over drug consumption. |
| 肌电图(EMG)、肌力图(MMG)或加速肌图(AMG)用于记录肌肉反应。神经肌肉阻断水平是通过电刺激获得的。输注量和麻醉深度可以根据放松程度和麻醉师定义的理想目标(设定点)来确定。采用基于功率谱和双谱指数(BIS)的测量方法。 |
| 麻醉深度是根据麻醉师定义的不同参数来估计的，其中一些参数是无法测量的撕裂和出汗。目前还无法对催眠状态进行直接测量。因为麻醉深度的自动控制需要可测量的输出。脑电图是反映催眠深度的预期来源。不同的算法用于估计残差，从原始脑电图给出麻醉深度。脑电图测量的主要缺点是它随麻醉剂的不同而不同。 |
| 在过去的几年里，许多闭环系统被提出，从简单、静态到复杂和自适应，以克服药物消耗过多和恢复时间短的问题。在开环系统中发现了两个主要问题:控制器对设定点变化和开环增益变化高度敏感。手术室药物剂量自动控制系统的部署是一个难点。首先，系统的鲁棒性、可靠性和性能在手术室中至关重要。另一方面，麻醉师可以轻松地处理一个控制系统，该系统提供快速解释性和透明的决策，可以在线验证，并在需要时提出替代方案。而且很明显，控制系统将从控制规则的引入或修改中受益，以一种对麻醉师友好的方式，允许她/他使用她/他自己的临床知识和经验。 |
| 工程学提供的一个经典工具是反馈(闭环)控制，这是临床药理学中药物传递的一个备受关注的主题。反馈控制也可以为理解药理学制剂的作用和提供给药系统的进展做出重大贡献。麻醉的自动控制有助于麻醉师的活动。麻醉深度的闭环控制抑制了意识或药物过量的危险。持续的神经肌肉阻滞为外科医生提供了良好的工作条件，同时也降低了患者的健康风险。缩短患者在术后护理单元的停留时间有助于节省费用。 |
相关工作 |
| 在过去的几十年里，许多闭环系统被提出，以克服从简单、静态到复杂和自适应的问题(药物消耗过多和恢复时间短)。控制回路系统的这些变化是基于麻醉过程中所考虑的不同参数(肌肉反应、麻醉深度)的计算。使用双谱指数(BIS)计算是不同论文中讨论最多的方法之一。 |
| Olov Rosen, Margarida M. Silva等[1]:本文讨论了闭环麻醉中神经肌肉阻滞(NMB)的简约非线性Wiener模型的递归估计。利用从临床数据递归估计的模型参数，也证明了患者内部变异的主要来源在于模型的非线性药效学部分。对PID反馈下导致Wiener模型非线性振荡的分叉现象的距离进行了评估。 |
| Margarida Martins da Silva, Torbjorn Wigren，和Teresa等[3]:本文简要介绍了新的建模和识别策略，以解决麻醉动力学识别中的许多困难。对于全身麻醉期间肌肉松弛剂的效果，最常用的模型包括大量(大于8个)参数，如药代动力学和药效学。在临床实践中，输入信号(给患者的药物剂量分布)变化太小，无法提供足够的系统兴奋，是神经肌肉阻断系统识别的主要问题。由于可用的测量数据量有限，需要新的识别策略。 |
| Teresa Mendonca, Joao M. Lemos等[4]:这篇论文指出了药物输送系统的一个主要问题是由于患者体内和体内药物吸收和代谢动态变化造成的高度不确定性。他们提出了一种基于监督多模型自适应控制(SMMAC)的方法来解决这一问题。虽然全麻患者神经肌肉阻滞水平的控制是考虑的具体情况，但其他生理变量可以通过应用整体程序来控制。本文介绍了实施SMMAC的设计指南，以及使用阿曲库铵作为阻断剂的全麻患者的临床案例。 |
| Paulo Fazendeiro, Jose Valente de Oliveira等[5]:本文部署了一个模糊控制器，旨在满足两个重要目标:1)优化诱导适当放松水平所需的药物(阿曲库胺)的量，2)在自然语言水平上解释所进行的控制决策的兼容能力。这个目标是根据手术中的事实设定的;患者需要大量的药物剂量才能达到所需的神经肌肉阻断水平。该系统表示，由于靶点与当前阻断水平之间的差异接近于零，目前应进行少量药物输注。这里“接近零”和“小”是用模糊集表示的语言术语。因此，这个控制器被构建为对人类友好的和高度透明的。通过100例模拟患者(用于训练)和500例患者(组成测试集)的实验，验证了该方法的有效性，批准该方法在手术室应用。 |
