救护车配备通过机器学习增强的医疗机器人，以帮助创伤患者

马里兰大学的工程师希望为救护车配备通过机器学习增强的医疗机器人，以帮助创伤患者。

在发生创伤性损伤的时候，没有医生在场。急救医疗技术人员首先做出反应，他们在救护车运输期间稳定病人，而专门的创伤小组则准备在医院接诊病人。

也就是说，如过患者能够撑到医院的话。

马里兰大学机械工程助理教授Axel Krieger表示：“去医院的“旅程”对创伤患者来说是最危险的。”他的专业是医学机器人和计算机视觉。Krieger表示，据了解，如果他们能更快地获得医院级别的护理，三分之一的创伤死亡可能会幸存下来。他致力于在救护车上达到这样的护理标准，这与他在德国大学学习汽车工程有很大的关系。

为了提高对创伤患者救护过程中的医疗能力，Krieger希望为救护车配备一个通过机器学习（ML）增强的医疗机器人。他说：“救护车行驶过程中最大的危险之一是未确诊的内部出血。”“目前救护车上可用的方法无法检测到。这是看不见的。”

但是机器人可以。

Krieger表示：“想象一下，你有一个病人在急救车里，一个机器人扫描病人并获取超声波图像。这可以提供的是一个重要的救命诊断和提高护理水平，而在紧急救护车上现在尚不可能完成。”

机器人通过对损伤进行扫描和可视化，然后将扫描结果与它的ML算法进行比较和分析，后者是使用来自类似真实病人图像的数据进行训练的。它集中在已知特别容易受到隐藏伤害和出血的解剖区域，如骨盆区域和肺、脾和肝之间的空间，以根据位置、深度和与重要解剖的相互作用来确定伤口的严重性；计算失血量；评估出血的可能性。在途中分析这些特征将有助于产生一个更准确的对患者进行分诊的损伤情况，以便他或她能够尽快得到适当的护理，这可能是在救护车上，而最又帮助的肯定是在到达医院后。

为了开发这种基于ML的智能扫描机器人，Krieger和几个A.James Clark工程学院的研究生与马里兰大学医学中心R Adams Cowley休克创伤中心的创伤专家合作。

这项研究仍处于实验阶段，尚未批准临床应用于患者，但Krieger认为这将很快。

他说：“真正让我兴奋的是患者护理的转化方面。”“如果我们能帮助更多的人生存，这是我们工作的最佳用途。”