評估乙個人的傷害有多嚴重需要快速權衡許多不同的引數。 如果醫療專業人員能夠從人工智慧工具中獲得快速、關鍵的生命決策支援，就可以挽救更多的生命。 這是由查爾姆斯理工大學、哥德堡大學和瑞典博爾斯大學的研究機構提出的。
如果乙個重傷的人被直接送往綜合大學醫院，生存的機會就會增加，因為那裡有資源來處理各種型別的傷害。 因此，我們需要能夠更好地判斷誰受了重傷，誰沒有受重傷，以便每個人都能得到適當的照顧，資源可以得到最好的利用。 查爾姆斯理工大學電氣工程系遠端和院前數字健康研究小組的博士生安娜·巴基杜（Anna Bakidu）care@distance說。
在最近發表的一項研究中，Anna Bakidou 和她的合著者根據 2013 年至 2020 年接受救護車護理的成年人的資料開發了五種不同的數學模型。
這些資料來自瑞典創傷登記處的47,000多個真實事件，它還顯示了這些人被送往哪裡。
通過權衡一系列複雜的變數，如呼吸頻率、損傷型別、血壓、年齡和性別，結果表明，所有人工智慧模型在臨床結果方面的表現都優於當時救護人員做出的運輸決策。
許多重傷患者被送往綜合醫院
結果發現，40%的重傷患者沒有直接被送往綜合大學醫院。
與此同時，45%的非嚴重損傷患者被不必要地送往大學醫院，因為他們的傷勢可以在綜合醫院接受治療。
救護人員經常面臨艱難而緊迫的決定。 我們希望乙個更客觀的決策支援系統將起到'額外同事'的作用，讓員工看到更複雜的聯絡，並在難以感知或評估傷害時三思而後行。 安娜·巴基杜說。
她說，例如，年輕人（經常捲入交通事故）通常被認為比實際受傷更嚴重。
另一方面，當老年人捲入跌倒事故等事件時，他們通常被評估為輕傷，儘管他們的病情可能會因內出血等後果而突然危及生命。
在將該技術投入使用之前，還需要幾個步驟
儘管數學模型表明，許多生命可能會被挽救，但在救護人員可以使用這項技術之前，還有很長的路要走。
關鍵步驟是找到一種方法，快速輕鬆地將所有資訊匯入 AI 工具，並使服務能夠與使用者進行良好的互動。
例如，我們是否可以使用工具進行交流，以便騰出雙手？ 如何在現有工作流程和協議中協作 AI，以及如何在新增新資料時更新對員工的建議？ 在進行更多的研究和原型工作時，我們需要測試並考慮這些事情。 安娜·巴基杜說。
在人工智慧服務成為救護車工作人員日常工作的一部分之前，需要進行大規模的臨床試驗。
這些規定意味著這需要時間，並且對人工智慧存在一些擔憂。 如果出現問題，後果可能會很嚴重。 引入醫療領域的一切都必須經過驗證。 同時，我們也知道，今天使用的一些方法並不總是最好的。 在救護車護理方面，關於人工智慧的研究並不多，我們希望我們的數學模型能夠為工作環境提供適應性強的支援，並長期提供更公平的護理。 合著者、查爾姆斯理工大學電氣工程系副教授Stefan Candeford說。