应用于决策矩阵以进行麻醉水平滴定的矢量计算

摘要

用于控制麻醉药组合物的催眠药和镇痛药浓度的方法，方法包括以下步骤：提供存储器单元，其被配置为接收和记录数据；提供至少一个数据处理单元(101)，其与存储器单元进行信号通信，并且被配置为处理数据并将该数据记录在存储器单元中；提供利用包括初始催眠药浓度和初始镇痛药浓度的第一麻醉药组合物治疗的患者的脑电双频指数(P

说明书

技术领域

本发明涉及用于控制在麻醉中使用的药物浓度的方法。特别地，本发明的方法实现了一系列步骤，这些步骤使得能够针对平衡麻醉的引起和维持以及在唤醒步骤中麻醉的停止，优化麻醉浓度的调节。

背景技术

全身麻醉主要包括两个成分：催眠和对手术创伤的应激反应的控制；在这个意义上，可以通过催眠药和镇痛药的全身用药来维持麻醉，使得通过这两个药物的组合作用来实现麻醉的治疗目的

催眠剂和镇痛剂这两者至少部分地有助于获得麻醉的两个成分，并且协同地相互作用以产生麻醉状态

在这种临床情景下仍未解决的一个问题涉及应用于在引起、维持和唤醒步骤期间每当所选目标浓度不适合于控制患者对过程相关应激的回应时调节麻醉水平的方法。为了控制平衡麻醉的水平，有必要回答两个问题：需要调整哪种药物以及需要如何调节其浓度。

描述镇痛剂和催眠剂之间的药效相互作用的数学模型使得可以识别产生相同效果的浓度的无限组合，使得当患者偏离最佳麻醉状态时可以实践不同的滴定策略。

图1图示麻醉师随时间推移所采取的方法，该方法与文献中所公开的方法以及临床实践中所引入的方法一致：对催眠药和阿片类药物的协同作用的研究表明，可以通过使用(X)高浓度的催眠药和低浓度的阿片类药物、(Y)低浓度的这两者、(Z)最低浓度的催眠药和高浓度的阿片类药物，来获得被测量为对增加的应激刺激的反应或催眠的强度水平的一定水平的麻醉。

出于同样的原因，单独监测两个药物的不同药效信号无法解决该困境。

替代方法包括：在矩阵中组合用于识别催眠或应激反应的水平的生命参数，诸如G.M.Gurman在1994年的出版物

关于该域，Gurman响应于规划增加或减少一个或这两个麻醉剂中的哪个而识别九个不同的临床条件，这些临床条件由一个或这两个生命参数的适当增加或适当减少的组合来表征。

背景技术的问题

Gurman矩阵使得能够考虑患者的生命参数而理解干预哪个药物以平衡麻醉，但未指示如何干预催眠药和/或镇痛药浓度以获得平衡麻醉。

在麻醉期间调节催眠药和镇痛药浓度的现有技术方法是基于麻醉师的经验和非结构化方法，这导致了患者的不协调管理。

发明内容

申请人现在已经发现，可以通过引入矢量计算来解决已知技术的问题，该矢量计算量化在患者中引起的麻醉相对于根据平衡麻醉所预期的值的偏差，并且通过算法将该偏差程度变换为对催眠药和镇痛药浓度的平衡干预。

特别地，本发明的目的是提供一种用于控制在麻醉中使用的药物的浓度从而便于选择待修改的参数以优化引起和维持平衡麻醉的步骤以及唤醒步骤的方法。

所提及的技术任务和具体目的基本上通过一种用于控制麻醉药组合物的催眠药和麻醉药浓度的方法来实现，该方法包括所附权利要求书中的一个或多于一个所阐述的技术特征。

本发明的优点

本发明的方法有利地使得能够将若干麻醉相关变量一起组合成单个矩阵，从而致力于平衡麻醉的目的。

与Gurman矩阵不同，本发明的方法不仅能够使得决定干预哪个药物，而且使得能够定量干预麻醉剂的浓度，从而调节麻醉规划的适应性。

有利地，该方法基于能够同时管理麻醉的催眠药和镇痛药成分的单个算法。

如前所述，由于不存在用于患者治疗的标准化方法，因此在麻醉期间的催眠药和镇痛药浓度的调节目前基于麻醉师的临床经验。这部分是由于如下事实：由于各个药理学试剂(催眠药和镇痛药)独立地对维持第一药理学效果和维持第二药理学效果做出贡献，因此使用催眠药和镇痛药的组合不能够使得与镇痛效果独立地控制催眠效果。事实上，人们认为在催眠药和镇痛药之间存在协同作用；在实践中，该协同作用极大地使“通过反复试验”进行以制定麻醉规划的麻醉师的作业复杂化。

在这个意义上，使用单个算法来处理与患者的催眠状态和镇痛状态这两者相关的临床指标、并返回适用于催眠药和镇痛药浓度这两者的增加/减少计算的通用参数(在下文中被标识为D％)是非常有利的，这不仅是针对计算的简单性，而且还因为这设法将催眠药和镇静药成分这两者集成到矢量计算中。考虑在现有技术中本应单独分析、但从药理学的观点来看彼此相关且彼此影响的两个变量，这使得能够将麻醉水平作为单一(unitary)条件进行监测。

