基于大数据+人工智能的现代海战伤腹部伤情评估研究

方诚，李兆申，沈锋

现代海空立体战争，科技含量高，武器杀伤力大，往往在短时间内产生大量复杂伤员，救治难度大。由于救治人员不足、空间狭小、海水浸泡等原因，腹部伤已成为危及伤员生命的主要伤情之一［1］。腹部伤情的评估和临床决策是影响伤员救治和预后的重要环节，但是目前我军的伤情评估体系尚不完善，影响战场腹部伤情评估的实际开展。随着中华创伤数据库的建立，基于大数据的伤情评估和救治决策研究已成为创伤研究的热点。人工智能作为一种具备自我学习功能的计算机技术，已被广泛应用于智能影像、健康管理等多个医学领域。研究证实，通过大样本量的训练，人工智能对腹部疾病的诊断评估和临床决策较人为评估体现出更高的准确性和时效性［2］。构建基于大数据+人工智能的海战伤腹部伤情评估系统，有望提高我军腹部伤情的评估效率和临床决策能力，改善伤员预后，降低战斗减员率。

1 现代海战伤腹部伤情特点

现代战场环境复杂，致伤因素多样，致残致死率高［3］，腹部伤的发生率占全身各部位伤的5%～7%，主要表现为以腹部创伤为主的多发伤［4］。海上作战由于空间狭窄、人员集中、后送困难等原因，腹部战伤的减员率远高于其他类型［5］。此外，海水温度低、渗透压高、含菌量大，这些因素可导致腹部伤情进一步加重，增加救治难度［6-8］。因此，对海战伤腹部伤情进行快速评估，及时采取系统性和有针对性的救治措施，是降低伤员致死率和致残率的重要手段。

2 我军战伤伤情评估体系有待完善

准确的伤情评估和诊断是分类救治的前提和基础。战时伤情程度重，辅助检查设备有限，伤情变化迅速，对伤情评估能力提出了更高的要求［9］。我军《战伤伤情评估和诊断方法的专家共识》对现行的战现场急救、紧急救治和早期救治3个阶段的战伤伤情评估方法进行了概述。战现场急救阶段推荐使用MARCH法［有无致命性大出血（massive hemorrhage， M），是否存在气道阻塞（airway， A），有无张力性或开放性气胸（respiration， R），有无失血性休克（circulation， C），是否存在低体温（hypothermia， H）］进行伤情评估，采用战地检伤分类评分（field triage score， FTS）法及简明检伤分类（simple triage and rapid treatment， START）法等确定救治和后送的优先顺序；紧急救治阶段推荐使用MARCH顺序法进行伤情评估，使用简易战伤计分法或START法确定伤员的收容、救治和后送优先级别，其他常用的院前评估方法，如创伤严重程度CRAMS法［循环（circulation， C），呼吸（respiration， R），腹 部（abdomen， A），活 动（motor， M）和 语 言（speech， S）］等也具有一定的实用性；早期救治阶段推荐使用军事版简明损伤定级、损伤严重程度评分法或者战伤评分系统进行伤情严重程度评估，采用创伤和损伤严重程度评分法和创伤严重程度特征评分法进行生存概率评估［10］。随着战场救治环节的改变，战伤评估的方法和手段也随之变化，这大大增加了战场伤情评估的流程和难度，影响伤情评估的实际开展。因此，构建一种战场适应性强、时效性好的伤情评估系统，辅助进行腹部战创伤的实时动态评估，对于提高海战伤腹部创伤的救治效率具有极其重要的战略意义。

