沈 洪, 刘中民
(1. 中国人民解放军总医院,北京 100853; 2. 同济大学附属东方医院,上海 200120)
灾难是指任何能引起设施破坏,造成严重经济损失、人员伤亡、人体健康状况及社会卫生服务条件恶化的事件。灾难应急医学救援是在各种灾难情况下所实施的紧急医疗救治、疾病防治和卫生保障,涉及到灾害预防、现场急救、灾难情况评估及救援的组织管理等[1]。随着社会经济的快速发展,公众对灾难救援的期望值不断增高;政府也不断加大对灾难应急救援的重视、要求和投入,同时对灾难医学救援提出了更高的发展目标。如何科学地应对灾难救援,最大限度地将灾难造成的损失降至最低已成为全球关注的热点,一个“始于灾前、重于灾中、延于灾后”的灾难立体大救援观已形成,科学应对灾难与科学预防灾难已成为当今社会的普遍共识[2]。传统的灾难应急医学救援因为很难全面、准确地评估灾难现场,有效协调救援人力、物资,导致救援效果不佳。当智能时代到来之即,深入地认识、应用人工智能技术,可有助于人类预防灾难、抵御灾难,最大限度地减少灾难损失的影响。
智能时代以生产力跨越式发展的势态影响到社会的各行各业,各个领域。2017年国务院印发了《新一代人工智能发展规划》,提出“互联网+”人工智能三年行动实施方案[3],从科技研发、应用推广和产业发展等方面提出了一系列措施,也为智能化灾难应急医学救援领域的发展指出了方向。面对日渐增多的自然与人为灾难,政府及社会对灾难应急救援关注度和要求不断提高。如何提升医学救援的反应速度,最大限度降低人员的伤亡,提高灾难相关人员身心健康状况及社会卫生服务水平,这始终是需要努力完善、创新发展的基本方向。
既往的灾难应急医学救援都显得很被动、仓促,难以达到最佳有效的救援效果。诸多灾难现场医学救援的急迫问题和实际需求,如灾难现场受灾人员未能快速采取自救互救的正确方法,早期到达现场的应急救援人员难于对灾情进行及时、准确的客观评估,救援机构难以获得更适当的人员、物资、装备的外援数据信息,往往造成不必要的人员、物资的浪费。这些均在某种程度造成交通、救援现场的混乱和无序状况,在有效的救援时间未能发挥应有的救援效果,成为影响我国灾难应急救援发展的瓶颈。随着人工智能技术的迅速发展,应从人工智能技术的应用和发展上探讨解决这些问题的方法。(1) 首先需要建立一个适合专业救援及公众普及救援方法知识库平台,采用自然语言理解和智能问询的方法,可随时用来解决灾难现场应急救援及自救互救知识技能缺乏的问题。(2) 根据各种灾难类型及等级分类构建一个具有权威解释的咨询标准化资源库,可针对灾难具体情景,通过智能化询问系统协助灾难现场受灾及救援人员,科学、标准化完成针对灾难状况的客观评估,有助于救援机构对现场灾情进行综合分析判断,根据灾难救援原则准确地指导现场如何救援,并结合既往灾难大数据信息资源的综合研判,获得有效救援具体解决方案,以及应实施救援的人力、物资和方法的配置。(3) 由政府主导建设灾难应急救援大数据资源和智能辅助决策平台,可针对灾难救援中可能出现的各类问题,汇集社会各方面人力、物力、救援资源信息,根据国内外的灾难救援的经验共识,及时提供相应有效的实施方案,辅助政府及有关救援机构制定救援决策。(4) 在救援需求的基础上研发各种智能化捜救、可穿戴数据采集、生命定位检测设备,救援工程机器人,传递物品无人机等产品。获取灾难环境下各类现场灾情、受灾人群、地质变化、救灾条件、人员物资需求,相关的在前人员、物资准备等数据资源。
从积累的众多国内灾害应急医学救援实践中总结经验,可加快提升我国灾难应急医学救援的能力和水平,以达到较高的国际水准或做出适合国情的创新之举。当务之急,将灾难评估与救援需求分析纳入科学应急救援机制是关键的环节。一旦灾难发生,救援现场首要目标是评估医学救援的任务需求,统计受伤人数及由灾难引发疾病情况;预防次发伤害、灾后传染疾病的发生,开展流行病学调查;评估医疗基础设施和固定财产的完整性,能源和水源的可用性,基本服务设施对受灾区域可否提供基本服务能力。根据掌握的数据信息做出可实施的救援方案;再划分优先需求和次要需求,以及通讯、运输、人力资源信息。公共信息与社会媒体参与,监督救援物资的分配和实用性评估,并及时对救援提供建议和未来行动方案的更改等。
在灾难救援过程中汇集了大量的数据信息,除灾情评估、地质变化、受灾人群、救灾条件、人员物资需求等。众所周知,大数据所具备的基本特征,即数据的大规模性、快速增长性、结构多样性和巨大价值,而在医学救援数据中又会表现为多样性、不完整性、时间性和冗余性。对灾难的医学救援往往来自社会方方面面,多重因素参与会产生海量的实时动态数据,如何更好调用、分析和挖掘这些数据的价值,已不能按照过去模式去总结统计这些数据。判断真实大数据是在实时相关联的数据中发掘价值,寻找出事物发展中的基本规律。这有助于欠缺经验、判断能力或缺少决策力的救援机构和指挥者更好地优化整合各方面的信息资源,使之能在难以预测的灾难发生时,作出更好的综合判断和更合理的应对决策。