本发明的方法旨在在不包括麻醉师关于患者对应激刺激和麻醉的反应中所涉及的机制的任何假设的情况下使麻醉药物的用药标准化。

本方法使得能够根据使患者管理统一的算法对患者进行逐步干预；无论麻醉师的经验或疲劳如何，都可以最佳地管理所有患者。

附图说明

图1：迄今为止用于根据如下的催眠药和镇痛药浓度来生成平衡麻醉的不同药理学策略的示意图：(X)高催眠药浓度和低镇痛药浓度、(Z)低催眠药浓度和高镇痛药浓度、或(Y)低浓度的这两者。

图2：由Gurman在1994年提出的矩阵，该矩阵将脑电图的频谱极限频率(SEF)与血压(BP)组合以监测麻醉的深度。

图3：用于本发明方法的目的的矩阵的优选实施例。通过横坐标上的维度MAP和纵坐标上的维度BIS的相交而获得矩阵。MAP在0至150mmHg变化，并且BIS在0至100变化。最佳麻醉区(OAZ)由40至60的BIS值和65至85mmHg的MAP值来定义。

图4：用于借助矢量分析来量化患者位置(B)相对于最佳麻醉区(OAZ)的点(A)的偏差的子步骤的示意图。

图5：用于计算初始催眠药和/或麻醉药浓度的增加或减少的子步骤的示意图。

图6：示例2中所报告的临床病例的示意图。

图7：实现本发明的方法目的的优选实施例的示意图。

图8：被配置为实现本发明方法的步骤的计算机程序的图形界面的显示示例。

具体实施方式

本发明涉及一种用于控制麻醉药组合物的催眠药和镇痛药浓度的方法，该方法包括下述步骤。

该方法包括用于提供被配置为接收和存储数据的至少一个存储器单元的步骤。优选地，该存储器单元设置有多个存储器区域，数据处理单元所接收到的数据被存储在该多个存储区域中。

该方法包括用于提供至少一个数据处理单元101的步骤，该至少一个数据处理单元101与存储器单元进行信号通信，并且被配置为处理数据并将该数据存储在存储器单元中。

根据优选实施例，该方法包括用于提供图形界面装置102的步骤，该图形界面装置102与存储器单元和数据处理单元101进行信号通信，并且被配置为显示存储在存储器单元中和/或由数据处理单元101处理后的数据。

根据优选实施例，该方法包括用于提供用于递送至少一个或多于一个药物的机器103的步骤，所述装置与存储器单元、与数据处理单元101、可能与图形界面装置102进行信号通信，并且被配置为根据存储在存储器单元中和/或由数据处理单元101处理后的信号来递送药物。

该方法包括以下步骤：提供用包括初始催眠药浓度和初始镇痛药浓度的第一麻醉药组合物治疗的患者的脑电双频指数(P

脑电双频指数(BIS)意在作为从患者的脑电图导出的数值参数，用于评估麻醉下的催眠水平。脑电双频指数通常在从0至100的范围内，并且与麻醉的临床极端情况相关。BIS是对患者的脑状态进行测量而不是对特定药物的浓度进行测量的催眠参数。

根据本领域技术人员已知的技术(例如，由Bruhn J.等所描述的技术(“Depth ofanaesthesia monitoring:what's available,what's validated and what's next？”,J.Bruhn,P.S.Myles,R.Sneyd,M.M.R.F.Struys,BJA:British Journal of Anaesthesia,Volume 97,Issue 1,July 2006,Pages 85–94,https://doi.org/10.1093/bja/ael120))来测量脑电双频指数。

平均动脉压(MAP)被定义为心动周期期间的平均动脉压，并且在麻醉下与患者对应激刺激(诸如手术或操作等)的反应相关。据本领域技术人员已知，MAP指数受心输出量和全身血管阻力的影响，其中心输出量和全身血管阻力各自受到若干变量的影响。MAP通常在临床实践中被用于测量患者的应激反应以及由于组织灌注不足所导致的压力。

血压是在麻醉期间所记录的最常见的血液动力学参数。可以通过监测系统来测量血压，该监测系统通过将专用导管定位在患者的动脉(通常是桡动脉)中来以有创方式检测数据，或者通过将连接到适当监测系统的袖套定位在患者的手臂附近来以无创方式检测数据。麻醉监测器使用示波法进行无创血压测量。本领域技术人员已知的用于MAP测量的技术是由Kai Kuck等在文献(Periopera6ve Noninvasive Blood PressureMonitoring.Anaesth Analg 2018；127:408–11)中所描述的技术、以及由Karsten Bartels等在文献(Blood Pressure Monitoring for the Anaesthesiologist:A PracticalReview.Anaesth Analg 2016；122:1866–79)中所描述的技术。

为了实现本发明的方法的目的，MAP测量优选地利用用于测量患者手指水平处的压力的连续无创方法进行。

该方法包括用于准备二维矩阵的步骤，该二维矩阵在横坐标上由相对于平均动脉压的变化的MAP维度并且在纵坐标上由相对于脑电双频指数的变化的BIS维度来定义。

优选地，用于布置二维矩阵的步骤包括用于布置算法的子步骤，该算法驻留在数据处理单元101中，并且被配置为在横坐标上借助相对于平均动脉压的变化的MAP维度并且在纵坐标上由相对于脑电双频指数的变化的BIS维度来定义二维矩阵。

该方法包括用于优选地使用算法来定义位于65至110mmHg的MAP值和40至60的BIS值的最佳麻醉区(OAZ)的步骤。

应当注意，选择最佳麻醉区(OAZ)中的MAP和BIS维度的变化范围来与重要的临床目的相关：55mmHg的MAP值是用于区分中度低血压或重度低血压的极限值；小于55mmHg的MAP值在临床上与术后肾衰竭和心肌损伤的发展以及较差的30天预后相关联

