人工智能在军事医学中的应用现状及展望

刘晶晶，张新颖，桂 莉，陈国良

（1.海军军医大学护理系，上海200433；2.海军军医大学基础医学院，上海200433；3.海军军医大学卫勤训练基地，上海200433）

0 引言

人工智能（artificial intelligence，AI）是一项旨在模拟人脑思考过程、学习能力和知识储存的计算机技术[1]。自AI 概念确立以来，已被应用于诸多行业。2017 年国务院印发的《新一代人工智能发展规划》中指出，AI 应用层主要包括智能机器人、智能金融、智能医疗等产业。智能医疗的核心目标是运用AI 对资料案例和经验数据进行深度学习和决策判断，显著提高医疗机构和人员的工作效率，并大幅降低医疗成本[2]。目前，医疗产业常用到的AI 技术有语音识别、自然语言处理、计算机视觉、机器人、机器学习等，其对应的应用场景包括电子病历、医学影像、健康管理、辅助诊疗、疾病风险预测、药物挖掘、医院管理等。随着AI 的不断深入发展，美国等西方发达国家十分重视AI 在军事医学中的应用和发展，我国政府也将AI 作为国家战略，并逐渐渗透到军事医疗的各个方面[3]。目前，AI 在军事医学中的应用覆盖了战场救护的主要环节，如伤员搜救、伤情监测、伤员治疗、医疗信息管理等。本文对AI 在军事医学中的具体应用情况进行综述，并对其未来发展方向进行展望。

1 AI 在军事医学中的应用现状

1.1 伤员搜救和管理

1.1.1 伤员搜救

伤员搜救系统包括伤员定位搜救系统和伤员提取系统。其中，伤员定位搜救系统通过定位系统将伤员端与后方医疗单元连接起来，伤员提取系统指用于伤员搜救、撤退转移的机器人系统。

除了核心的伤员精确定位功能，有些伤员定位搜救系统还包含生命体征监测、远程会诊、远程指导等功能，可实现对作战人员和武器装备系统的精准定位，降低搜救难度，提高搜救成功率。20 世纪末，美国国防部海空系统指挥部开发了全世界第一套具备搜集GPS 数据的伤员搜救系统，即营救作战生存人员探测器系统CSEL（如图1 所示）[4-5]。伤员提取系统则以美国陆军委托机器人公司VECNA 研发的战地协助撤退机器人BEAR（如图2 所示）为代表，可实现伤员的救护、转运等整套战地救护功能[6-7]。类似的第一反应机器人（First Responder robot）同样具备在危险条件下进行搜救的功能，平时还可用于火灾、生物、化学甚至放射性环境[8]。除了陆上搜救，用于水上和空中的搜救工具也是研究的重点。自动无人水面飞行器用于水面搜救是未来的趋势，如无人驾驶水面扫雷工具Calzoni U-Ranger（如图3 所示）曾被欧盟用于辅助救援无人搜救展示[9]。目前，用于水面搜救的无人工具通常较小且航程有限。美国海军研发的反潜战连续追踪无人驾驶舰艇能够续航一万海里，具备开展水上伤员搜救的潜力。而借助热成像、激光雷达测绘、物体识别等技术开发的各类无人飞行设备则成为空中搜救的重要研究对象，部分产品已经在民用搜救任务中得到应用[9]。目前，日本、美国、英国、伊朗等国家都在灾难救援机器人的开发方面取得了一定的成果，这类机器人通常融合了灾难学、工程学、护理学等多个学科，具备勘探、搜寻和救助等功能[10]。其中，拥有强环境感知能力和操作工具能力的多任务救援机器人在军事医学中具有更好的应用前景[11]。

图1 营救作战生存人员探测器系统CSEL[5]

图2 战地协助撤退机器人BEAR[7]

图3 无人驾驶水面扫雷工具Calzoni U-Ranger[9]

