基于大數(shù)據(jù)+人工智能的現(xiàn)代海戰(zhàn)傷腹部傷情評估研究

方誠，李兆申，沈鋒

現(xiàn)代?？樟Ⅲw戰(zhàn)爭，科技含量高，武器殺傷力大，往往在短時間內產(chǎn)生大量復雜傷員，救治難度大。由于救治人員不足、空間狹小、海水浸泡等原因，腹部傷已成為危及傷員生命的主要傷情之一［1］。腹部傷情的評估和臨床決策是影響傷員救治和預后的重要環(huán)節(jié)，但是目前我軍的傷情評估體系尚不完善，影響戰(zhàn)場腹部傷情評估的實際開展。隨著中華創(chuàng)傷數(shù)據(jù)庫的建立，基于大數(shù)據(jù)的傷情評估和救治決策研究已成為創(chuàng)傷研究的熱點。人工智能作為一種具備自我學習功能的計算機技術，已被廣泛應用于智能影像、健康管理等多個醫(yī)學領域。研究證實，通過大樣本量的訓練，人工智能對腹部疾病的診斷評估和臨床決策較人為評估體現(xiàn)出更高的準確性和時效性［2］。構建基于大數(shù)據(jù)+人工智能的海戰(zhàn)傷腹部傷情評估系統(tǒng)，有望提高我軍腹部傷情的評估效率和臨床決策能力，改善傷員預后，降低戰(zhàn)斗減員率。

1 現(xiàn)代海戰(zhàn)傷腹部傷情特點

現(xiàn)代戰(zhàn)場環(huán)境復雜，致傷因素多樣，致殘致死率高［3］，腹部傷的發(fā)生率占全身各部位傷的5%～7%，主要表現(xiàn)為以腹部創(chuàng)傷為主的多發(fā)傷［4］。海上作戰(zhàn)由于空間狹窄、人員集中、后送困難等原因，腹部戰(zhàn)傷的減員率遠高于其他類型［5］。此外，海水溫度低、滲透壓高、含菌量大，這些因素可導致腹部傷情進一步加重，增加救治難度［6-8］。因此，對海戰(zhàn)傷腹部傷情進行快速評估，及時采取系統(tǒng)性和有針對性的救治措施，是降低傷員致死率和致殘率的重要手段。

2 我軍戰(zhàn)傷傷情評估體系有待完善

準確的傷情評估和診斷是分類救治的前提和基礎。戰(zhàn)時傷情程度重，輔助檢查設備有限，傷情變化迅速，對傷情評估能力提出了更高的要求［9］。我軍《戰(zhàn)傷傷情評估和診斷方法的專家共識》對現(xiàn)行的戰(zhàn)現(xiàn)場急救、緊急救治和早期救治3個階段的戰(zhàn)傷傷情評估方法進行了概述。戰(zhàn)現(xiàn)場急救階段推薦使用MARCH法［有無致命性大出血（massive hemorrhage， M），是否存在氣道阻塞（airway， A），有無張力性或開放性氣胸（respiration， R），有無失血性休克（circulation， C），是否存在低體溫（hypothermia， H）］進行傷情評估，采用戰(zhàn)地檢傷分類評分（field triage score， FTS）法及簡明檢傷分類（simple triage and rapid treatment， START）法等確定救治和后送的優(yōu)先順序；緊急救治階段推薦使用MARCH順序法進行傷情評估，使用簡易戰(zhàn)傷計分法或START法確定傷員的收容、救治和后送優(yōu)先級別，其他常用的院前評估方法，如創(chuàng)傷嚴重程度CRAMS法［循環(huán)（circulation， C），呼吸（respiration， R），腹 部（abdomen， A），活 動（motor， M）和 語 言（speech， S）］等也具有一定的實用性；早期救治階段推薦使用軍事版簡明損傷定級、損傷嚴重程度評分法或者戰(zhàn)傷評分系統(tǒng)進行傷情嚴重程度評估，采用創(chuàng)傷和損傷嚴重程度評分法和創(chuàng)傷嚴重程度特征評分法進行生存概率評估［10］。隨著戰(zhàn)場救治環(huán)節(jié)的改變，戰(zhàn)傷評估的方法和手段也隨之變化，這大大增加了戰(zhàn)場傷情評估的流程和難度，影響傷情評估的實際開展。因此，構建一種戰(zhàn)場適應性強、時效性好的傷情評估系統(tǒng)，輔助進行腹部戰(zhàn)創(chuàng)傷的實時動態(tài)評估，對于提高海戰(zhàn)傷腹部創(chuàng)傷的救治效率具有極其重要的戰(zhàn)略意義。

