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

方誠，李兆申，沈鋒

現(xiàn)代海空立體戰(zhàn)爭，科技含量高，武器殺傷力大，往往在短時(shí)間內(nèi)產(chǎn)生大量復(fù)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(píng)估和臨床決策是影響傷員救治和預(yù)后的重要環(huán)節(jié)，但是目前我軍的傷情評(píng)估體系尚不完善，影響戰(zhàn)場腹部傷情評(píng)估的實(shí)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(píng)估和救治決策研究已成為創(chuàng)傷研究的熱點(diǎn)。人工智能作為一種具備自我學(xué)習(xí)功能的計(jì)算機(jī)技術(shù)，已被廣泛應(yīng)用于智能影像、健康管理等多個(gè)醫(yī)學(xué)領(lǐng)域。研究證實(shí)，通過大樣本量的訓(xùn)練，人工智能對(duì)腹部疾病的診斷評(píng)估和臨床決策較人為評(píng)估體現(xiàn)出更高的準(zhǔn)確性和時(shí)效性［2］。構(gòu)建基于大數(shù)據(jù)+人工智能的海戰(zhàn)傷腹部傷情評(píng)估系統(tǒng)，有望提高我軍腹部傷情的評(píng)估效率和臨床決策能力，改善傷員預(yù)后，降低戰(zhàn)斗減員率。

1 現(xiàn)代海戰(zhàn)傷腹部傷情特點(diǎn)

現(xiàn)代戰(zhàn)場環(huán)境復(fù)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(yuǎn)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(dǎo)致腹部傷情進(jìn)一步加重，增加救治難度［6-8］。因此，對(duì)海戰(zhàn)傷腹部傷情進(jìn)行快速評(píng)估，及時(shí)采取系統(tǒng)性和有針對(duì)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(píng)估體系有待完善

準(zhǔn)確的傷情評(píng)估和診斷是分類救治的前提和基礎(chǔ)。戰(zhàn)時(shí)傷情程度重，輔助檢查設(shè)備有限，傷情變化迅速，對(duì)傷情評(píng)估能力提出了更高的要求［9］。我軍《戰(zhàn)傷傷情評(píng)估和診斷方法的專家共識(shí)》對(duì)現(xiàn)行的戰(zhàn)現(xiàn)場急救、緊急救治和早期救治3個(gè)階段的戰(zhàn)傷傷情評(píng)估方法進(jìn)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(jìn)行傷情評(píng)估，采用戰(zhàn)地檢傷分類評(píng)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(jìn)行傷情評(píng)估，使用簡易戰(zhàn)傷計(jì)分法或START法確定傷員的收容、救治和后送優(yōu)先級(jí)別，其他常用的院前評(píng)估方法，如創(chuàng)傷嚴(yán)重程度CRAMS法［循環(huán)（circulation， C），呼吸（respiration， R），腹 部（abdomen， A），活 動(dòng)（motor， M）和 語 言（speech， S）］等也具有一定的實(shí)用性；早期救治階段推薦使用軍事版簡明損傷定級(jí)、損傷嚴(yán)重程度評(píng)分法或者戰(zhàn)傷評(píng)分系統(tǒng)進(jìn)行傷情嚴(yán)重程度評(píng)估，采用創(chuàng)傷和損傷嚴(yán)重程度評(píng)分法和創(chuàng)傷嚴(yán)重程度特征評(píng)分法進(jìn)行生存概率評(píng)估［10］。隨著戰(zhàn)場救治環(huán)節(jié)的改變，戰(zhàn)傷評(píng)估的方法和手段也隨之變化，這大大增加了戰(zhàn)場傷情評(píng)估的流程和難度，影響傷情評(píng)估的實(shí)際開展。因此，構(gòu)建一種戰(zhàn)場適應(yīng)性強(qiáng)、時(shí)效性好的傷情評(píng)估系統(tǒng)，輔助進(jìn)行腹部戰(zhàn)創(chuàng)傷的實(shí)時(shí)動(dòng)態(tài)評(píng)估，對(duì)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(píng)估提供新途徑