110mmHg的MAP值是用于区分中度应激回应和重度应激回应的极限值。

根据优选实施例，最佳麻醉区(OAZ)位于65至85mmHg的MAP值和40至60的BIS值。

有利地，最佳麻醉区(OAZ)内的MAP变化范围(即，65mmHg至85mmHg)能够使得患者保持远离55mmHg和110mmHg的极限值。

在不寻求受任何理论约束的情况下，本申请人认为65mmHg至85mmHg的MAP范围可以限制手术中应激控制的变化性。

关于BIS的变化，前瞻性研究表明，在麻醉期间维持在40至60的BIS值确保充分的催眠状态

图3通过例示而非限制的方式示出在本发明的方法中使用的矩阵的优选实施例。

根据优选实施例，矩阵由0至150mmHg的MAP变化和0至100的BIS变化来定义，其中MAP维度和BIS维度在零点(0；0)处彼此正交地相交。

该方法还包括用于优选经由算法在矩阵中定义ISO-MAP轴以及与ISO-MAP正交的ISO-BIS轴的其他步骤，这些轴的交点定义最佳麻醉区(OAZ)的点(A)。

根据优选实施例，点(A)由ISO-MAP轴在75mmHg的MAP值处与ISO-BIS轴在50的BIS值处的交点来定义。

该方法包括用于经由算法在矩阵中定位P

该方法包括用于提供驻留在所述处理单元中的算法的步骤，该算法被配置为量化患者位置(B)相对于最佳麻醉区(OAZ)的偏差，并将该偏差变换为第一麻醉药组合物的初始催眠药浓度和/或初始镇痛药浓度的定量变化，以定义第二麻醉药组合物的目标催眠药浓度和/或目标镇痛药浓度。

根据优选实施例，被配置为量化患者位置(B)相对于最佳麻醉区(OAZ)的偏差、并将该偏差变换为初始催眠药浓度和/或初始镇痛药浓度的定量变化的算法还被配置为在横坐标上借助相对于平均动脉压的变化的MAP维度并且在纵坐标上由相对于脑电双频指数的变化的BIS维度来定义二维矩阵。

该方法包括用于借助所述算法处理患者的P

应当注意，这两个ISO-BIS轴和ISO-MAP轴将矩阵划分为四个区域，各个区域对应于算法必须解释的四个主要临床情形(图3)：右上区域(1)表示麻醉不足，并且其由伴随着的BIS值和MAP值的增加来表征；左下区域(2)表示深度麻醉，并且其由BIS值和MAP值减少来表征。右下区域(3)表示在催眠和镇痛这两方面不适当的麻醉；该区域由减少的BIS值和增加的MAP值来表征。左上区域(4)表示麻醉不足状况，并且其由BIS值的增加和MAP值的减少来表征。

区域(3)和(4)是最有问题的，这是因为BIS和MAP的变化跟随相反的趋势，并且必须识别催眠药和镇痛药浓度的不同平衡以使患者回到最佳麻醉区(OAZ)。

应当注意，本发明的方法以维度BIS和MAP的相对宽度为条件；在这个意义上，较大的百分比偏差可归因于由较宽变化来表征的维度。

为了使BIS范围和MAP范围等效，本发明的方法优选地包括用于将MAP维度的变化范围从标度0至150(MAPscala150)变换为标度0至100(MAPscala100)的其他步骤。

优选地，用以下表达式计算0至100标度的MAP变换(MAPscala100)：

方程2 MAPscale100＝(MAPscale150*100)/150

根据优选实施例，用于借助算法处理患者的P

-借助矢量计算来量化患者位置(B)相对于最佳麻醉区(OAZ)的点(A)的偏差，

-将患者位置(B)相对于最佳麻醉区(OAZ)的点(A)的偏差分解为催眠(H)相对于最佳麻醉区(OAZ)的点(A)的偏差和/或镇痛(S)相对于该点(A)的偏差，以及

-根据所述偏差(D

优选地，用于借助矢量计算来量化患者位置(B)相对于最佳麻醉区(OAZ)的点(A)的偏差的子步骤包括用于定义经过最佳麻醉区(OAZ)的点(A)、经过患者位置(B)的矢量(V)的子步骤。

图4图示算法进行用于借助矢量计算来量化患者位置(B)相对于最佳麻醉区(OAZ)的点(A)的偏差的子步骤的过程。

优选地，用于借助矢量计算来量化患者位置(B)相对于最佳麻醉区(OAZ)的点(A)的偏差的子步骤包括如下的子步骤：计算患者位置(B)在MAP值和BIS值沿着矢量(V)的最大偏差(C)上相对于最佳麻醉区(OAZ)的点(A)的百分比偏差(D％)。

