构建人体全身麻醉期间脑电信号的控_ready模型

过去十年中，全身麻醉自动化得到了大量努力。一个开放的挑战在于开发用于闭环麻醉给药的控_ready患者模型。标准的麻醉深度追踪并不能轻易捕捉个体间对麻醉剂的反应差异，尤其是那些由年龄引起的差异，并且不旨在预测控制输入（输注的麻醉剂剂量）与系统状态（通常为脑电（EEG）信号的函数）之间的关系。在这项工作中，我们利用一项针对十名健康志愿者全身麻醉期间EEG的临床研究中记录的数据，开发了用于闭环丙泊酚诱导麻醉的控_ready患者模型。我们使用主成分分析来识别麻醉给药期间EEG信号演化的低维状态空间。我们使用逻辑模型参数化了EEG信号对丙泊酚靶位浓度变化的响应。我们注意到，麻醉敏感性的个体间差异可通过改变预测效应室浓度的常数余因子来捕捉。我们使用药代动力学模型将EEG剂量-响应与控制输入联系起来。最后，我们给出了一个简单的非线性模型预测控制的计算机模拟演示，说明此类闭环系统将如何工作。