| O. Simanski, R. Kahler et al[8]:本文讨论了神经肌肉阻滞和麻醉深度的控制问题。为了控制全身麻醉的主要部分(肌肉反应，麻醉深度)，控制系统是强制的。介绍了系统在不同实验条件下的应用测量技术和控制策略。将开关控制器与GPC相结合，可以较好地控制神经肌肉阻滞。该研究共对31例患者进行了研究，这些患者年龄在33 - 63岁之间，必须接受胰腺手术，以在±3%的耐受范围内将神经肌肉阻滞控制在90%的设定值，使用药物Mivacurium。 |
提出了系统 |
| 管制药物是可以通过测量肌肉松弛和麻醉深度来获得的目标。用MMG、EMG、AMG等记录神经刺激对肌肉的反应。从这里可以测量肌肉松弛。这可以通过血浆和身体其他部位的药物剂量和药物浓度之间的相互作用来模拟。运用功率谱和双谱指数(BIS)对麻醉进行了系统的深入分析。麻醉深度是由脑电图的双谱(BIS)、脑电图的状态熵或听觉诱发电位等传感器测量的。BIS传感器提供的指数介于0%(深度催眠，对应于等电脑电图线)和100%(“完全清醒”状态)之间。这些信息有助于确定患者的不同状态。在此信息的基础上，给患者适当的药物量是目标。简单的表示如图1所示。 |
| 控制器模型由患者、ASA和控制工厂的先验信息组成。控制装置在测量组件(肌肉松弛和麻醉深度的测量)和注射器组件上工作，包括电机和注射器。 |
| 物理属性和ASA在传统的基础上计算药物的数量。但对于控制性病例，应注意适当的肌肉放松、麻醉深度和镇痛。 |
| 设计步骤: |
| 1.物理属性和ASA计算药量(传统方法)。 |
| 2.测量肌肉松弛度和麻醉深度。 |
| 3.如果达到适当的状态(肌肉放松和麻醉深度)，向马达发送信号。 |
| 4.注射器提供了大量的药物。 |
| 5.最后阶段将深度麻醉计算，以了解患者的清醒状态。 |
结论 |
| 所代表的基于模型的系统将是一个可能的高效系统。采用的是控制系统，并回顾了肌肉松弛技术和麻醉深度。在药物方面的实验输出是由注射器系统实现的。 |
确认 |
| 我非常感谢我的导师S.M. Deshmukh博士和A.S. Patharkar在整个工作过程中一直给予我的支持和鼓励。我还要衷心感谢迪内希·拉尔瓦尼博士给予我的巨大帮助和支持。 |
数字一览 |
 |
| 图1 |
|
参考文献 |
- Olov Rosen, Margarida M. Silva和Alexander Medvedev，“闭环麻醉中神经肌肉阻滞的收缩Wiener模型的非线性估计”，IEEE学报，第9258-9264页，2014。
- JoeetaAnuragTomer博士r. pdubey博士。“一种基于Weiner模型的自组织模糊逻辑控制方法”，《计算机科学与软件工程》，2013年第3卷，第11期。
- Margarida Martins da Silva, TorbjörnWigren和Teresa Mendonça，“麻醉中最小神经肌肉阻滞模型的非线性识别”，IEEE控制系统技术学报，第20卷，第1期，pp. 182 -188, 2012。
- Teresa Mendonça, Joao M. Lemos, Hugo Magalhaes, Paula Rocha，和SimaoEsteves，“有监督的多模型自适应控制的神经肌肉阻滞药物输送”，IEEE控制系统技术学报，第17卷，第6期，第1237-1244页，2009。
- Paulo Fazendeiro, Jose Valente de Oliveira和WitoldPedrycz，“一个病人和麻醉师友好的神经肌肉阻断控制器的多目标设计”，IEEE生物医学工程学报，第54卷，第9期，第1667-1678页，2007。
- Teresa Mendonça, Hugo Magalhaes, João M. Lemos，和RuiDionísio，“传感器故障存在下神经肌肉阻断的控制”，IEEE生物医学工程学报，第52卷，第11期，1902-1911页，2005。
- Erik van Lunteren和Michelle Moyer，“结合可变频率训练刺激和K+通道阻断增强骨骼肌力量”，《IEEE神经系统与康复工程学报》，Vol. 12, No. 2, pp. 288-294, 2004。
- O. Simanski, R. Kahler, B. Pohl, R. Hofmockel, R. Friedrich, B. P. Lampe，“神经肌肉阻滞和麻醉深度的测量和控制”。
|
菜单