更详细地，用以下表达式获得百分比偏差(D％)：

方程3

其中，

-A-B对应于患者位置(B)和最佳麻醉区的点(A)之间的距离；

-A-C对应于最佳麻醉区(OAZ)的点(A)与MAP和BIS沿着矢量(V)的最大偏差(C)之间的距离。

根据优选实施例，利用勾股定理(Pythagorean Theorem)(图4)计算患者位置(B)与最佳麻醉区的点(A)之间的距离(A-B)。

优选地，利用以下表达式来获得患者位置(B)与最佳麻醉区的点(A)之间的距离(A-B)：

方程4

其中，

-A-E对应于最佳麻醉区的点(A)与患者位置(B)在ISO-BIS轴上的投影(E)之间的距离。

-B-E对应于患者位置(B)与患者位置(B)在ISO-BIS轴上的投影(E)之间的距离。

根据优选实施例，利用勾股定理来计算最佳麻醉区(OAZ)的点(A)与MAP和BIS沿着矢量(V)的最大偏差(C)之间的距离(A-C)。

优选地，利用以下表达式来获得最佳麻醉区(OAZ)的点(A)与MAP和BIS沿着矢量(V)的最大偏差(C)之间的距离(A-C)：

方程5

其中，

-A-D对应于：最佳麻醉区的点(A)与MAP和BIS沿着矢量(V)的最大偏差(C)在ISO-BIS轴上的投影(D)之间的距离。

-C-D对应于：MAP和BIS沿着矢量(V)的最大偏差(C)与MAP和BIS沿着矢量(V)的最大偏差(C)在ISO-BIS轴上的投影(D)之间的距离。

该MAP值和BIS值沿着矢量(V)的最大偏差(C)对应于经过点(A)和患者位置(B)的矢量(V)与矩阵的外缘之间的交点。

矢量(V)的定义使得能够表征参数P

应当注意，矩阵具有角轮廓(angular profile)，并且由于这个原因，MAP值和BIS值的最大偏差(C)与点(A)之间的距离不是恒定的。按照百分比偏差(D％)对患者位置(B)相对于最佳麻醉区(OAZ)的偏差进行量化，这有利地能够使得对数据进行标准化，从而在各个情况下对患者位置(B)相对于MAP和BIS的最大偏差(C)的偏差进行加权。

优选地，用于分解患者位置(B)相对于最佳麻醉区(OAZ)的偏差的子步骤包括用于通过将患者位置(B)相对于最佳麻醉区(OAZ)的点(A)的百分比偏差(D％)应用于催眠药系数(H’)来计算催眠偏差(D

更详细地，通过以下表达式获得催眠偏差(D

方程6D

并且利用以下表达式来获得催眠药系数(H’)：

方程7

其中，

-H’是催眠药系数，其通过将催眠药矢量分量(H)除以催眠药矢量分量(H)和镇痛药矢量分量(S)之和来获得；

-|H|是催眠药矢量分量，并且对应于患者位置(B)与ISO-BIS轴之间的距离(B-E)的绝对值；

-S是镇痛药矢量分量，并且对应于患者位置(B)与ISO-MAP轴之间的距离的绝对值。注意，矢量分量S在维度方面等于最佳麻醉区的点(A)与患者位置(B)在ISO-BIS轴上的投影(E)之间的距离A-E(图4)。

更详细地，利用以下表达式来获得催眠药分量H：

方程8H＝P

根据优选实施例，当ISO-BIS轴由50的BIS值来定义时，利用以下表达式来获得催眠药矢量分量H：

方程9H＝P

类似地，利用以下表达式来获得镇痛药矢量分量S：

方程10

其中，

D(MAP)是MAP和BIS沿着矢量(V)的最大偏差(C)在ISO-BIS轴上的投影(D)的MAP维度值。

根据优选实施例，当ISO-MAP轴由75的MAP值来定义时，利用以下表达式来获得镇痛药矢量分量S：

方程11

根据优选实施例，当矩阵由0至150mmHg之间的MAP变化来定义时，D(MAP)是150mmHg，并且利用以下表达式来获得镇痛药矢量分量S：

方程12

类似地，用于分解患者位置(B)相对于最佳麻醉区(OAZ)的点(A)的偏差的子步骤包括用于通过将患者位置(B)相对于最佳麻醉区(OAZ)的点(A)的百分比偏差(D％)应用于镇痛系数(S’)来计算镇痛偏差(D

更详细地，通过以下表达式来获得镇痛偏差(D

方程13D

并且利用以下表达式来获得镇痛系数(S’)：

方程14

其中，镇痛系数(S’)是通过将镇痛药矢量分量(S)除以镇痛药矢量分量(S)和催眠药矢量分量(H)之和而获得的，其中镇痛药矢量分量(S)和催眠药矢量分量(H)是绝对值形式的。

