来自麻省理工学院（MIT）和麻省总医院的学者们展示了如何训练神经网络以在手术中实施麻醉。
在过去的十年里，机器学习（ML）、人工智能（AI）和，深度学习算法已被开发并应用于包括医疗领域在内的一系列部门和应用领域。
在医疗保健领域，神经网络和深度学习的潜力已在大型医疗数据集的自动分析中得到证明，以检测模式和趋势；改进的诊断程序，肿瘤基于放射学图像的检测，最近，对机器人手术的探索。
另请参见：MIT SCRAM：一个新的分析平台，用于优先考虑企业安全投资。
现在，神经网络可能有新的，以前在外科和药物管理领域未经探索的应用。
由麻省理工学院和马萨诸塞州普通科学家组成的团队https://techxplore.com/news/2020-09-deep-uncominess-patiences-patients-naxinomic-state.htmlTech Xplore报告的“target=”noopener noreferrer nofollow“data component=”externalLink“>已经开发并训练了一个神经网络来管理异丙酚，在一项研究中，将于年虚拟世界人工智能大会之后发布医学方面，研究小组描述了他们如何训练算法来正确应用麻醉剂量。
数据集，包括可能改变建议麻醉水平的患者数据——如体重、年龄和先前存在的医疗状况——以及在手术过程中监测意识水平和随后推荐的药物剂量的模型——被输入网络。
CNET:Alexa在冠状病毒感染期间比以往任何时候都更加重要，亚马逊知道这是对深度学习应用的新探索https://towardsdatascience.com/ai-and-machine-learning-for-healthcare-7a70fb3acb67“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>在医疗领域，科学家们坚持模拟环境和虚拟病人。为了随着时间的推移，我们采用了一种被称为“交叉熵”的方法来改进这个模型。
随着模拟意识的变化被记录下来，这个模型最终学会了如何适应神经变化，并应用适当剂量的异丙酚使病人保持清醒。目前，该系统的性能超过了比例积分微分（PID）控制器，这是一种行业标准技术，用于确定正确的麻醉水平和管理包括异丙酚在内的麻醉剂https://www.techrepublic.com/article/2025-forecast-global-iot-looks-good-a-188-2-billion-opportunity/？ftag=CMG-01-10aaa1b“target=”nu blank“rel=”noopener noreferrer“data component=”externalLink“>2025年预测：全球物联网医疗市场前景看好，有1882亿美元的机会
“深度神经网络使我们能够用许多连续输入数据建立模型，参与这项研究的研究人员之一加布里埃尔·沙姆伯格（Gabriel Schamberg）告诉《技术探索》杂志，我们的方法产生了比以前基于表格的政策更为一致的控制政策。
该模型还没有在活的患者身上进行试验，需要经过批准才能在受控的临床环境中进行医学试验。如果被认为是今天的https://www.sciencedirect.com/science/article/pii/S2405896315020893“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>PID控制器，神经网络有可能改进我们目前所认为的不同病人的理想麻醉剂量。
