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技术正在重塑急诊与救护车服务流程，通过实时语音翻译、创伤预测模型、大规模伤亡智能分诊及医疗数据整合，构建连续性急救体系。关键机遇包括在线医疗指导优化、预到达数据预测、创伤AI预警及跨机构数据联动。

　　

假设性场景

一名司机在高速公路上突然从最右侧车道偏离。当她从分心的状态中回过神来时，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，您的紧急情况发生在什么位置？”

调度员通过耳机听到一个男人的西班牙语声音。调度员屏幕上几乎瞬间出现文字信息，将说话者的声音翻译成文字：“5号高速公路北行方向，302号出口附近发生了一起车祸。司机看起来受伤了。她面色苍白，神情恍惚。”

调度员屏幕上出现提示：“创伤性损伤。需考虑出血性休克。”调度员进一步获取了关键信息，并调用了三级紧急救援（ALS）资源。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，该链接可以让他查看车辆和受伤司机的实时视频。经过一系列操作后，远程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发送到EMS的电子患者护理记录（ePCR）系统中。急救人员收到警报：“疑似严重创伤/出血性休克。”

他们的平板电脑上显示了简洁的临床摘要：

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。远程生命体征：心率120次/分钟，血氧饱和度89%。需警惕出血性休克。

随着更多到达前的数据被录入ePCR系统，急救人员开始准备全血和氨甲环酸（TXA）以备输液。通过轻触一个触敏按钮，当地创伤中心收到了关于可能发生严重创伤的警报。

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起来，创建一个无缝的护理流程。

证据

人工智能正在以一种几乎自然的速度重塑医学领域，这一速度与神经突触连接的速度相呼应。虽然目前很少有EMS系统具备完全集成的人工智能增强型调度和到达前支持功能，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。两篇关于院前医学中人工智能应用的综述提供了关于前沿技术和炒作内容的实际视角。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相对简单的阶段，现已发展成为拥有专门培训路径、委员会认证和强大研究文化的成熟学科。然而，尽管发展迅速，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，急性医疗紧急情况就开始了，这一过程至少从患者的角度来看，会无缝地延续到调度员、急救人员、运输团队、急诊医生、会诊专家以及住院治疗团队，直至患者出院和康复。

人工智能可能是实现这些领域无缝衔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系统在处理异常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、手持设备或对讲机提供。然而，很少有医生完全了解当地EMS临床医生的职责范围、政策和能力。有时，宝贵的指导信息可能超出政策或培训的范围，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：

本地协议培训。像Google的NoteBookLM这样的大型语言模型可以吸收当地的EMS政策和培训资料，然后将其整理成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。急救呼叫中的音频可以实时转录和分析，从而提取出相关的诊疗方案、禁忌症和预测提示。有研究评估了人工智能在911调度中识别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。Corti等公司可以转录和标记调度呼叫记录，为接听者提供持续反馈（Corti.ai）。类似的方法也可以用于改进在线医疗指导，将音频记录转化为丰富的教育资源。

2. 强化的到达前通知和预测算法

预测模型可以整合现场数据，提前预测患者的需求。例如，在开头描述的场景中，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等人报告了院前创伤预测方面的积极成果，但在实际临床环境中的前瞻性验证仍然有限。³

主要障碍不在于建模技术，而在于基础设施：高保真度现场数据的实时采集仍然不完善，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，但这是一个可以解决的问题，预计在未来十年内得到解决。

3. 大规模伤亡事件的分流

美国各地的大规模伤亡事件正在增加，给本已紧张的院前和急诊科资源带来了压力。由人工智能驱动的工具可以在混乱的环境中简化分流和资源分配。美国国防部的DARPA分流挑战项目就是这一潜力的早期体现。⁴

4. 超出呼叫范围的应用

人工智能的作用不仅限于调度环节或急诊室。目前，美国的紧急护理数据仍然分散，限制了我们了解院前干预措施对医院治疗效果影响的能力。将这些数据联系起来需要复杂的努力。人工智能提供了一种方法，可以整合这些数据流并将其转化为可操作的见解，推动持续改进。

其他应用机会包括：

根据急诊室实时饱和度动态分配救护车路线

模拟和培训，特别是针对高风险情况的交接

系统监控和综合征监测

结论

急诊医生和EMS临床医生有着共同的使命，但往往各自为政，缺乏真正的合作。人工智能不会取代急诊护理中的人文智慧和判断力，但它可以作为一种强大的连接纽带，实时帮助双方进行沟通和支持。

随着人工智能在院前和急诊医学领域的快速发展，我们应该尽早预见这些变化。通过学习如何更有效地利用人工智能与EMS系统协作，急诊医生可以改善整个护理过程，从接到911呼叫开始，一直到在医院接受最终治疗，实现真正整合的紧急护理系统。

作者说明：此假设性场景基于对新兴人工智能调度能力和创伤护理协议的综合描述。

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总监。您可以在http://bit.ly/EMN-MedClear阅读他的文章。

DR TROY是洛杉矶县EMS机构的EMS数据系统与质量改进部门负责人，同时担任洛杉矶县EMS机构及Harbor-UCLA急诊医学与灾难医学项目的教员，以及UCLA急诊医学与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，CREST网络的联合主席，同时也是Kaiser Permanente Northern California研究部门的兼职研究员。