馬里蘭大學(xué)的工程師希望為救護(hù)車配備通過(guò)機(jī)器學(xué)習(xí)增強(qiáng)的醫(yī)療機(jī)器人，以幫助創(chuàng)傷患者。

在發(fā)生創(chuàng)傷性損傷的時(shí)候，沒(méi)有醫(yī)生在場(chǎng)。急救醫(yī)療技術(shù)人員首先做出反應(yīng)，他們?cè)诰茸o(hù)車運(yùn)輸期間穩(wěn)定病人，而專門的創(chuàng)傷小組則準(zhǔn)備在醫(yī)院接診病人。

也就是說(shuō)，如過(guò)患者能夠撐到醫(yī)院的話。

馬里蘭大學(xué)機(jī)械工程助理教授Axel Krieger表示：“去醫(yī)院的“旅程”對(duì)創(chuàng)傷患者來(lái)說(shuō)是最危險(xiǎn)的?！彼膶I(yè)是醫(yī)學(xué)機(jī)器人和計(jì)算機(jī)視覺(jué)。Krieger表示，據(jù)了解，如果他們能更快地獲得醫(yī)院級(jí)別的護(hù)理，三分之一的創(chuàng)傷死亡可能會(huì)幸存下來(lái)。他致力于在救護(hù)車上達(dá)到這樣的護(hù)理標(biāo)準(zhǔn)，這與他在德國(guó)大學(xué)學(xué)習(xí)汽車工程有很大的關(guān)系。

為了提高對(duì)創(chuàng)傷患者救護(hù)過(guò)程中的醫(yī)療能力，Krieger希望為救護(hù)車配備一個(gè)通過(guò)機(jī)器學(xué)習(xí)（ML）增強(qiáng)的醫(yī)療機(jī)器人。他說(shuō)：“救護(hù)車行駛過(guò)程中最大的危險(xiǎn)之一是未確診的內(nèi)部出血?！薄澳壳熬茸o(hù)車上可用的方法無(wú)法檢測(cè)到。這是看不見(jiàn)的。”

但是機(jī)器人可以。

Krieger表示：“想象一下，你有一個(gè)病人在急救車?yán)?，一個(gè)機(jī)器人掃描病人并獲取超聲波圖像。這可以提供的是一個(gè)重要的救命診斷和提高護(hù)理水平，而在緊急救護(hù)車上現(xiàn)在尚不可能完成?！?/p>

機(jī)器人通過(guò)對(duì)損傷進(jìn)行掃描和可視化，然后將掃描結(jié)果與它的ML算法進(jìn)行比較和分析，后者是使用來(lái)自類似真實(shí)病人圖像的數(shù)據(jù)進(jìn)行訓(xùn)練的。它集中在已知特別容易受到隱藏傷害和出血的解剖區(qū)域，如骨盆區(qū)域和肺、脾和肝之間的空間，以根據(jù)位置、深度和與重要解剖的相互作用來(lái)確定傷口的嚴(yán)重性；計(jì)算失血量；評(píng)估出血的可能性。在途中分析這些特征將有助于產(chǎn)生一個(gè)更準(zhǔn)確的對(duì)患者進(jìn)行分診的損傷情況，以便他或她能夠盡快得到適當(dāng)?shù)淖o(hù)理，這可能是在救護(hù)車上，而最又幫助的肯定是在到達(dá)醫(yī)院后。

為了開(kāi)發(fā)這種基于ML的智能掃描機(jī)器人，Krieger和幾個(gè)A.James Clark工程學(xué)院的研究生與馬里蘭大學(xué)醫(yī)學(xué)中心R Adams Cowley休克創(chuàng)傷中心的創(chuàng)傷專家合作。

這項(xiàng)研究仍處于實(shí)驗(yàn)階段，尚未批準(zhǔn)臨床應(yīng)用于患者，但Krieger認(rèn)為這將很快。

他說(shuō)：“真正讓我興奮的是患者護(hù)理的轉(zhuǎn)化方面?！薄叭绻覀兡軒椭嗟娜松?，這是我們工作的最佳用途。”