隨著深度學(xué)習(xí)、圖像識(shí)別、神經(jīng)網(wǎng)絡(luò)等關(guān)鍵技術(shù)的突破，人工智能逐漸深入醫(yī)療領(lǐng)域的各個(gè)環(huán)節(jié)，包括虛擬助理、輔助診療、智能醫(yī)學(xué)影像、醫(yī)療機(jī)器人及智能健康管理等多個(gè)方面。機(jī)器學(xué)習(xí)作為人工智能的核心技術(shù)，具備獨(dú)特的自我學(xué)習(xí)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(duì)現(xiàn)有數(shù)據(jù)進(jìn)行分析，做出智能化預(yù)測和判斷，已被大量應(yīng)用于運(yùn)動(dòng)創(chuàng)傷、神經(jīng)創(chuàng)傷等多個(gè)系統(tǒng)的傷情評(píng)估［11-12］。人工智能在腹部傷情評(píng)估中的應(yīng)用亦有部分報(bào)道，主要體現(xiàn)在以下幾個(gè)方面。（1）基于人工智能的輔助診斷：腹部創(chuàng)傷病情復(fù)雜多樣，影像學(xué)表現(xiàn)特征各異，人工智能通過提取大量影像學(xué)特征，進(jìn)行大數(shù)據(jù)訓(xùn)練和機(jī)器學(xué)習(xí)，實(shí)現(xiàn)影像學(xué)智能閱片，輔助醫(yī)生進(jìn)行疾病診斷，提高準(zhǔn)確率。（2）基于人工智能的術(shù)前腹部傷情評(píng)估：早在1988年，Clarke等［13］利用一種智能化的“專家系統(tǒng)”對(duì)腹部穿通傷患者進(jìn)行了傷情評(píng)估和臨床治療決策，結(jié)果顯示“專家系統(tǒng)”的決策能力顯著高于訓(xùn)練有素的臨床醫(yī)生；Farahmand等［14］針對(duì)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(píng)估，該模型可在電腦網(wǎng)頁或者手持移動(dòng)端進(jìn)行操作，大大提高了急腹癥的分類評(píng)估效率。（3）基于人工智能的預(yù)后預(yù)測：在疾病預(yù)后方面，部分學(xué)者前期利用機(jī)器學(xué)習(xí)，基于重癥監(jiān)護(hù)數(shù)據(jù)進(jìn)行計(jì)算機(jī)建模，但模型中摻雜了術(shù)中因素，無法實(shí)現(xiàn)術(shù)前的精準(zhǔn)預(yù)測［15］；陸軍軍醫(yī)大學(xué)支鴻羽等［16］基于4種機(jī)器學(xué)習(xí)算法，提取患者術(shù)前危險(xiǎn)因素，構(gòu)建模型，對(duì)200名腹部手術(shù)患者的術(shù)后死亡風(fēng)險(xiǎn)進(jìn)行預(yù)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(zhǔn)確性和臨床實(shí)用潛力。

人工智能對(duì)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(tái)，利用人工智能算法對(duì)數(shù)據(jù)庫進(jìn)行深層分析，構(gòu)建傷員傷情評(píng)估模型，并利用海量數(shù)據(jù)反復(fù)訓(xùn)練智能模型，最終得到一個(gè)無限接近創(chuàng)傷真實(shí)情形的智能模型；其特點(diǎn)在于樣本數(shù)據(jù)量越大，訓(xùn)練集的運(yùn)算次數(shù)越多，模型的準(zhǔn)確性越高，對(duì)病情的評(píng)估和預(yù)測效率也越高。與諸多基于Logistic回歸的評(píng)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(píng)估具有高準(zhǔn)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(luò)預(yù)測了1.2萬名重癥監(jiān)護(hù)室（PICU）患兒的病情轉(zhuǎn)歸，準(zhǔn)確率達(dá)93%，顯著高于醫(yī)院中的評(píng)級(jí)系統(tǒng)［17］。（2）基于大數(shù)據(jù)+人工智能腹部傷情評(píng)估具有高時(shí)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(xùn)練了深度學(xué)習(xí)系統(tǒng)，可提前48 h準(zhǔn)確預(yù)測55.8%的急性腎損傷，將人工智能應(yīng)用于疾病前預(yù)測，取得了突破性進(jìn)展［18］。（3）基于大數(shù)據(jù)+人工智能腹部傷情評(píng)估具有高效性：針對(duì)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(xué)”，而傷員救治的關(guān)鍵在于對(duì)“生理-生化組學(xué)”動(dòng)態(tài)變化的精準(zhǔn)刻畫。人工智能可以在短時(shí)間內(nèi)實(shí)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(jié)論，實(shí)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(yù)測、評(píng)估方面具有廣闊的應(yīng)用前景。