近年来，我军也十分重视伤员搜救系统的研究，已开发出相关产品并开展了初步应用，取得了较好的效果[12-13]。如秦伟等开发的无人机城市应急救援决策辅助系统具备信息采集、人脸识别、辅助决策等多种功能，可满足各型救援任务的需求[14]。但也有部分研究仅停留在理论层面，未转化为实际产品[15]。

1.1.2 伤情监测和检伤分类

野战条件下，伤员多批量产生且伤情复杂，因此，战现场和转运途中伤情的实时监测和检伤分类至关重要。目前许多相关系统将伤情监测和检伤分类功能整合在一起，甚至有研究者开发了具备伤员远程生命监测功能的检伤分类系统，以期在最短时间内获取伤员的实时伤情信息，辅助制订治疗、搜救和后送策略。如2009 年卡内基梅隆大学协助美军开发了远程检伤分类机器人RICR，其手臂装配了多种传感器，能够监测伤员的相关生理指标[16]，操作者通过远程控制机器人的手臂移动来探查和评估伤员的身体状况。同时，有些伤员检伤分类系统还具备自我定位、伤员追踪以及声频传感等功能。如美军开发了APPRAISE 系统用于在院前转运途中收集和分析伤者生命体征，通过模型构建预测伤员是否需要输血治疗[17]。

除了上述接触式伤情监测系统，也有研究者聚焦于非接触战场伤情探测技术的研究，利用光学、声学、气味、微波信号等结合AI 算法进行伤情评估和探测[18]。如我国军事医学科学院研发了一套智能检伤分类系统，可自动进行重要生理指标的采集、伤情评分和分级，以辅助检伤人员更加准确、直观地进行检伤分类，并给出优化的急救处置建议[19]。但我军大部分此类系统仅实现了生理指标的采集和评分，对辅助诊疗、远程协作和数据挖掘等功能的拓展较少，没有很好地将AI 融入其中。

1.2 伤员救治

1.2.1 智能诊疗

智能诊疗（intelligent diagnosis and treatment，IDT）是计算机结合医疗知识进行一定的计算和推理，从而提出合适的诊断和治疗方案。AI 在智能诊疗中的应用包括病理诊断、医学影像诊断、筛查诊断等，即使用现有的临床资料构建数据库，结合诊断标准和指南，通过深度学习技术做出诊断。

国外目前已开发出许多IDT 系统用于各类疾病的诊断和筛查，但多用于平时医疗，且依靠成熟的民用IDT 系统研发技术。如IBM 沃森研究团队与美国退伍军人管理局合作开发了电子病历分析仪EMRA，旨在利用机器学习技术处理患者的电子病历，并自动识别和筛选最关键的健康问题[20]。此外，美军还基于战术战伤救治和院前创伤生命支持指南与理念，开发了多个综合性战现场IDT 系统，如战伤救护集成预测系统EPIC3[21]，可对医护兵进行辅助决策支持，通过机器学习预测威胁生命的、难以发现的伤情，并能根据操作者的需求和技能水平量身定制用户界面，展示救治步骤。类似的系统还有用于战创伤监测、诊断和治疗的自动强化战伤救护系统ARC3[22]。

近年来，我国也很重视IDT 的发展应用，除了引进国际先进诊疗系统外，多家医院和研究机构也开发了多款IDT 系统[23]。但目前我国的IDT 系统多用于平时医疗，适用于战时的IDT 系统较少。

1.2.2 机器人手术系统

近年来，国内外均十分重视机器人手术系统（robot surgery system，RSS）的开发。根据医生在其中的作用，RSS 可分为独立型、远程型和协作型[24]。独立型RSS 可根据提前设定好的计算程序独立完成手术，医生仅进行远程监督即可，但价格昂贵，对程序设定的要求较高。远程型RSS 由医生直接根据系统传感器收集的数据和实时图像反馈在远程控制下进行手术。协作型RSS 则由医生和机器人共同完成手术操作。