应当注意，与ISO-BIS轴的距离使得能够确定与患者的催眠状态的偏差程度，而与ISO-MAP的距离使得能够确定与患者的镇痛状态(即，与无应激状态)的偏差程度。

优选地，在用于计算第一麻醉药组合物的初始催眠药和/或镇痛药浓度的增加或减少的子步骤中使用催眠偏差(D

根据优选实施例，该方法包括用于提供最小催眠药和镇痛药浓度([c

应当注意，最小浓度意在作为可以给患者用药以产生期望麻醉效果的最小浓度。

图5图示算法进行用于计算初始催眠药和/或麻醉药浓度的增加或减少的子步骤的过程。

根据替代实施例，用于计算初始催眠药和/或镇痛药浓度的增加或减少的子步骤包括以下子步骤：

-如果患者位置(B)与最佳麻醉区(OAZ)的点(A)的百分比偏差(D％)大于10％，则修改催眠药和/或镇痛药浓度。

有利地，该算法规定：在百分比偏差(D％)的该极限值内，由于与最佳麻醉区(OAZ)的偏差是可忽略的，因此没有必要干预要给患者用药的催眠药和/或镇痛药浓度。

根据优选实施例，用于计算初始催眠药和/或镇痛药浓度的增加或减少的子步骤包括以下子步骤：

-如果催眠偏差(D

-如果镇痛偏差(D

有利地，该算法规定：在催眠偏差(D

优选地，用于计算初始催眠药和/或镇痛药浓度的增加或减少的子步骤使得能够将催眠偏差(D

优选地，用于计算初始催眠药和/或镇痛药浓度的增加或减少的子步骤包括以下子步骤：

-如果患者位置(B)与最佳麻醉区(OAZ)的点(A)的百分比偏差(D％)大于10％并且同时催眠偏差(D

-如果患者位置(B)与最佳麻醉区(OAZ)的点(A)的百分比偏差(D％)大于10％并且同时镇痛偏差(D

应当注意，优选地，在用于计算初始催眠药和/或镇痛药浓度的增加或减少的子步骤期间，算法顺次判断：

1)患者位置(B)与最佳麻醉区(OAZ)的点(A)的百分比偏差(D％)是大于还是小于10％；

2)当该百分比偏差(D％)大于10％时，算法判断催眠偏差(D

3)当催眠偏差(D

优选地，用于计算浓度

-将催眠偏差(D

更详细地，利用以下表达式来计算浓度

方程15[c

应当注意，最大催眠药和/或镇痛药浓度意在作为将会产生期望效果而没有不可接受的副作用的、可以给患者用药的最大浓度。

对于瑞芬太尼(Remifentanil)和丙泊酚(Propofol)，可以确定用于计算浓度

-将催眠偏差(D

其中，经验常数(k)：

对于丙泊酚，是3μg/mL；以及

对于瑞芬太尼，是6μg/mL。

更详细地，利用以下表达式来计算丙泊酚和瑞芬太尼的浓度

方程15a[c

根据优选实施例，当催眠药是丙泊酚时，利用以下表达式来计算浓度

方程16[c

根据优选实施例，当镇静药是瑞芬太尼时，利用以下表达式来计算浓度

方程17[c

优选地，用于计算浓度

-将催眠偏差(D

更详细地，利用以下表达式来计算浓度

方程18[c

根据优选实施例，当催眠药是丙泊酚时，利用以下表达式来计算浓度

方程19[c

根据优选实施例，当镇静药是瑞芬太尼时，利用以下表达式来计算浓度

方程20[c

注意，用于计算浓度减少的方程18、19和20可以比用于计算浓度增加的方程15、15a、16和17更剧烈地干预麻醉水平。这种不同的数学方法主要通过如下事实来证明是合理的：通常与低BIS值相关联的低血压状态需要快速干预，以防止对心脏、脑和肾的严重器官损伤。该方程的局限在于：算法能够使得重置麻醉药浓度，而这种干预并不总是合理的。因此，在本发明的临床实现中，将有必要利用限制算法干预的功能来针对各个麻醉药提供较低的浓度限制。浓度限制无法从矢量分析中导出。浓度下限可以根据过程的定时、肌肉松弛剂的用药或对麻醉状态做出贡献的药物(诸如吗啡等)的用药而变化。应当基于来自文献的数据和良好临床实践的原则来设置外科手术的各个步骤的浓度下限。

根据优选实施例，当在用于计算初始催眠药或镇痛药浓度的增加或减少的子步骤期间修改初始催眠药或镇痛药浓度时，该方法包括以下步骤：

-借助算法生成与第二麻醉药组合物的目标催眠药和镇痛药浓度相关的基准(datum)，该基准被配置为引起处理单元生成：

-对于图形界面装置102可接收的信号，该图形界面装置102被配置为显示由算法处理后的目标催眠药和镇静药浓度(图8)，以及/或者

-对于机器103可接收的信号，该机器103被配置为用于递送一个或多于一个药物(图7)。

优选地，与第二麻醉药组合物的目标催眠药和镇痛药浓度相关的基准由处理单元记录在存储器单元中。

优选地，当算法生成与第二麻醉药组合物的目标催眠药和镇痛药浓度相关的基准时，该方法包括以下步骤：

-借助处理单元，根据与目标催眠药和镇痛药浓度相关的基准来生成信号，并将该信号发送到图形界面装置102，该图形界面装置102被配置为显示由算法处理后的目标催眠药和镇静药浓度；以及/或者

-根据与目标催眠药和镇痛药浓度相关的基准来生成信号，并将该信号发送到机器103，该机器103被配置为根据由算法处理后的目标催眠药和镇静药浓度来递送一个或多于一个药物。

优选地，本发明的方法包括用于使麻醉师借助图形界面批准与第二麻醉药组合物的目标催眠药和镇痛药浓度相关的基准的其他步骤。

特别地，当在图形界面上显示基准时，批准步骤优选包括以下子步骤：

-确认将与第二麻醉药组合物的目标催眠药和镇痛药浓度的基准相关的信号发送到递送机器103。

特别地，当将基准发送到递送机器103时，或者同时将其发送到递送机器103和图形界面装置102时，批准步骤优选包括以下子步骤：

-借助递送机器103，根据第二麻醉药组合物的目标催眠药和镇痛药浓度的基准，开始药物的递送。

本发明的另一目的是一种用于进行本发明的方法的系统。该系统包括：

-存储器单元，其被配置为接收和存储数据；

-数据处理单元101，其与该存储器单元进行信号通信，并且被配置为处理数据并将该数据存储在存储器单元中；

-算法，其驻留在数据处理单元101中，并且被配置为：

在横坐标上借助相对于平均动脉压的变化的MAP维度并且在纵坐标上由相对于脑电双频指数的变化的BIS维度来定义二维矩阵；

在矩阵中定义位于65至110mmHg的MAP值和40至60的BIS值的最佳麻醉区(OAZ)；

在矩阵中定义ISO-MAP轴以及与ISO-MAP正交的ISO-BIS轴，该ISO-MAP轴和ISO-BIS轴的交点定义最佳麻醉区(OAZ)的点(A)；

在矩阵中定位P

-算法，其驻留在处理单元101中，其被配置为量化患者位置(B)相对于最佳麻醉区(OAZ)的偏差，并将该偏差变换为第一麻醉药组合物的初始催眠药浓度和初始镇痛药浓度的定量变化，以定义第二麻醉药组合物的目标催眠药浓度和目标镇痛药浓度。

