评估一个人受伤的严重程度需要快速权衡许多不同的参数。如果医疗保健专业人员能够通过人工智能工具获得支持，做出快节奏的、攸关生命的决策，就可以挽救更多的生命。瑞典查尔姆斯理工大学、哥德堡大学和布罗斯大学的研究表明了这一点。

“如果将重伤者直接送往大学医院，生存的机会就会增加，因为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是重伤者，谁是重伤者。”查尔姆斯理工大学电气工程系Care@Distance – 远程和院前数字医疗 研究小组的博士生 Anna Bakidou 说道： 。

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 年间接触过救护车护理的成年人的数据，开发了五种不同的数学模型。这些数据来自超过 47,000 个真实事件，取自 瑞典创伤登记处，其中还显示了人员被运送到的地点。通过权衡呼吸频率、损伤类型、血压、年龄和性别等一系列复杂变量，结果证明所有人工智能模型的表现都比临床结果更好——临床结果是救护车工作人员做出的运输决定。事件发生的时间。

多名重伤者被送往正规医院

事实证明，40%的重伤患者没有被直接送往大学医院。与此同时，45%的非重伤者被不必要地送往大学医院，因为他们的伤势本来可以在正规医院得到治疗。

“救护人员经常面临困难而快速的决策。我们希望有一个更客观的决策支持系统能够充当&luo;额外的同事&ruo;，让工作人员看到更复杂的联系，并在受伤可能很困难的情况下三思而后行。感知或评估，”安娜·巴基杜说。

作为一个例子，她提到，经常发生交通事故的年轻人经常被认为比他们实际受伤更严重。另一方面; 卷入跌倒事故等事件的老年人通常被评估为轻伤，尽管事实上，由于内出血等后果，他们的病情可能会突然危及生命。

该技术投入使用之前的几个步骤

尽管数学模型表明许多人的生命有可能被挽救，但救护人员使用这项技术还有很长的路要走。关键的一步是找到将所有信息快速轻松地输入人工智能工具的方法，并使服务能够以良好的方式与用户交互。

“例如，你能与工具对话，从而解放双手吗?如何使用现有的例程和协议与人工智能一起工作，以及当添加新数据时如何更新给员工的建议?我们当我们进行更多研究和原型工作时，需要测试并考虑这些因素，”Anna Bakidou 说。

在人工智能服务成为救护人员日常生活的一部分之前，还需要进行大规模的临床试验。