如果你做过手术,或者陪家人做过手术,多半见过这个场面:麻醉医生让你从十开始倒数,没数到七,你就失去了意识;再睁眼时,手术已经结束。中间那段时间,你无从询问也无从回答,睡得有多深,全凭别人替你把关。而"多深"这件事,会在两个相反的方向上出错。
## 太浅与太深,各有各的代价
太浅,可能撞上患者最恐惧的情形:全麻中的意外知晓。人能听见声音、感到疼痛,事后甚至留下记忆,身体却因为肌松药而动弹不得。《新英格兰医学杂志》2008 年的一项试验把它称为"可能留下长期心理后果的严重并发症"。
太深也不是免费的错误。发表在《美国医学会杂志》的两项试验开篇几乎是同一句话:术中脑电波被压制提示麻醉过量,而这种压制与术后谵妄相关;2026 年一篇深度学习研究的引言写得更直白——深度麻醉与恢复延迟、术后认知功能障碍和长期死亡率升高有关联。
知晓到底有多罕见?英国第五次全国审计项目给出了一笔细账:全部麻醉合计,意外知晓约每 19600 例出现 1 例;使用肌松药时升至约每 8200 例 1 例;剖宫产手术约每 670 例 1 例。三分之二的案例不发生在维持期,而发生在诱导和苏醒这两个动态阶段;被点名的风险因素包括女性、年轻成人、肥胖、急诊手术、产科心脏胸科手术、使用肌松药,以及年资较浅的麻醉医生。风险高度聚集——恰恰在最输不起疏漏的人群里。
## 四场大试验,和一个没证明身价的数字
很多手术室里挂着一台仪器,把脑电波换算成 0 到 100 的数字:0 代表检测不到脑电活动,100 代表清醒。盯着这个数字到底能不能让患者更好,至少被最高级别的临床研究检验过四次。
第一次是 2008 年 Avidan 团队发表在《新英格兰医学杂志》的 B-Unaware 试验:2000 名高危患者被随机分入双频指数(BIS)引导组或呼气末麻醉气体浓度引导组。结果,两组的确定性知晓各为 2 例,差异为零。作者的结论毫不含糊:这些发现不支持把 BIS 监测作为常规临床实践。
第二次是 2011 年,同一团队做了规模更大的 BAG-RECALL 试验:6041 名高危患者,监护仪配有声音报警,还加上了结构化教育和核对清单。结果更尴尬——BIS 组出现 7 例确定性知晓(0.24%),呼气末浓度组只有 2 例(0.07%),优越性检验没有通过(P=0.98);把确定性和可能性病例合在一起算,是 19 例(0.66%)对 8 例(0.28%),两组差值的置信区间甚至不包含零——方向是监护仪组更多,与监护仪支持者的预期正好相反。
2019 年的 Cochrane 综述把 52 项试验、41331 名受试者汇总之后,结论与单项试验一致:与呼气末气体浓度引导相比,BIS 引导在知晓发生率上未见差异证据,两组都约为千分之一,而且证据确定性被评为低。
第三次和第四次检验换了个问题:就算防不住知晓,盯着数字能不能至少避免用药过量,保护老年人的大脑?2019 年《美国医学会杂志》的 ENGAGES 试验把 1232 名 60 岁以上的大手术患者随机分组——脑电引导组确实少用了麻醉药(呼气末浓度中位 0.69 对 0.80 MAC),脑电抑制时间也更短(中位 7 对 13 分钟),但术后五天内的谵妄发生率是 26.0% 对 23.0%,不降反升,差异未达统计学显著。2024 年,ENGAGES-Canada 试验在加拿大四家医院纳入 1140 名老年心脏手术患者:用药同样更少,脑电抑制时间从中位 11.7 分钟降到 4.0 分钟,没有一位患者报告术中知晓——但谵妄发生率一组 18.15%、另一组 18.10%,几乎一模一样。
汇总的数据并非全这么冷。2025 年 11 月,《国际外科杂志》的一项更新荟萃分析合并 12 项随机试验、4523 名患者:脑电引导麻醉总体上把术后谵妄风险降低了约五分之一(相对风险 0.81),在 60 岁以上人群和非心脏手术中获益更明显,还伴随更短的住院日和更少的升压药使用,死亡率则无差异。但作者自己点出了明显的地区异质性:欧洲和东亚、澳洲的试验显示获益,北美的试验看不到——而前面四场试验中的两场谵妄试验,恰恰是在北美做的。