3 基于大數(shù)據(jù)+人工智能的新模式為海戰(zhàn)傷腹部傷情評估提供新途徑

隨著深度學習、圖像識別、神經(jīng)網(wǎng)絡等關鍵技術的突破，人工智能逐漸深入醫(yī)療領域的各個環(huán)節(jié)，包括虛擬助理、輔助診療、智能醫(yī)學影像、醫(yī)療機器人及智能健康管理等多個方面。機器學習作為人工智能的核心技術，具備獨特的自我學習能力。基于創(chuàng)傷數(shù)據(jù)庫提取大量歷史數(shù)據(jù)特征及規(guī)律，利用人工智能對現(xiàn)有數(shù)據(jù)進行分析，做出智能化預測和判斷，已被大量應用于運動創(chuàng)傷、神經(jīng)創(chuàng)傷等多個系統(tǒng)的傷情評估［11-12］。人工智能在腹部傷情評估中的應用亦有部分報道，主要體現(xiàn)在以下幾個方面。（1）基于人工智能的輔助診斷：腹部創(chuàng)傷病情復雜多樣，影像學表現(xiàn)特征各異，人工智能通過提取大量影像學特征，進行大數(shù)據(jù)訓練和機器學習，實現(xiàn)影像學智能閱片，輔助醫(yī)生進行疾病診斷，提高準確率。（2）基于人工智能的術前腹部傷情評估：早在1988年，Clarke等［13］利用一種智能化的“專家系統(tǒng)”對腹部穿通傷患者進行了傷情評估和臨床治療決策，結果顯示“專家系統(tǒng)”的決策能力顯著高于訓練有素的臨床醫(yī)生；Farahmand等［14］針對急腹癥患者開發(fā)了一種基于人工智能的疾病分類模型，能快速、有效地做出病情評估，該模型可在電腦網(wǎng)頁或者手持移動端進行操作，大大提高了急腹癥的分類評估效率。（3）基于人工智能的預后預測：在疾病預后方面，部分學者前期利用機器學習，基于重癥監(jiān)護數(shù)據(jù)進行計算機建模，但模型中摻雜了術中因素，無法實現(xiàn)術前的精準預測［15］；陸軍軍醫(yī)大學支鴻羽等［16］基于4種機器學習算法，提取患者術前危險因素，構建模型，對200名腹部手術患者的術后死亡風險進行預測，受試者工作曲線（ROC）面積均高于0.7，具有良好的敏感性、準確性和臨床實用潛力。

人工智能對海量醫(yī)療數(shù)據(jù)的挖掘具有巨大的潛力，以創(chuàng)傷數(shù)據(jù)庫為平臺，利用人工智能算法對數(shù)據(jù)庫進行深層分析，構建傷員傷情評估模型，并利用海量數(shù)據(jù)反復訓練智能模型，最終得到一個無限接近創(chuàng)傷真實情形的智能模型；其特點在于樣本數(shù)據(jù)量越大，訓練集的運算次數(shù)越多，模型的準確性越高，對病情的評估和預測效率也越高。與諸多基于Logistic回歸的評估模型相比，人工智能模型具有顯著優(yōu)勢。（1）基于大數(shù)據(jù)+人工智能腹部傷情評估具有高準確性：洛杉磯兒童醫(yī)院基于醫(yī)院電子健康檔案，利用循環(huán)神經(jīng)網(wǎng)絡預測了1.2萬名重癥監(jiān)護室（PICU）患兒的病情轉歸，準確率達93%，顯著高于醫(yī)院中的評級系統(tǒng)［17］。（2）基于大數(shù)據(jù)+人工智能腹部傷情評估具有高時效性：美國DeepMind公司采集美軍醫(yī)療系統(tǒng)中70多萬名退伍軍人的醫(yī)療數(shù)據(jù)，并基于數(shù)據(jù)庫訓練了深度學習系統(tǒng)，可提前48 h準確預測55.8%的急性腎損傷，將人工智能應用于疾病前預測，取得了突破性進展［18］。（3）基于大數(shù)據(jù)+人工智能腹部傷情評估具有高效性：針對腹部創(chuàng)傷患者，臨床上可以獲得大量的生理-生化數(shù)據(jù)，統(tǒng)稱為“生理-生化組學”，而傷員救治的關鍵在于對“生理-生化組學”動態(tài)變化的精準刻畫。人工智能可以在短時間內實現(xiàn)海量數(shù)據(jù)的降維、挖掘和整理，最終以一種直觀的形式展現(xiàn)結論，實現(xiàn)數(shù)據(jù)的可視化［19］。因此，基于大數(shù)據(jù)+人工智能在海戰(zhàn)傷腹部創(chuàng)傷的預測、評估方面具有廣闊的應用前景。

