计算机面部分析法对困难插管的精确分类

摘要

背景 尽管麻醉前行床旁气道评估是有益的,但是目前所有的评估方法敏感性低且预测阳性率低,作用都很有限.我们假设患者的个体解剖特征有助于麻醉医生提高预测困难插管的能力,拟采用计算机对患者的面部照片进行分析,推导出一个电脑模型以验证此假设.方法 将80例男性患者平均分为两个队列分别用于模型的推导和验证.每个队列各包括20例插管容易和困难插管的患者.我们对困难插管的定义:至少有12个月工作资历的麻醉医生行1次以上插管,喉镜检查示3级或4级,需要另一操作者,或使用非常规的气道开放器械行气管插管.每个受试者的面部照片都通过软件分析,将面部划分为61个部分,每个部分由公式推导出50个维空间的面部模型的一个点.每一个参数均通过逻辑回归来测试辨别力,并结合11个P≤0.1的变量,加上Mallampati分级和甲颏距离,用所有可能性的二项二次回归分析模型进行全面测试.将在推导和验证队列中获得的受试者操作特征曲线下面积的乘积最大化来交叉验证候选模型.结果 最好的模型包括3个面部参数和甲颏距离,它能够从80例受试者中正确地区分出70例(P＜10-8).相比较而言,Mallampati分级和甲颏距离的最佳结合仅可从80例中正确地区分出47例(P=0.073).该计算机模型的敏感性、特异性和曲线下面积分别为90%、85%和0.899.结论 面部结构和甲颏距离的计算机化分析能够区分出容易插管和困难插管,它的准确性明显优于常用的临床预测方法.