猝死，似乎是一種無法預知何時來臨的奪命殺手。然而，人工智能在這方面堪稱“預測帝”，它擁有向一個人發出“離猝死還有幾小時”信號的底氣，為提前搶救生命爭取到寶貴時間。這種底氣來自于對成千上萬個猝死案例多指標的聯合分析。在近日召開的“第五屆長城國際軍事醫學論壇”子論壇上，國內首家急救大數據庫建設與人工智能輔助決策應用的案例吸引了廣泛關注。

　　可提前預測患者發病時間

　　人工智能能在醫療領域哪些方面發揮作用？比如，可預測高血壓病友的個性化服藥時間。它精于統計分析，如果你的高血壓頻繁發生在晚上9點，它就能敦促你在晚上9點準時服用降壓藥，讓服藥時間匹配發病時間，避免盲目服藥帶來的供血不足等臨床風險。

　　不僅如此，人工智能還“解放”了影像醫生數十年如一日重復枯燥的“看片”生涯。它以“一目十張”的速度閱覽成千上萬張影像，迅速形成影像報告，而醫生只需進一步復核確認，并簽發影像診斷報告。

　　優質醫療資源永遠是稀缺，國家配備多少急救資源才能在白金十分鐘和黃金一小時內開展時限救治。急診大數據建設項目的牽頭人解放軍總醫院急診科主任黎檀實和解放軍總醫院醫學工程中心主任曹德森認為，急診時限救治的解決之道，是將大數據和人工智能預警技術部署到社區乃至病人的床頭。一旦病人在夜間睡眠過程中身體有任何不適，監測系統可實時把病人的生命體征數據傳回到醫院，并提醒病人去看急診，以便及早干預和阻斷疾病發展進程。

　　人工智能的“糧食”是數據，吃掉越多數據越能提高疾病預測的精準度。解放軍總醫院以急診患者的連續生命體征數據、實驗室檢查數據、影像數據和電子病歷四個方面為基本數據采集對象，通過三年的采集已經獲得33萬例急診分診數據和3萬多例住院觀察數據。

　　目前，急診14種以上的疾病譜已經全部被納入到急救大數據中，這就意味著，心梗、腦梗、高血壓、猝死等常見疾病在不遠的將來，都將通過人工智能預警技術實施提前預測、干預和阻斷，避免疾病的突然發作。

　　天壇醫院、清華大學等20多家醫院和大學的學者參加了基于解放軍總醫院急救大數據進行的數據實踐與競賽活動（Data-thon），他們認識了數據，觸摸了數據，今后也將能夠構建自己的急救數據庫。下一步，曹德森想把大數據繼續拓展應用到所有的臨床專科。

　　急診數據價值高、能救命

　　急診大數據的價值密度很高，換句話說，都是救命的數據信息。因為來看急診的患者，都處于病情快速轉折期，數據內涵豐富，具備極高的研究價值。

　　“以前的急診數據都是機會性獲得，好多關鍵數據沒保存下來。”曹德森回想傳統的急診數據收集狀況，不僅關鍵高價值數據沒有獲取，而且信息標注不清晰，數據結構混亂，給急救醫學研究帶來極大復雜性。“我們90%的精力都用在了篩選數據，只有10%的精力用于算法研究。”

　　過去，沒保存下來的關鍵數據之一，就是急診病人的連續生命體征，常見的有心電、呼吸、脈搏、血壓、血氧和體溫等。臨床工程師出身的曹德森認為這恰恰是急診數據最精華部分，但是有些臨床醫生卻不這么想，“他們認為，生命體征正不正常我一眼就看出來了。”

　　曹德森在與臨床的溝通中堅持采集了這個數據，在他看來，臨床醫生“看一眼便知生命體征”的方式只是數據的“一次”利用，沒有進行“二次”深度利用。“我要做的是將這個數據與其他信號匹配起來分析，看趨勢、看變化規律、看多參數據在連續時間和空間上的信號特征，這些數據的聯合分析恰恰很有意義。”

　　曹德森介紹，急診大數據庫建成是信息網絡技術、云計算和人工智能技術發展的必然結果，它以跨專業跨領域的形式存在，單一機構、單一學科、單一領域的人員是無法建立起來的。急診大數據庫建設這一成果的最大特點是跨界融合與集成創新。

　　這樣一來，構建這樣的跨平臺系統成為最大的挑戰。多樣化的接口標準和通訊協議，大量的實時數據最終都要接入同一個目的地：開放數據庫。這種難題用專業術語來說就是要解決“多源異構”問題。數據庫搭建過程中，多學科專家達不成共識、相互不理解都是“家常便飯”。

　　基于急救大數據和人工智能技術轉化的可穿戴式生命體征感知產品，今年年底或明年年初就可面世，不過目前仍處于保密狀態。如果系統判斷引發老人胸悶的是冠心病、心梗早期等問題，那么它會提前好幾天甚至好幾周就發出預警信號，提醒老人趕緊去看醫生。“中西醫聯合阻斷心衰發展進程，對危險提前干預阻斷就沒事了。”曹德森說了一句有點繞口的金句：搶救不如搶救及時，搶救及時不如干預得早。

　　未來急救大數據的發展，是整合更多醫療機構的急診數據資源，并整合院前、院中、院后數據，形成多中心全息急救大數據。發展醫學人工智能的三大要素為“算力、算法和大數據”，相信多中心全息急救大數據的建設將進一步助力分級診療和醫學人工智能的發展，將有越來越多的人工智能技術應用于疾病的早期預警、預測和預防。