优选地，存储器单元设置有多个存储器区域，由数据处理单元接收到的数据存储在该多个存储器区域中。

更优选地，处理单元被配置为：

-进行驻留在所述处理单元中的算法，该算法被配置为量化患者位置(B)相对于最佳麻醉区(OAZ)的偏差，并将该偏差变换为第一麻醉药组合物的初始催眠药浓度和初始镇痛药浓度的定量变化，以定义第二麻醉药组合物的目标催眠药浓度和目标镇痛药浓度；以及

-借助所述算法处理患者的P

优选地，处理单元被配置为进行算法，该算法驻留在处理单元101中并且被配置为在横坐标上借助相对于平均动脉压的变化的MAP维度并且在纵坐标上由相对于脑电双频指数的变化的BIS维度来定义二维矩阵。

根据优选实施例，该系统包括：

-图形界面装置102，其与存储器单元和数据处理单元101进行信号通信，并且被配置为显示存储在存储器单元中和/或由数据处理单元101处理后的数据，以及/或者

-机器103，用于递送一个或多于一个药物，所述机器103与存储器单元、与数据处理单元、可能与图形界面装置102进行信号通信，并且被配置为根据存储在存储器单元中和/或由数据处理单元101处理后的信号来递送药物。

优选地，图形界面设备102被配置为接收与第二麻醉药组合物的目标催眠药和镇痛药浓度相关的基准；优选地，借助为该显示目的配置的计算机程序将所接收到的基准以图形界面显示在装置上。

图形界面装置可以被配置为在相同的图形界面中接收和显示借助驻留在数据处理单元101中的算法处理P

-由患者监测单元100记录在存储器单元中的P

-与如下项有关的数据：患者位置(B)与点(A)的百分比偏差值(D％)、催眠偏差(D

-二维矩阵和最佳麻醉区(OAZ)。

优选地，药物递送机器103被配置为递送至少一个催眠药和一个镇痛药。

优选地，机器103被配置为接收与第二麻醉药组合物的目标催眠药和镇痛药浓度相关的基准，并且基于该基准且优选地在麻醉师的批准下递送由数据处理单元101借助算法处理后的第二麻醉药组合物的目标催眠药和镇痛药浓度。

根据优选实施例，机器103还被配置为检测给患者用药的一个或多于一个药物的血药浓度，并生成与这种信息相关的基准。优选地，给患者用药的一个或多于一个药物的所述血药浓度是第一麻醉药组合物的初始催眠药和镇痛药浓度。该机器优选被配置为在存储器单元中生成与给患者用药的一个或多于一个药物的血药浓度相关的基准，该基准被配置为引起数据处理单元101记录来自存储器单元的数据和/或引起数据处理单元101生成可由图形界面装置102接收的信号，该图形界面装置102被配置为显示催眠药和镇静药血药浓度。

优选地，数据处理单元101被配置为：在将与第一麻醉药组合物的初始催眠药和镇痛药浓度相关的基准记录在存储器单元中时读取该基准，并将该基准集成在借助算法进行的第二麻醉药组合物的目标催眠药和镇痛药浓度的处理中。

根据优选实施例，该系统还包括患者监测单元100，该患者监测单元100设置有被配置为用于测量患者的脑电双频指数(P

患者监测单元100优选被配置为生成与患者的脑电双频指数(P

优选地，数据处理单元101被配置为在将与脑电双频指数(P

图7示意性地表示本发明方法的优选实施例，其中考虑了用于批准与目标催眠药和镇痛药(镇静药)浓度相关的基准的所述步骤；该图能够使得理解算法在控制麻醉药组合物的浓度的处理中所涵盖的技术作用。在这种情况下，该方法在系统中实现，该系统包括：

-患者监测单元100，其设置有被配置为用于测量患者的脑电双频指数(P

-数据处理单元101，其与监测单元100进行信号通信，被配置为借助驻留在该数据处理单元101中的算法处理来自监测单元100的数据，该算法被配置为用于二维矩阵的倾向(predisposition)和确定目标催眠药和镇痛药浓度这两者；

-存储器单元(图中不可见)，其与数据处理单元101和患者监测单元100进行信号通信，被配置为接收和记录来自所述单元的数据；

-图形界面装置102，借助算法可以在其上显示由数据处理单元101处理后的与目标催眠药和镇痛药浓度有关的数据、以及由监测单元100记录在存储器单元中的患者监测数据；该图形界面装置102是能够使得麻醉师查看系统输出的装置，从而确认将与第二麻醉药组合物的目标催眠药和镇痛药浓度的基准相关的信号发送到递送机器103；

-机器103，其被配置为用于借助静脉内输注来递送一个或多于一个药物；该机器103被配置为相对于存储器单元和数据处理单元101发送和接收数据；在图8所示的具体实施例中，机器103被配置为监测输注给患者的催眠药和镇痛药的血药浓度，并且生成与这种浓度相关的基准，以例如引起数据处理单元101将该数据记录在存储器单元中。数据处理单元101将与(初始)催眠药和镇痛药血药浓度相关的基准集成到借助算法所进行的催眠药和镇痛药浓度的增加或减少的处理中。