基于日益增长的灾难医学救援需求,随着人工智能在各领域的发展战略需求,有必要建设灾害应急医学救援大数据智能管理和辅助决策平台,更好地调查汇集真实、有效灾难应急医学救援数据信息,使灾难应急救援资源数据实时可靠,提供决策有依据可信,达到灾难应急救援指挥客观有力,真正落实国家智能化产业规划在灾难应急救援领域的创新性发展[6-8]。
在灾难医疗救援采用智能大数据技术与灾难救援相结合,以有利于我国灾害应急救援水平的提升,同时也是一个不可错失的战略机遇。依据国家人工智能发展规划,从科技研发、应用推广和产业发展等方面结合我国语音识别、视觉识别世界领先技术,应用自主学习、直觉感知、群体智能、图像处理、智能监控、服务机器人、无人驾驶等项技术,获取灾难环境下各类现场灾情、受灾人群、地质变化、救灾条件、人员物资需求,相关的人员、物资准备等数据资源。采用人工智能方法对自然灾害进行评估,围绕地震、地质、气象、水旱和海洋灾害等重大自然灾害中的医学救援,为构建智能监测、咨询、指挥的大数据智能辅助决策平台提供现实的基础。
基于突破跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术进展,已可实现跨媒体知识表征、分析、挖掘、推理、演化和利用,构建分析推理引擎;特别在自然语言的语法逻辑、字符概念表征和深度语义分析的核心技术,推进人类与机器的有效沟通和自由交互[9-11]。建立快速精准的智能灾难医学救援体系,启动智能灾难医学救援咨询,配戴柔性可穿戴、生物兼容的生理监测系统,启用人机协同灾难医学救援方案,从而加强灾难及相关伤病的智能监测和防控。
近年来,由国内多所知名医疗机构、科研院所及灾难救援产业集团形成的国内救援产学合作联盟,进行了灾害应急医学救援理论的探讨、国内灾害医学救援的规范标准制定及灾害救援的骨干人才教育培训,并致力灾难救援产品的研发和产业推动,为人工智能灾难救援大数据决策平台研发奠定了坚实的工作基础。所开展的研发内容主要涉及以下内容。(1) 灾害应急救援方法智能咨询系统: 适用灾难应急医学救援的语音咨询服务型机器人,实现使用者用语言询问(包括方言),就可以获得所需來自智能数据软件系统有关救援知识,受灾或救援人员还可以凭借当时出现的各种灾害状态和情景提出各种问题,寻求救灾的解决方法。(2) 灾情调查智能问询系统: 可针对具体灾难情景,询问灾难现场受灾或救援人员,进行灾害状态的客观评估,有助于对现场灾难情况进行分析判断,获得相应的救援解决方案。(3) 图像及灾情智能综合评估系统: 应用于现场的各类数据信息(图像拼接技术),结合系统进行综合评估灾害现场信息,同时与远程救援指挥中心实时联系,实施灾情数据共享。可实现大数据分析处理功能,适时提供有关灾情的相关处理实施救援方案,可更有效提供如何分配救援的人力物资和医疗资源的信息资讯。(4) 灾情综合应对处理指挥系统: 智能化系统构建一个指挥中心与线下专家支持,与灾害现场救援团队信息互动和智能转换系统平台,更好发挥指挥机构与现场救援者的信息反馈,实时互动,更合理化处置各类灾害事件。(5) 无人机应用的辅助功能: 灾害现场道路和房屋设施破坏严重,会造成道路交通阻塞和人员活动限制及安全隐患,及时了解现场的实际情况对实地救援,对配备急救资源作用重大。一方面,采用无人机航拍序列图像拼接技术是运用图像拼接技术,可以将无人机航拍的视频序列图像进行拼接,形成一幅大场景的直观易理解的图像。另一方面,采用无人机运载物品,可迅速将除颤器、止血药物、辅料和保护支具等送达指定的地点。
结合灾难前、灾难中、灾难后具体情形的复杂性、特殊性,应用创新模式开拓灾难预防应急的新技术方法。(1) 应用灾难发生前的预警技术、统筹分类技术、演练仿真技术、应急避险技术,这些均体现了灾难预防应急完整体系、灾难预防应急预备队伍、灾难预防应急平战装备、灾难预防应急现代资讯等为主题内容的灾难预防应急思法,更注重防患于未然。(2) 应用灾难中紧急救援技术,如发现灾难的全方位搜救技术、直面灾难逃离的求生技术、灾难的现场心肺复苏、创伤急救技术、规避灾难的防范次生技术、撤离灾难的时空转运技术。灾难中技术方法着眼于灾难现场的特定环境、特定时间、特定因素、特定器具等综合评估,实施因人而异、因地制宜、因器应变、因情施救的灾难预防应急方案。(3) 应用灾难后干预技术、灾难的立体干预技术、认识灾难的民众传媒技术、化解灾难的人文心理技术、反馈灾难的现代信息技术、衡量灾难的总体评估技术、调控灾难的顶层决策技术。
在提高公众防灾避险的意识培养和技能培训中,要注重结合使用互联网、人工智能和语音机器人等现代智能技术,开发应用APP等智能软件,方便随时随处学习防灾避险的知识和技能。利用可人机对话的智能机器人交互式的灾情评估,对救灾进行指导,同时也为政府灾难应急救援不间断地积攒数据信息资源,为机器深度学习、挖掘数据价值奠定信息资源基础。