一种基于人工智能的术前气道评估系统通过结合关键点检测与可解释性输出，提升了风险预测能力。该模型提高了临床准确性，支持更安全的手术操作，并具备可扩展的部署潜力。它代表了人工智能与现实世界医疗流程整合的关键进展。
美国纽约，2025年7月23日——一项新的术前护理进展正在利用人工智能技术，改善临床医生对气道的评估，这是所有需要全身麻醉的手术中的一个关键因素。该项目题为《迈向人工智能辅助的医学术前气道评估》（Towards Artificial Intelligence-enabled Medical Pre-operative Airway Assessment），介绍了一种机器学习模型，能够提供一致且可解释的预测结果，帮助在手术室中识别可能危及生命的困难气道病例。
传统上，术前气道评估依赖于临床医生的体格检查和判断来评估风险。然而，这种评估的准确性可能因医生经验、光照条件以及患者解剖结构的不同而存在显著差异。新系统使用卷积神经网络（CNN）来检测面部和颈部的关键点，如颏部、甲状腺切迹和胸骨上切迹。这些是目前临床实践中使用的关键标记，但现在能够以更高的精度和可靠性进行检测。
该模型通过一种在数据集不同部分反复测试其准确性的方法进行训练，这有助于确保其结果适用于新患者。研究人员还采用了一种先进的优化技术——Adabelief，用于微调模型的学习过程。这些方法共同确保了模型在测试中保持高准确性和稳定性，误差始终保持在较低水平。
这项研究的突出之处在于它与医疗实际需求的高度契合。大多数医学领域的人工智能系统由于在做出预测时缺乏逻辑展示，难以在真实环境中应用。而这种方法提供的可追溯、可解释的预测结果与临床医生的判断逻辑一致，便于融入现有工作流程，并增强在现实应用中的信任度。
该研究团队的重要贡献者之一是张金硕（Jinshuo Zhang）。他是新加坡国立大学机械工程专业的硕士生，具备机器视觉、数据驱动工程和智能控制系统方面的学术背景。他在项目中的实际贡献包括模型开发、数据集标注以及性能调优。这些技能也通过他在EDAG工程与设计公司实习期间参与的实时嵌入式系统研究和应用经验得到了强化。
通过将人工智能领域的专业知识与对临床约束条件的深入理解相结合，该项目为术前气道评估工具设立了新标准。它标志着从传统、主观的人工评估向标准化智能系统的转变，从而提升患者安全性和临床准备效率。
【全文结束】