适合于该目的的系统例如是输注系统(TCI：目标控制输注)，该系统将由麻醉师设置的某目标浓度转换为以时间为单位的要通过泵/注射器递送以达到预设目标的药物的相应量。该转换由包含在输注系统中的微处理器自动进行，该微处理器用包括所用药的药物的药代动力学模型的算法来编程。

参考图7所描绘的实施例，应当注意，处理单元101借助算法提供由MAP维度(0至150mmHg)和BIS维度(0至100)定义的二维矩阵；处理单元检测由监测单元100记录在存储器单元中的患者的P

图8中表示与初始催眠药和镇痛药浓度的增加或减少相关的基准可如何显示在被配置为实现本发明的方法的计算机程序的图形界面上的示例。图形界面显示P

根据优选实施例，图形界面还能够使得针对变化在视觉上监测二维矩阵和相对于最佳麻醉区(OAZ)的患者位置(B)。

本发明的另一目的是一种计算机程序，其被配置为在由计算机进行时进行本发明的方法。

应当注意，计算机程序可以使用通用数据管理功能来进行本发明方法的步骤。

本领域技术人员理解，用于实现该方法的全部或一些步骤可以由与程序指令相关的硬件进行；该程序可以存储在诸如一个或多于一个计算机可读指令等的计算机可读存储介质或者计算机中。

如本文所提及的“存储介质”可以是指能够存储可由一个或多于一个处理器激活或进行的信息或指令的介质。例如，存储介质可以包括用于存储微处理器可读的指令或信息的数据库。

如果进行计算机可读程序指令，则计算机可读程序指令可以使得计算平台能够进行一个或多于一个动作。根据优选实施例，计算平台是药物递送机器103的软件。

根据优选实施例，在其上进行程序的计算机与被配置为接收和记录数据的存储器单元进行信号通信；根据替代实施例，在进行程序的计算机与被配置为用于测量患者的脑电双频指数(P

本发明的另一主题是被配置为实现本发明的方法的比例-积分-微分(PID)控制器。

本发明的方法可以通过使用常规PID控制器来实现，该常规PID控制器被配置为借助本领域技术人员已知的校正装置，根据其与预定范围的偏差将处理后的参数维持或调整到预定值。

根据一个示例应用，PID控制器可以集成到用于在麻醉期间控制催眠药和/或镇痛药浓度的系统中，并且被配置为与如下项进行信号通信：

-存储器单元，其被配置为接收和记录数据；

-至少一个传感器，用于测量患者血液中的催眠药和/或镇痛药浓度，该至少一个传感器与存储器单元进行信号通信；

-药物递送单元，其被配置为递送至少一个催眠药和一个镇痛药。

由此集成的PID控制器可以被配置为进行本发明方法，并且基于通过进行本发明方法所获得的目标催眠药和/或镇痛药浓度与在患者血液中测量到的催眠药和/或镇痛药浓度之间的差，生成至少一个信号，如果将该信号应用于递送单元，则将导致催眠药和/或镇痛药的释放，以使患者血液中的催眠药和/或镇痛药浓度稳定到目标浓度。

PID控制系统可以被配置为例如在完全静脉内递送系统中实现本发明的方法。

本发明的方法可以对麻醉师提供显著支持，以帮助麻醉师定义用于在麻醉期间调节和控制麻醉剂的浓度的策略；应当注意，在任何情况下，凭借在本领域中获取的临床经验，选择针对通过处理患者的P

示例

通过例示而非限制的方式，下面给出本发明的方法的示例性实施例。

1.算法响应测试

以下测试表明如何在临床实践中进行基于本发明方法的计算以用于控制催眠药和镇痛药浓度。

为此目的，回顾性地分析了许多先前记录的非模拟临床麻醉情形。

对于所分析的各个麻醉过程，考虑维持步骤(即，在切开皮肤与开始手术缝合之间的时间段)。

从麻醉记录中提取数据作为单独的监测点，该监测点由P

出于测试的目的，矩阵定义如下：

-MAP维度：0至150mmHg；

-BIS维度：0至100；

-OAZ：65至85mmHg的MAP值和40至60的BIS值；

-OAZ中的点(A)：MAP等于75mmHg，并且BIS等于50。

表1收集3个监测点，这些监测点由1％至8％的百分比偏差(D％)来表征。

这三个点(例如，1至3)落在最佳麻醉区(OAZ)内，并且是在百分比偏差(D％)以及催眠偏差(D

1.1区域(1)-增加的BIS和MAP

区域(1)既在催眠方面又在镇痛方面与轻度麻醉的条件相对应。在该区域中，基于本发明的方法的算法进行干预以校正这两个镇痛成分，以使患者达到最佳麻醉药条件。

表2收集位于矩阵的区域(1)中的用于测试的3个监测点；当应用于这些监测点时，算法对催眠药和阿片类药物浓度这两者的计算进行干预，从而在必要时确定各个麻醉剂的增加差量。

在编号2和3的监测点的情况下，其由P

尽管最小，但是这种差导致用于描述各个监测点(患者位置(B))与最佳麻醉区(OAZ)的中心(A)的距离的矢量(V)的不同取向。在角度系统(诸如在该方法中使用的矩阵的角度系统等)中，矢量取向的较小差改变了患者位置(B)与最佳麻醉区(OAZ)的点(A)的距离，并且因此改变了各个矢量对与中心的最大距离(C)的贡献百分比。