自1992 年英国开发的“probot”成功进行了世界上第一例机器人外科手术以来，各种RSS 相继开发[25]。以达芬奇手术系统等为代表的RSS 在全球许多国家得到了应用推广[24]。民用RSS 的快速发展为战救RSS的开发奠定了良好的基础。美国国防部高级研究计划局开发了一系列RSS 用于战地医疗救助，如Green远程外科系统（telepresenee surgery system，TESS）[26]、创伤救护机器人Trauma Pod（如图4 所示）[27]、远程微创手术机器人等[28]，其中部分RSS 已在美国部队进行装配使用。2012 年，美国陆军推出了第一款使用开源软件开发的RSS——RAVEN 战地手术机器人（如图5 所示）用于开展微创手术，该系统具有体积小、质量轻、价格低（仅售25 万美元）等特点，截至2018 年已被全球18 个研究机构所采用[29-30]。

我国手术机器人研究起步较晚，国内临床应用的RSS 多为国外引进。近年来，有单位进行了RSS的自主开发，如解放军总医院与北京航空航天大学合作研发了黎元BH-600 机器人，并于2003 年成功完成首例手术[31]；原海军总医院与北京航空航天大学合作研发的远程脑外科手术机器人能够精准完成复杂的颅脑手术。目前脑外RSS在全国多家医院得到应用，在战时可为战场实施紧急颅脑损伤控制手术提供有力的工具[32]。

图4 创伤救护机器人Trauma Pod[27]

图5 RAVEN 战地手术机器人[30]

1.3 军事医学培训

传统的训练方式（如课堂教学和使用特效化妆演练）存在一定的缺点和限制，无法提供战地或灾害环境下高度仿真和动态生理变化的创伤和治疗，且无法反复练习[33]。为了提升训练效果，许多国家均在军队医疗救护训练中引入AI，如基于AI 的训练模型、虚拟现实训练项目、计算机辅助训练项目、仿真环境的实验系统等[34]。这些培训形式能够突破传统训练对场地、成本、师资等的限制，具有实战性、可重复性、过程可知性以及有利于数据库管理等特点，已被广泛应用于各种应急场合和高危领域的训练。

美军自20 世纪末就开始开发基于AI 的模拟仿真训练系统，2001 年为海军医务人员开发了一套用于培训其应急反应能力的虚拟仿真教学系统[35]。之后美军还开发了基于计算机的三维模拟学习平台“Pulse！！”（如图6 所示），该平台结合远程教学和虚拟现实教学，学习者不仅可以选择不同伤情的案例，还可以在救护界面中行走并查看伤员，同时平台还能训练学习者在军事行动或恐怖袭击中的战术反应[36]。目前一些发达国家还开发了虚拟患者系统、教学支持系统、医学训练指挥与控制系统、医学培训评估系统等诸多模拟训练系统或设备[37-38]。

我国近年来也有许多学者开发了基于AI 的军事医学教育平台或系统，其中以虚拟现实技术应用最多，主要应用于战创伤救治训练、虚拟外科手术、军事医学教学（特殊军事环境实验教学、“三防”医学应急救援实验教学、远程教学）等[39-41]。

图6 “Pulse！！”气管插管案例界面[36]

1.4 医疗数据管理

智能数据库是指利用AI 自动收集和存储大量数据并自动对其进行分析、利用，是一项复杂的技术体系。美国建立了联合战场创伤系统（joint theater trauma system，JTTS），并基于实战数据建立了联合战场创伤登记（joint theater trauma registry，JTTR）系统数据库[42]。该数据库是世界上最大的战创伤数据库，包含了标准的护理流程和医疗流程表，利用AI 可为伤情谱的研究、标准救治流程的建立、指南的更新完善提供切实、可靠的数据，为现代战争基于证据的创伤医学研究构建相关标准。此外，英国、北约组织（如图7 所示）也都建立了各自的创伤登记系统[43-44]，且美国、英国、北约组织对三者的创伤登记系统进行了对比分析，尝试进行标准的统一[43]。

