人工智能如何改变急诊医学（EM）和急救医疗服务（EMS）的交汇领域

《Emergency Medicine News》：How AI Could Transform the Intersection of EM and EMS

AI技术通过实时决策支持、创伤预测模型、资源优化和跨系统数据整合，有效提升急诊医疗服务（EMS）与急诊科（ED）的协同效率，缩短急救响应时间，优化资源分配，助力构建连续性医疗体系。

　　

一个假设性场景

一名司机在高速公路上突然偏离了最右侧的车道。当她从分心的状态中恢复过来时，已经为时已晚。她以每小时60英里的速度撞上了混凝土护栏。

[调度员] “911，您报告的紧急情况发生在什么位置？”

调度员通过耳机听到了一个男人用西班牙语说的声音。调度员的屏幕上几乎立刻出现了文字信息，将说话者的声音转换成了文字：“5号高速公路北行方向，靠近302号出口处发生了一起车祸。司机似乎受了伤。她脸色苍白，神情混乱。”

调度员的屏幕上出现了一条提示：“可能存在创伤性损伤，需考虑出血性休克的可能性。”调度员进一步获取了关键信息，并立即派遣了高级生命支持（ALS）资源（紧急代码3）。在得到该男子的口头许可后，调度员通过短信发送了一个链接到他的手机上，从而可以实时查看事故车辆和受伤司机的情况。经过一系列操作后，远程的生命体征数据开始传输。

在急救医疗服务（EMS）到达现场前两分钟，调度员将数据包直接传输到了EMS的电子病历系统中（ePCR）。急救人员收到了警报：“疑似严重创伤/出血情况。”

他们的平板电脑上显示了以下简明的临床信息：

高速碰撞导致车辆前端中度损坏，安全气囊启动。车内仅有一名女性乘客。远程监测的生命体征：心率120次/分钟，血氧饱和度89%。存在出血性休克的风险。

随着更多术前数据被录入ePCR系统，急救团队开始准备全血和氨甲环酸（TXA）以备输注。通过轻触一个触控按钮，当地创伤中心被通知可能需要启动全面的创伤处理程序。

虽然这个场景是假设的，但基于人工智能的预测模型已经证明了这些环节的可行性。真正的挑战和机遇在于如何将这些环节与人工智能结合，创造出无缝的医疗护理流程。

证据

人工智能正在以一种近乎自然的速度重塑医学领域，其发展速度与神经突触连接的速度相匹配。尽管目前只有少数EMS系统实现了完全集成的人工智能辅助调度和术前支持，但相关技术正在逐步到位。过去五年中，关于人工智能在院前和急诊科（ED）应用的学术研究显著增加，但仍落后于技术的快速发展。两项关于院前医学中人工智能应用的综述提供了前沿技术与炒作之间的区分。¹

院前医学和急诊医学本质上是相互关联的。这两个领域都起源于较为基础的阶段，现在已经发展成为拥有专门培训路径、认证体系以及强大研究文化的成熟学科。然而，尽管发展同步，不同领域的临床医生往往对彼此了解甚少。然而，患者并不会在孤立的环境中接受治疗：当有人拨打911时，急性医疗急救过程就开始了，并且至少从患者的角度来看，这一过程会无缝地贯穿调度员、急救人员、运输团队、急诊医生、会诊专家以及住院治疗团队，直到患者出院康复。

人工智能可能是实现这些领域无缝连接的期待已久的工具。

人工智能在EMS-ED接口的关键应用机会

1. 在线医疗指导

许多EMS系统在处理特殊或高风险呼叫时依赖急诊医生的实时指导，这些指导可以通过电话、手持设备或对讲机传递。然而，很少有医生完全了解当地EMS医生的职责范围、政策以及能力。有时，宝贵的指导信息可能超出了政策或培训的范畴，从而带来风险。人工智能可以通过以下几种方式支持EMS与急诊医生之间的沟通：

本地操作规程的教育。像Google的NoteBookLM这样的大型语言模型可以吸收当地的EMS政策和培训文档，然后将其转化为急诊医生易于理解的模块，从而缩小知识差距。

实时决策支持。来自呼叫中心的音频可以实时转录和分析，从而提取出相关的操作规程、禁忌症和预测提示。有研究评估了人工智能在911调度中通过分析来电音频来检测心脏骤停的应用效果，最近也有许多公司开始开发针对急诊调度员的实时决策支持系统。²

质量审核。像Corti这样的公司可以转录并标记调度通话内容，为接听者提供持续反馈（Corti.ai）。类似的方法也可以用于优化在线医疗指导，将音频记录转化为丰富的教育资源和系统改进的数据集。

2. 改进的术前通知和预测算法

预测模型可以整合现场数据，提前预测患者的需求。例如，在开头提到的场景中，这类算法可以识别出可能需要大量输血或紧急剖腹手术的创伤患者。Peng等人的研究显示了院前创伤预测的积极成果，但在实际临床环境中的验证仍有限。³

主要障碍不在于建模本身，而在于基础设施：高保真度的现场数据实时采集目前仍然不完善，尤其是在不同的EMS系统之间。克服这一挑战对于实现急诊科和医院团队的预测性人工智能应用至关重要，但这是一个可以在本十年内解决的问题。

3. 大规模伤亡事件的分诊

美国各地大规模伤亡事件日益增多，给本已紧张的院前和急诊资源带来了巨大压力。人工智能驱动的工具可以简化混乱环境中的分诊和资源分配。美国国防部的DARPA分诊挑战项目展示了这一潜力的早期迹象。⁴

4. 超出呼叫环节的应用

人工智能的作用不仅限于调度环节或急诊室。目前，美国的急诊护理数据仍然分散，限制了我们了解院前干预措施对医院治疗结果影响的能力。将这些数据整合起来需要复杂的努力。人工智能提供了一个途径，可以将这些数据流统一起来并转化为可操作的洞察，推动持续改进。

其他应用机会包括：

根据急诊室当前负荷动态调整救护车路线

针对高风险情况的模拟和培训

系统监控和综合征监测

结论

急诊医生和EMS医护人员有着共同的使命，但往往各自为政，缺乏真正的协作。人工智能不会取代急诊护理中的人为专业知识和判断力，但它可以作为强大的纽带，充当实时沟通者、分析者和预测工具，帮助双方实时理解和支持彼此。

随着人工智能在院前和急诊医学领域的快速发展，我们应该尽早适应这些变化。通过学习如何更有效地利用人工智能与EMS系统配合，急诊医生可以改善整个医疗护理过程，从接听911呼叫到在医院接受最终治疗，从而实现真正整合的急诊护理系统。

作者说明：这个假设性场景基于对新兴人工智能调度能力和创伤护理规程的综合描述。

DR BALLARD 是Kaiser Permanente San Rafael医院的急诊医生，同时也是KP CREST网络（急诊服务与治疗临床研究）的主席和Marin县急诊医疗服务的医疗主任。更多他的文章请访问 http://bit.ly/EMN-MedClear。DR TROY 是洛杉矶县EMS机构的医疗总监，负责EMS数据系统和质量改进工作，并在洛杉矶县EMS机构及Harbor-UCLA担任急诊/灾难医学研究项目的讲师，同时是Harbor-UCLA急诊医学系和David Geffen医学院的助理教授。DR VINSON 是Kaiser Permanente Sacramento医疗中心的急诊医生，兼任CREST网络的联合主席以及Kaiser Permanente北加州研究部门的兼职研究员。