评估一个人的伤害有多严重需要快速权衡许多不同的参数。 如果医疗专业人员能够从人工智能工具中获得快速、关键的生命决策支持，就可以挽救更多的生命。 这是由查尔姆斯理工大学、哥德堡大学和瑞典博尔斯大学的研究机构提出的。
如果一个重伤的人被直接送往综合大学医院，生存的机会就会增加，因为那里有资源来处理各种类型的伤害。 因此，我们需要能够更好地判断谁受了重伤，谁没有受重伤，以便每个人都能得到适当的照顾，资源可以得到最好的利用。 查尔姆斯理工大学电气工程系远程和院前数字健康研究小组的博士生安娜·巴基杜（Anna Bakidu）care@distance说。
在最近发表的一项研究中，Anna Bakidou 和她的合著者根据 2013 年至 2020 年接受救护车护理的成年人的数据开发了五种不同的数学模型。
这些数据来自瑞典创伤登记处的47,000多个真实事件，它还显示了这些人被送往哪里。
通过权衡一系列复杂的变量，如呼吸频率、损伤类型、血压、年龄和性别，结果表明，所有人工智能模型在临床结果方面的表现都优于当时救护人员做出的运输决策。
许多重伤患者被送往综合医院
结果发现，40%的重伤患者没有直接被送往综合大学医院。
与此同时，45%的非严重损伤患者被不必要地送往大学医院，因为他们的伤势可以在综合医院接受治疗。
救护人员经常面临艰难而紧迫的决定。 我们希望一个更客观的决策支持系统将起到'额外同事'的作用，让员工看到更复杂的联系，并在难以感知或评估伤害时三思而后行。 安娜·巴基杜说。
她说，例如，年轻人（经常卷入交通事故）通常被认为比实际受伤更严重。
另一方面，当老年人卷入跌倒事故等事件时，他们通常被评估为轻伤，尽管他们的病情可能会因内出血等后果而突然危及生命。
在将该技术投入使用之前，还需要几个步骤
尽管数学模型表明，许多生命可能会被挽救，但在救护人员可以使用这项技术之前，还有很长的路要走。
关键步骤是找到一种方法，快速轻松地将所有信息导入 AI 工具，并使服务能够与用户进行良好的交互。
例如，我们是否可以使用工具进行交流，以便腾出双手？ 如何在现有工作流程和协议中协作 AI，以及如何在添加新数据时更新对员工的建议？ 在进行更多的研究和原型工作时，我们需要测试并考虑这些事情。 安娜·巴基杜说。
在人工智能服务成为救护车工作人员日常工作的一部分之前，需要进行大规模的临床试验。
这些规定意味着这需要时间，并且对人工智能存在一些担忧。 如果出现问题，后果可能会很严重。 引入医疗领域的一切都必须经过验证。 同时，我们也知道，今天使用的一些方法并不总是最好的。 在救护车护理方面，关于人工智能的研究并不多，我们希望我们的数学模型能够为工作环境提供适应性强的支持，并长期提供更公平的护理。 合著者、查尔姆斯理工大学电气工程系副教授Stefan Candeford说。