3 基于大数据+人工智能的新模式为海战伤腹部伤情评估提供新途径

随着深度学习、图像识别、神经网络等关键技术的突破，人工智能逐渐深入医疗领域的各个环节，包括虚拟助理、辅助诊疗、智能医学影像、医疗机器人及智能健康管理等多个方面。机器学习作为人工智能的核心技术，具备独特的自我学习能力。基于创伤数据库提取大量历史数据特征及规律，利用人工智能对现有数据进行分析，做出智能化预测和判断，已被大量应用于运动创伤、神经创伤等多个系统的伤情评估［11-12］。人工智能在腹部伤情评估中的应用亦有部分报道，主要体现在以下几个方面。（1）基于人工智能的辅助诊断：腹部创伤病情复杂多样，影像学表现特征各异，人工智能通过提取大量影像学特征，进行大数据训练和机器学习，实现影像学智能阅片，辅助医生进行疾病诊断，提高准确率。（2）基于人工智能的术前腹部伤情评估：早在1988年，Clarke等［13］利用一种智能化的“专家系统”对腹部穿通伤患者进行了伤情评估和临床治疗决策，结果显示“专家系统”的决策能力显著高于训练有素的临床医生；Farahmand等［14］针对急腹症患者开发了一种基于人工智能的疾病分类模型，能快速、有效地做出病情评估，该模型可在电脑网页或者手持移动端进行操作，大大提高了急腹症的分类评估效率。（3）基于人工智能的预后预测：在疾病预后方面，部分学者前期利用机器学习，基于重症监护数据进行计算机建模，但模型中掺杂了术中因素，无法实现术前的精准预测［15］；陆军军医大学支鸿羽等［16］基于4种机器学习算法，提取患者术前危险因素，构建模型，对200名腹部手术患者的术后死亡风险进行预测，受试者工作曲线（ROC）面积均高于0.7，具有良好的敏感性、准确性和临床实用潜力。

人工智能对海量医疗数据的挖掘具有巨大的潜力，以创伤数据库为平台，利用人工智能算法对数据库进行深层分析，构建伤员伤情评估模型，并利用海量数据反复训练智能模型，最终得到一个无限接近创伤真实情形的智能模型；其特点在于样本数据量越大，训练集的运算次数越多，模型的准确性越高，对病情的评估和预测效率也越高。与诸多基于Logistic回归的评估模型相比，人工智能模型具有显著优势。（1）基于大数据+人工智能腹部伤情评估具有高准确性：洛杉矶儿童医院基于医院电子健康档案，利用循环神经网络预测了1.2万名重症监护室（PICU）患儿的病情转归，准确率达93%，显著高于医院中的评级系统［17］。（2）基于大数据+人工智能腹部伤情评估具有高时效性：美国DeepMind公司采集美军医疗系统中70多万名退伍军人的医疗数据，并基于数据库训练了深度学习系统，可提前48 h准确预测55.8%的急性肾损伤，将人工智能应用于疾病前预测，取得了突破性进展［18］。（3）基于大数据+人工智能腹部伤情评估具有高效性：针对腹部创伤患者，临床上可以获得大量的生理-生化数据，统称为“生理-生化组学”，而伤员救治的关键在于对“生理-生化组学”动态变化的精准刻画。人工智能可以在短时间内实现海量数据的降维、挖掘和整理，最终以一种直观的形式展现结论，实现数据的可视化［19］。因此，基于大数据+人工智能在海战伤腹部创伤的预测、评估方面具有广阔的应用前景。

4 海战伤数据库+人工智能评估模型建设尚处于起步阶段

以大样本量腹部创伤数据库为基础，结合现代计算机技术等新手段，模拟海战伤环境下腹部伤情评估，推进海战伤腹部伤情评估方法的创新及创伤救治质量与结局的评估，建立科学的临床救治路径将是目前基于创伤数据库研究的海战伤情评估新方向。美国外科医生协会于1982年建立了国家创伤数据库，此数据库目前已发展为国际上最大的创伤登记系统，成为美国创伤救治研究的重要平台［20-21］。美军尝试将人工智能应用于战救领域，利用人工智能模型对20 000多名枪击伤患者的数据进行分析，对休克、输血及手术治疗等伤情和临床决策进行评估，结果体现出高敏感性和准确性，提高了检伤分类和救治效率［22］。第三军医大学和重庆市交通医学研究所在早期区域性创伤数据研究库的基础上，研制了新一代创伤数据库系统，该数据库具备更大的可拓展性和信息量，以此为平台可进一步开展创伤评分法和参数的探索性改进［23］。北京大学人民医院、沈阳军区总医院等相继建立了“难治性骨折专病数据库”“颅脑创伤救治网络信息系统”等一系列区域性的专科性数据库，基于数据库进行病情评估和远程会诊［24］。