4 海戰(zhàn)傷數(shù)據(jù)庫+人工智能評估模型建設尚處于起步階段

以大樣本量腹部創(chuàng)傷數(shù)據(jù)庫為基礎，結合現(xiàn)代計算機技術等新手段，模擬海戰(zhàn)傷環(huán)境下腹部傷情評估，推進海戰(zhàn)傷腹部傷情評估方法的創(chuàng)新及創(chuàng)傷救治質量與結局的評估，建立科學的臨床救治路徑將是目前基于創(chuàng)傷數(shù)據(jù)庫研究的海戰(zhàn)傷情評估新方向。美國外科醫(yī)生協(xié)會于1982年建立了國家創(chuàng)傷數(shù)據(jù)庫，此數(shù)據(jù)庫目前已發(fā)展為國際上最大的創(chuàng)傷登記系統(tǒng)，成為美國創(chuàng)傷救治研究的重要平臺［20-21］。美軍嘗試將人工智能應用于戰(zhàn)救領域，利用人工智能模型對20 000多名槍擊傷患者的數(shù)據(jù)進行分析，對休克、輸血及手術治療等傷情和臨床決策進行評估，結果體現(xiàn)出高敏感性和準確性，提高了檢傷分類和救治效率［22］。第三軍醫(yī)大學和重慶市交通醫(yī)學研究所在早期區(qū)域性創(chuàng)傷數(shù)據(jù)研究庫的基礎上，研制了新一代創(chuàng)傷數(shù)據(jù)庫系統(tǒng)，該數(shù)據(jù)庫具備更大的可拓展性和信息量，以此為平臺可進一步開展創(chuàng)傷評分法和參數(shù)的探索性改進［23］。北京大學人民醫(yī)院、沈陽軍區(qū)總醫(yī)院等相繼建立了“難治性骨折專病數(shù)據(jù)庫”“顱腦創(chuàng)傷救治網(wǎng)絡信息系統(tǒng)”等一系列區(qū)域性的?？菩詳?shù)據(jù)庫，基于數(shù)據(jù)庫進行病情評估和遠程會診［24］。

我軍基于人工智能的戰(zhàn)傷救治（尤其是腹部傷情的評估）目前尚在嘗試中。近年來，我軍未經(jīng)歷大型海上作戰(zhàn)，沒有健全的海戰(zhàn)傷傷情數(shù)據(jù)庫，對于海戰(zhàn)傷情的評估尚沒有可靠的參考資料。因此，如何建立海戰(zhàn)傷腹部傷數(shù)據(jù)庫是目前面臨的重大難題。在諸多專病數(shù)據(jù)庫中，患者信息主要包括一般生命體征、?？企w征、影像學資料、實驗室檢查和手術治療情況等，海戰(zhàn)傷腹部創(chuàng)傷數(shù)據(jù)除了常見的腹部?？茢?shù)據(jù)，還需包括海戰(zhàn)傷特有的因素，諸如海水浸泡、腹部傷口類型（開放還是閉合）、傷口污染程度等。在具體的數(shù)據(jù)采集和應用過程中，只需錄入與傷員傷情程度和預后相關的臨床參數(shù)，即可通過運算進行評估和預測。