1.2区域(2)–减少的BIS和MAP

区域(2)既在催眠药成分方面又在镇痛药成分方面与深度麻醉的情形相对应。在该区域中，基于本发明方法的算法提出减轻这两个麻醉成分，以使患者达到最佳麻醉状态。

表3包括用于测试目的的区域(2)内的3个监测点。只有一个监测点是算法对这两个麻醉成分进行同时计算操作以降低丙泊酚浓度和瑞芬太尼浓度这两者的监测点。

对于其余的2个监测点，算法仅对两个药物其中之一的计算进行干预：在这两个情况下丙泊酚的浓度降低。

1.3区域(3)-减少的BIS和增加的MAP

区域(3)在催眠方面与镇痛药成分不足以控制对创伤的应激反应的深度麻醉区相对应。

表4收集了用于测试目的的位于矩阵的区域(3)中的3个监测点。

对于点1，激活算法的执行的控制变量是P

对于编号2的点，记录对这两个麻醉剂的干预：减少丙泊酚浓度和增加瑞芬太尼浓度。在三个其他情况下，在最佳范围之外的控制变量是P

1.4区域(4)-增加的BIS和减少的MAP

区域(4)与催眠药成分不足且MAP值低于最佳麻醉区域的麻醉情形相对应。

表5包括用于测试目的的位于区域(4)中的3个监测点。本发明方法的行为，特别是其中所实现的算法，从P

在其他两点中，由于催眠偏差(D

2.结论

测试使得能够示出基于本发明方法的计算在非模拟数据的情景中如何用于定义调节麻醉剂浓度的策略。系统的计算干预总是与文档中记录的临床情形一致。

表1

表2

表3

表4

表5

注意，表1至5中所报告的D、D

1.基线临床情形：

P

丙泊酚[Ce]：3.0mcg/mL

瑞芬太尼[Ce]：5.0ng/mL

2.百分比偏差(D％)的计算

将二维矩阵描述为笛卡尔平面，其在横坐标上由MAP(0至150mmHg)定义并且在纵坐标上由BIS(0至100)定义，其中维度MAP和BIS在点零(0；0)处彼此正交相交。

该矩阵进一步由75mmHg的MAP值处的ISO-MAP轴和50的BIS值处的ISO-BIS轴定义；笛卡尔平面的中心与BIS＝50和MAP＝75mmHg相对应。笛卡尔平面的中心与最佳麻醉区(OAZ)的点(A)相对应。

使用勾股定理计算平面上的点之间的距离。

在示例(图6)中，段A-B标识斜边，A-E和B-E标识同一三角形的两边(导管(catheter))。类似地，A-C坐标标识斜边，A-D和C-D标识相应三角形的两边。

横坐标上的点B的值与P

因此，算法使用：

方程4：(AB:√(AE

方程5：(AC:√(AD

3.催眠药(H)和镇痛药(S)矢量分量的计算

该算法分析矢量(A-B)的头部(A)与由坐标BIS 50定义的正交轴(ISO-BIS轴)和由MAP 75mmHg定义的正交轴(ISO-MAP轴)的距离。

矢量AB的头部(A)与ISO-BIS轴的距离被示为分量“H”，并且根据方程9来计算：

(H＝P

头部(A)与ISO-MAP轴的距离被示为分量“S”，并且根据方程12来计算：

(S＝[(P

该计算方法满足了在矢量计算中防止MAP维度的较大宽度导致该变量的较大权重的需要。

这两个矢量分量“H”和“S”用于根据以下表达式来量化归因于催眠药分量的D％的分数(称为D

方程7：D

方程14：D

D

4.滴定的数值计算

算法的该步骤将矢量分析输出(D

如果治疗目的是药物浓度的增加或减少，则用于量化对麻醉剂的干预的等式是不同的。

在该示例实施例中，所使用的药物是瑞芬太尼和丙泊酚；以下是计算其浓度的增加的等式：

方程16：[c

方程17：[c

用于计算其浓度的减少的等式如下所示：

方程19：[c

方程20：[c

参考文献

1.Lundy JS.Balanced anaesthesia.Minn Med 1926；9:399.

2.P.H.Tonner.Balanced anaesthesia today.Best Practice&ResearchClinical Anaesthesiology 2005,19(3):475–484.

3.William R Greco et al.The Search for Synergy:ACritical review froma Response Surface Prospective.PHARMACOLOGICAL REVIEWS 1995,47(2):331-385.

4.Jaap Vuyk et al.Propofol Anaesthesia and Rational Opioid Selection:Determination of Optimal EC50-EC95 Propofol-Opioid Concentrations that AssureAdequate Anaesthesia and a Rapid Return of Consciousness.Anaesthesiology1997,87(12):1549-1562.

5.an F.A.Hendrickx et al.Is Synergy the Rule？A Review of AnaestheticInteractions Producing Hypnosis and Immobility.Anaesthesia&Analgesia:August2008-Volume 107-Issue 2–p 494-506.

6.Gurman GM.Assessment of depth of general anaesthesia.Observationson processed EEG and spectral edge frequency.Int J Clin Monit Comput 1994；11:185—9.

7.Daniel I.Sessler et al.Hospital Stay and Mortality Are Increased inPatients Having a“Triple Low”of Low Blood Pressure,Low Bispectral Index,andLow Minimum Alveolar Concentration of Volatile Anaesthesia.Anaesthesiology2012；116:1195–203.

8.Gan TJ,Glass PS,Windsor A,Payne F,Rosow C,Sebel P,ManbergP.Bispectral index monitoring allows faster emergence and improved recoveryfrom propofol,alfentanil,and nitrous oxide anaesthesia.BIS Utility StudyGroup.Anaesthesiology 1997；87:808-15.