我军基于人工智能的战伤救治（尤其是腹部伤情的评估）目前尚在尝试中。近年来，我军未经历大型海上作战，没有健全的海战伤伤情数据库，对于海战伤情的评估尚没有可靠的参考资料。因此，如何建立海战伤腹部伤数据库是目前面临的重大难题。在诸多专病数据库中，患者信息主要包括一般生命体征、专科体征、影像学资料、实验室检查和手术治疗情况等，海战伤腹部创伤数据除了常见的腹部专科数据，还需包括海战伤特有的因素，诸如海水浸泡、腹部伤口类型（开放还是闭合）、伤口污染程度等。在具体的数据采集和应用过程中，只需录入与伤员伤情程度和预后相关的临床参数，即可通过运算进行评估和预测。

5 基于大数据+人工智能的腹部伤情评估存在一定缺陷

由于人工智能所具备的准确性、时效性和高效性，基于大数据的人工智能伤情评估和决策的研究越来越受到青睐。但基于大数据+人工智能的海战伤腹部伤情评估体系仍存在以下几个主要问题。

5.1 人工智能自身存在的“黑箱”问题 即在人工智能输入数据和输出答案之间，缺乏可解释性和透明性，不能让医生了解模型是如何做出决策的，难以判断人工智能运算是否正确，且无法进行有效监管［25］。一旦用于模型构建的训练数据的完整性和准确性存在问题，包括主观性或歧视性等，则这些“瑕疵”在算法训练中有可能被复制和放大，最终得出有偏见甚至错误的预测结果，引发医疗安全事故。因此，数据库的质量对于人工智能模型的构建至关重要。研究证实，针对关键数据设置校验节点或许能克服人工智能的“黑箱”问题。但如何认识“黑箱”问题，能否打开“黑箱”，进一步了解人工智能的运算规则也是当前计算机研究的热点和难点。

5.2 人工智能评估系统的建立必须基于一定的训练数据集 训练数据集越大，人工智能的自我学习作用就越强，评估效果就会越准确，反之其工作效率就越低。目前我国创伤数据库已构建了部分基于车祸、外伤等平时伤的腹部创伤数据，但由于海战伤或训练伤导致的腹部伤数据尚不多，可用于人工智能模拟训练的数据集数量少，构建海战伤腹部伤情评估模型尚存在一定难度。

5.3 缺乏法律监管，医学-人工智能跨学科人才短缺 医疗数据往往涉及患者隐私，对敏感数据进行脱敏，降低隐私暴露风险，保障医疗数据安全等问题尚缺乏健全的法律体系进行监管；大数据+人工智能的开发是医学和计算机的深度融合，但医学人才往往缺乏计算机研究背景，而计算机专家又缺乏医学知识。因此，实现学科交叉，培养更多跨专业人才是亟待解决的问题。

6 展望

现代海战破坏性、杀伤性大，腹部创伤往往合并多发伤、联合伤，伤情复杂严重［26］。因此，海战伤的伤情评估面临诸多困难，诊断和决策时间紧、压力大［27］。鉴于我军目前海战伤相关的腹部伤数据短缺，有学者提出采用平时腹部伤数据进行建模，以爆炸、沉船等突发事件中急诊腹部创伤为主要诊断的患者病历数据为基础，提取腹部伤临床参数和相关系数，并结合海战伤特有的高渗、低体温等特点，进行计算机建模，从而实现对海战伤腹部伤情的模拟评估。

随着国内外各创伤数据库中心的建立，人工智能的自我学习和复杂分析功能使其在创伤评估和临床决策中体现出巨大优势，数据训练量越大，机器学习的性能就越强［28］。基于创伤数据库，开展以人工智能为主要手段的伤情评估系统建设，实现腹部伤情准确、快速评估，提高海战伤救治效率，有望使我军伤情评估和临床救治进入实战化新阶段。