近年来，猝死的新闻越来越多，从猝死的人群中看出如今猝死的人群也越来越年轻化了，因此如何预防猝死成为人们关注的焦点。近日，国内首家急救大数据库建设与人工智能辅助决策应用的案例吸引了广泛关注，人工智能可提前预测患者发病时间，为抢救患者争取到宝贵时间。
人工智能能在医疗领域哪些方面发挥作用？比如，可预测高血压病友的个性化服药时间。它精于统计分析，如果你的高血压频繁发生在晚上9点，它就能敦促你在晚上9点准时服用降压药，让服药时间匹配发病时间，避免盲目服药带来的供血不足等临床风险。
不仅如此，人工智能还“解放”了影像医生数十年如一日重复枯燥的“看片”生涯。它以“一目十张”的速度阅览成千上万张影像，迅速形成影像报告，而医生只需进一步复核确认，并签发影像诊断报告。
优质医疗资源永远是稀缺，国家配备多少急救资源才能在白金十分钟和黄金一小时内开展时限救治。急诊大数据建设项目的牵头人解放军总医院急诊科主任黎檀实和解放军总医院医学工程中心主任曹德森认为，急诊时限救治的解决之道，是将大数据和人工智能预警技术部署到社区乃至病人的床头。一旦病人在夜间睡眠过程中身体有任何不适，监测系统可实时把病人的生命体征数据传回到医院，并提醒病人去看急诊，以便及早干预和阻断疾病发展进程。
人工智能的“粮食”是数据，吃掉越多数据越能提高疾病预测的精准度。解放军总医院以急诊患者的连续生命体征数据、实验室检查数据、影像数据和电子病历四个方面为基本数据采集对象，通过三年的采集已经获得33万例急诊分诊数据和3万多例住院观察数据。
目前，急诊14种以上的疾病谱已经全部被纳入到急救大数据中，这就意味着，心梗、脑梗、高血压、猝死等常见疾病在不远的将来，都将通过人工智能预警技术实施提前预测、干预和阻断，避免疾病的突然发作。
天坛医院、清华大学等20多家医院和大学的学者参加了基于解放军总医院急救大数据进行的数据实践与竞赛活动（Data-thon），他们认识了数据，触摸了数据，今后也将能够构建自己的急救数据库。下一步，曹德森想把大数据继续拓展应用到所有的临床专科。
急诊数据价值高、能救命
急诊大数据的价值密度很高，换句话说，都是救命的数据信息。因为来看急诊的患者，都处于病情快速转折期，数据内涵丰富，具备极高的研究价值。
“以前的急诊数据都是机会性获得，好多关键数据没保存下来。”曹德森回想传统的急诊数据收集状况，不仅关键高价值数据没有获取，而且信息标注不清晰，数据结构混乱，给急救医学研究带来极大复杂性。“我们90%的精力都用在了筛选数据，只有10%的精力用于算法研究。”
过去，没保存下来的关键数据之一，就是急诊病人的连续生命体征，常见的有心电、呼吸、脉搏、血压、血氧和体温等。临床工程师出身的曹德森认为这恰恰是急诊数据最精华部分，但是有些临床医生却不这么想，“他们认为，生命体征正不正常我一眼就看出来了。”
曹德森在与临床的沟通中坚持采集了这个数据，在他看来，临床医生“看一眼便知生命体征”的方式只是数据的“一次”利用，没有进行“二次”深度利用。“我要做的是将这个数据与其他信号匹配起来分析，看趋势、看变化规律、看多参数据在连续时间和空间上的信号特征，这些数据的联合分析恰恰很有意义。”
曹德森介绍，急诊大数据库建成是信息网络技术、云计算和人工智能技术发展的必然结果，它以跨专业跨领域的形式存在，单一机构、单一学科、单一领域的人员是无法建立起来的。急诊大数据库建设这一成果的最大特点是跨界融合与集成创新。
这样一来，构建这样的跨平台系统成为最大的挑战。多样化的接口标准和通讯协议，大量的实时数据最终都要接入同一个目的地：开放数据库。这种难题用专业术语来说就是要解决“多源异构”问题。数据库搭建过程中，多学科专家达不成共识、相互不理解都是“家常便饭”。
基于急救大数据和人工智能技术转化的可穿戴式生命体征感知产品，今年年底或明年年初就可面世，不过目前仍处于保密状态。如果系统判断引发老人胸闷的是冠心病、心梗早期等问题，那么它会提前好几天甚至好几周就发出预警信号，提醒老人赶紧去看医生。“中西医联合阻断心衰发展进程，对危险提前干预阻断就没事了。”曹德森说了一句有点绕口的金句：抢救不如抢救及时，抢救及时不如干预得早。
未来急救大数据的发展，是整合更多医疗机构的急诊数据资源，并整合院前、院中、院后数据，形成多中心全息急救大数据。发展医学人工智能的三大要素为“算力、算法和大数据”，相信多中心全息急救大数据的建设将进一步助力分级诊疗和医学人工智能的发展，将有越来越多的人工智能技术应用于疾病的早期预警、预测和预防。
.（原标题：急救大数据：做身体的精准预报员）