图7 北约创伤登记系统数据处理示意图[43]

我国也有多个团队开发了战伤数据库，可实现战伤数据的录入、存储、管理、查询和统计分析等功能，但还未在全军推广应用[45-46]。此外，有研究者建立了医学专题数据库，如实用型高原军事医学数据库、西南地区抗震救灾卫生防疫数据库、“伤票存根”数据库等[47-48]。但上述数据库的功能和价值并未得到充分体现，基于AI 可以应用医疗数据进行预测建模，这对于进行战伤模型预测和非战争军事行动的临床管理等大有裨益。目前，AI 在数据库管理中的应用在民用领域也得到了较好的发展，已有学者开发了成熟的工具或模型用于伤情预测、远程诊断和医院过负荷能力预测[49]，在其基础上进一步扩展可用于战时伤情管理以及军队医院、野战医疗单元过负荷能力的预测。

2 AI 在军事医学中的应用展望

目前，AI 在军事医学中的应用处于快速发展阶段，应用到的AI 技术主要为计算机视觉、计算机图形学、人机交互、机器人、数据库技术、可视化技术等，相关产品主要集中于伤员搜救、伤员救治、检伤分类和伤情监测、机器人手术等战场一线救治的重要环节。此外，在数据管理和医学培训等军事医学的辅助领域也有涉及。其中，RSS、伤员搜救等产品较为多样，大部分相关产品功能和应用场景具备平战结合、军民通用的特点，甚至有的是由成熟民用产品改造而来，因此相关产品功能较为完善，具有良好的应用价值。但有些类别的产品却仍较为基础或大多处于实验阶段，如伤情监测和检伤分类、智能诊疗等，未来仍需进一步完善。未来AI 在军事医学中的发展方向具有以下特点。

2.1 向强AI 系统迈进，突出环境自适应性

战创伤伤情通常较为复杂多样，复合伤、多发伤多见，聚焦于某一特定问题的弱AI 系统不能很好地满足战现场救护需求，战现场需要具有较强学习、思考和解决大量问题能力的强AI 系统。此外，由于战场环境瞬息万变，对在该环境作业的系统提出了更高的要求，环境自适应能够使用稀疏数据为真实的世界现象构建可靠的、可解释的模型，通过多模态信息融合处理、知识挖掘与表示、地理信息系统等态势感知技术准确判断战场态势，使机器人或其他AI 系统在未知的动态交互中熟练执行任务。

2.2 紧跟AI 技术发展，系统高度综合集成

随着科技的不断发展，AI 的具体内涵和技术在不断延伸和扩展，军事医学产品的开发应紧跟AI技术的发展趋势，将AI 前沿技术融入相关产品的研发，或用更成熟、先进的技术弥补现有产品的缺陷。战现场，尤其是海上、空中等特殊作战环境对装备的数量、体积、质量等均有一定要求，高度综合集成的系统能够提高资源利用率。此外，部分军事医学产品应具有较好的兼容性，能够与作战系统集成使用。

2.3 大力发展数据库技术，确保产品应用价值

目前军事医学类AI 产品面临有效数据缺乏、前瞻性验证不足等问题，而AI 产品的研发大多离不开数据支撑。由于军事医学研究数据的稀缺，一些产品的开发基于理论数据，数据挖掘的应用相对不足。未来可考虑构建成体系的军事医学数据库，并将研究数据与知识图谱、深度强化学习等技术相结合，从而使相关产品更加智能，更具有实际使用价值。

3 结语

AI 作为国家长期发展战略，将给军事医学带来重大革新。AI 在军事医学中的发展应用对提高我军卫勤保障能力、减少伤亡、保留战斗力具有重要意义。未来，还应持续深化AI 在军事智能医疗领域的应用，鼓励军、企、学、研多方合作，共同研发，形成系列产品，相互补充、协同作业。此外，在加速产品研发的同时，还应对产品开展充分全面的使用验证，确保其应用效果。