作者简介:祁海鸥(1974-),女,硕士,副主任护师,护理部副主任.收稿日期:2023-01-12基金项目:浙江省医药卫生健康科技计划(临床研究应用项目),编号2022KY182机器学习算法在手术室管理中的应用进展祁海鸥,徐欣,薛子豪浙江大学医学院附属邵逸夫医院,浙江杭州310016摘要:从手术时长预测与手术资源规划、手术相关性压力性损伤预测与评估、手术部位感染以及术中低体温风险预测等方面,对机器学习算法在手术室管理中的应用进行介绍,旨为提升手术室运营效率、优化手术患者的安全管理提供参考。关键词:人工智能;机器学习;手术室管理;手术室护理DOI:10.3969/j.issn.1671-9875.2023.06.022中图分类号:R197.323.2文献标识码:A文章编号:1671-9875(2023)06-0092-05机器学习算法是实现人工智能的关键技术。在医疗护理领域中,机器学习已被广泛应用于疾病预测与辅助诊断、医学影像识别、疾病预后评价和慢病健康管理等环节。随着医疗技术进步和医院规模扩张,手术室的运营与护理管理也迎来了新的挑战,借助机器学习算法实现手术室护理工作的智能化已成为发展趋势。当前,已有研究者在宏观层面提出手术室大数据系统框架用于优化手术室护理质量[1],但尚缺乏研究总结如何利用大数据实现手术室护理的智能化。本文通过总结机器学习算法在手术时长预测与手术资源规划、手术相关压力性损伤(surgery-relatedpressureinju-ry,SRPI)预测与评估、手术部位感染(surgicalsiteinfection,SSI)与术中低体温风险预测中的应用,以期为提升手术室运营效率、优化手术患者的安全管理提供参考。1机器学习概述人工智能是通过机器模拟人类的方式,记录、积累、再现和运用知识的学科,本质是对人类意识与思维信息过程的模拟[2]。人工智能的主要技术体系包括机器学习、自然语言处理、计算机视觉、人机交互等。机器学习是实现人工智能最重要的分支之一,其本质在于通过算法解析数据之间的关系并从中学习,以实现预测和决策的功能。与传统统计分析方法不同,机器学习不需要人为决定预测因素的组合方式,算法自身将测试出最优交互项组合以优化目标函数。因此,机器学习相比于传统统计更侧重于提升数据分析的精确度以及算法效率。机器学习可分为监督学习、非监督学习、强化学习三类[3]。常用的机器学习算法包括支持向量机算法(supportvectormachines,SVM)、决策树算法(decisiontree,DT)、随机森林算法(randomforest,RF)、朴素贝叶斯算法(naivebayes)、梯度增强算法(gradientboosting)、神经网络算法(neuralnetworks)...