5 基于大數(shù)據(jù)+人工智能的腹部傷情評估存在一定缺陷

由于人工智能所具備的準確性、時效性和高效性，基于大數(shù)據(jù)的人工智能傷情評估和決策的研究越來越受到青睞。但基于大數(shù)據(jù)+人工智能的海戰(zhàn)傷腹部傷情評估體系仍存在以下幾個主要問題。

5.1 人工智能自身存在的“黑箱”問題 即在人工智能輸入數(shù)據(jù)和輸出答案之間，缺乏可解釋性和透明性，不能讓醫(yī)生了解模型是如何做出決策的，難以判斷人工智能運算是否正確，且無法進行有效監(jiān)管［25］。一旦用于模型構建的訓練數(shù)據(jù)的完整性和準確性存在問題，包括主觀性或歧視性等，則這些“瑕疵”在算法訓練中有可能被復制和放大，最終得出有偏見甚至錯誤的預測結果，引發(fā)醫(yī)療安全事故。因此，數(shù)據(jù)庫的質量對于人工智能模型的構建至關重要。研究證實，針對關鍵數(shù)據(jù)設置校驗節(jié)點或許能克服人工智能的“黑箱”問題。但如何認識“黑箱”問題，能否打開“黑箱”，進一步了解人工智能的運算規(guī)則也是當前計算機研究的熱點和難點。

5.2 人工智能評估系統(tǒng)的建立必須基于一定的訓練數(shù)據(jù)集 訓練數(shù)據(jù)集越大，人工智能的自我學習作用就越強，評估效果就會越準確，反之其工作效率就越低。目前我國創(chuàng)傷數(shù)據(jù)庫已構建了部分基于車禍、外傷等平時傷的腹部創(chuàng)傷數(shù)據(jù)，但由于海戰(zhàn)傷或訓練傷導致的腹部傷數(shù)據(jù)尚不多，可用于人工智能模擬訓練的數(shù)據(jù)集數(shù)量少，構建海戰(zhàn)傷腹部傷情評估模型尚存在一定難度。

5.3 缺乏法律監(jiān)管，醫(yī)學-人工智能跨學科人才短缺 醫(yī)療數(shù)據(jù)往往涉及患者隱私，對敏感數(shù)據(jù)進行脫敏，降低隱私暴露風險，保障醫(yī)療數(shù)據(jù)安全等問題尚缺乏健全的法律體系進行監(jiān)管；大數(shù)據(jù)+人工智能的開發(fā)是醫(yī)學和計算機的深度融合，但醫(yī)學人才往往缺乏計算機研究背景，而計算機專家又缺乏醫(yī)學知識。因此，實現(xiàn)學科交叉，培養(yǎng)更多跨專業(yè)人才是亟待解決的問題。

6 展望

現(xiàn)代海戰(zhàn)破壞性、殺傷性大，腹部創(chuàng)傷往往合并多發(fā)傷、聯(lián)合傷，傷情復雜嚴重［26］。因此，海戰(zhàn)傷的傷情評估面臨諸多困難，診斷和決策時間緊、壓力大［27］。鑒于我軍目前海戰(zhàn)傷相關的腹部傷數(shù)據(jù)短缺，有學者提出采用平時腹部傷數(shù)據(jù)進行建模，以爆炸、沉船等突發(fā)事件中急診腹部創(chuàng)傷為主要診斷的患者病歷數(shù)據(jù)為基礎，提取腹部傷臨床參數(shù)和相關系數(shù)，并結合海戰(zhàn)傷特有的高滲、低體溫等特點，進行計算機建模，從而實現(xiàn)對海戰(zhàn)傷腹部傷情的模擬評估。

隨著國內外各創(chuàng)傷數(shù)據(jù)庫中心的建立，人工智能的自我學習和復雜分析功能使其在創(chuàng)傷評估和臨床決策中體現(xiàn)出巨大優(yōu)勢，數(shù)據(jù)訓練量越大，機器學習的性能就越強［28］?；趧?chuàng)傷數(shù)據(jù)庫，開展以人工智能為主要手段的傷情評估系統(tǒng)建設，實現(xiàn)腹部傷情準確、快速評估，提高海戰(zhàn)傷救治效率，有望使我軍傷情評估和臨床救治進入實戰(zhàn)化新階段。