四场试验的共同点是:盯着数字确实改变了医生给药的方式,却没有可靠地改变患者术后的遭遇。
## 新一代 AI:从"现在多深"到"将要多深"
2025 年和 2026 年发表的研究换了个方向:不再满足于显示当前深度,而是提前几分钟预报深度要走到哪里。
一个叫 AnesNet 的深度学习框架在 2803 名手术患者身上,提前 5、10、15 分钟对不利的麻醉深度状态发出预警,分类任务的 AUROC 为 0.895。《英国麻醉学杂志》的一项研究干脆只用心率信号:分析 3338 名患者的术中心电图,仅凭心率动力学就能以 AUROC 0.953 判别"麻醉偏浅"事件,提前 15 分钟仍有 0.903;精简后的模型只用 27 个特征,计算速度快了 110 倍。另一项研究从额部脑电中切出瞬时的 α 纺锤事件,宣称能以 96% 的准确率、在标志药物过量的等电抑制出现前最多 90 秒发出预报。还有研究把镇静深度从"清醒、睡着"两态拆成"清醒、过渡、无反应"三态,在丙泊酚和咪达唑仑下分别做到 93.93% 和 97.42% 的分类准确率。
也有更省钱的路线。一项研究把 143 名患者的原始脑电直接喂给神经网络,发现效果不劣于先做复杂信号分解的流程,计算还更轻——作者认为这对资源有限的医院更友好;随后刊出的一篇评论文则反驳说,更轻的预处理并不等于更短的内在延迟。另一项研究用无监督聚类,把 16000 多个脑电数据点自动分成浅、合适、深三类,全程不需要人工标签。自动化那头,2026 年《英国麻醉学杂志》的一项系统综述汇总 17 项试验、1898 名患者:闭环输注系统把深度落在目标区间的时间提高了 17.6%,相当于两小时的手术多出约 20 分钟的合适深度;过深(BIS 低于 40)的时间显著减少,过浅的时间没有增加,拔管还平均快了 1.68 分钟。
## 标签里的循环:预测得准,不等于预测得对
把这些成果摞在一起,会看到一个容易被忽略的问题:大多数新模型训练用的"标准答案",仍是 BIS 本身——预测它的走势、预测它的越界事件、拿它做回归目标。这相当于教 AI 把一个四场大试验没能证明身价的数字预测得越来越准。预测得准,不等于预测得对。
好在更聪明的研究已经开始绕开这个循环:有的把等电抑制当终点,有的用患者的行为反应做标签,有的干脆不用标签、让数据自己聚类。它们押注的是与生理结局联系更直接的信号。还有一个绕不开的结构性困难:知晓事件太罕见(约每 19600 例 1 例),一场谵妄试验动辄需要上千人——结局证据的稀缺不是因为谁偷懒。所以更诚实的表述是:AI 确实让"深度数字"变得更准、更超前了,但从"数字更准"到"患者更好"的那一步,至今没有人走通过。
## 带得走的三件事
如果你或家人将要接受全麻,不需要记住任何 AUROC,记住三件事就够。第一,知晓风险不是均匀分布的:急诊、剖宫产、心脏胸科手术、使用肌松药、肥胖都是被点名的风险因素,而三分之二的案例发生在诱导和苏醒阶段——这两个环节的盯防,比整台手术的监测数字更重要。第二,深度监测更像仪表盘,不是自动驾驶;最大规模的试验一再没能证明,盯着数字会兑换成更好的结局。第三,对老年患者,汇总证据倾向于脑电引导下的少用药,但北美的两场大型试验没能重现获益——这是一个仍在真实争议中的问题,值得当面问麻醉团队打算怎么用监测。
留一个值得讨论的问题:如果下一代 AI 把旧数字的预测误差压到几乎为零,而旧数字与患者结局之间的联系依旧模糊——我们该继续把数字做准,还是该换一个数字?
来源:ENGAGES-Canada 随机试验(JAMA 2024)。https://doi.org/10.1001/jama.2024.8144