4 海戰(zhàn)傷數(shù)據(jù)庫+人工智能評(píng)估模型建設(shè)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(chǔ)，結(jié)合現(xiàn)代計(jì)算機(jī)技術(shù)等新手段，模擬海戰(zhàn)傷環(huán)境下腹部傷情評(píng)估，推進(jìn)海戰(zhàn)傷腹部傷情評(píng)估方法的創(chuàng)新及創(chuàng)傷救治質(zhì)量與結(jié)局的評(píng)估，建立科學(xué)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(píng)估新方向。美國外科醫(yī)生協(xié)會(huì)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(tái)［20-21］。美軍嘗試將人工智能應(yīng)用于戰(zhàn)救領(lǐng)域，利用人工智能模型對(duì)20 000多名槍擊傷患者的數(shù)據(jù)進(jìn)行分析，對(duì)休克、輸血及手術(shù)治療等傷情和臨床決策進(jìn)行評(píng)估，結(jié)果體現(xiàn)出高敏感性和準(zhǔn)確性，提高了檢傷分類和救治效率［22］。第三軍醫(yī)大學(xué)和重慶市交通醫(yī)學(xué)研究所在早期區(qū)域性創(chuàng)傷數(shù)據(jù)研究庫的基礎(chǔ)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(tái)可進(jìn)一步開展創(chuàng)傷評(píng)分法和參數(shù)的探索性改進(jìn)［23］。北京大學(xué)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(luò)信息系統(tǒng)”等一系列區(qū)域性的專科性數(shù)據(jù)庫，基于數(shù)據(jù)庫進(jìn)行病情評(píng)估和遠(yuǎn)程會(huì)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(píng)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(duì)于海戰(zhàn)傷情的評(píng)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、專科體征、影像學(xué)資料、實(shí)驗(yàn)室檢查和手術(shù)治療情況等，海戰(zhàn)傷腹部創(chuàng)傷數(shù)據(jù)除了常見的腹部專科數(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(yīng)用過程中，只需錄入與傷員傷情程度和預(yù)后相關(guān)的臨床參數(shù)，即可通過運(yùn)算進(jìn)行評(píng)估和預(yù)測。

5 基于大數(shù)據(jù)+人工智能的腹部傷情評(píng)估存在一定缺陷

由于人工智能所具備的準(zhǔn)確性、時(shí)效性和高效性，基于大數(shù)據(jù)的人工智能傷情評(píng)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(píng)估體系仍存在以下幾個(gè)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(yùn)算是否正確，且無法進(jìn)行有效監(jiān)管［25］。一旦用于模型構(gòu)建的訓(xùn)練數(shù)據(jù)的完整性和準(zhǔn)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(xùn)練中有可能被復(fù)制和放大，最終得出有偏見甚至錯(cuò)誤的預(yù)測結(jié)果，引發(fā)醫(yī)療安全事故。因此，數(shù)據(jù)庫的質(zhì)量對(duì)于人工智能模型的構(gòu)建至關(guān)重要。研究證實(shí)，針對(duì)關(guān)鍵數(shù)據(jù)設(shè)置校驗(yàn)節(jié)點(diǎn)或許能克服人工智能的“黑箱”問題。但如何認(rèn)識(shí)“黑箱”問題，能否打開“黑箱”，進(jìn)一步了解人工智能的運(yùn)算規(guī)則也是當(dāng)前計(jì)算機(jī)研究的熱點(diǎn)和難點(diǎn)。

5.2 人工智能評(píng)估系統(tǒng)的建立必須基于一定的訓(xùn)練數(shù)據(jù)集 訓(xùn)練數(shù)據(jù)集越大，人工智能的自我學(xué)習(xí)作用就越強(qiáng)，評(píng)估效果就會(huì)越準(zhǔn)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(gòu)建了部分基于車禍、外傷等平時(shí)傷的腹部創(chuàng)傷數(shù)據(jù)，但由于海戰(zhàn)傷或訓(xùn)練傷導(dǎo)致的腹部傷數(shù)據(jù)尚不多，可用于人工智能模擬訓(xùn)練的數(shù)據(jù)集數(shù)量少，構(gòu)建海戰(zhàn)傷腹部傷情評(píng)估模型尚存在一定難度。

5.3 缺乏法律監(jiān)管，醫(yī)學(xué)-人工智能跨學(xué)科人才短缺 醫(yī)療數(shù)據(jù)往往涉及患者隱私，對(duì)敏感數(shù)據(jù)進(jìn)行脫敏，降低隱私暴露風(fēng)險(xiǎn)，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(jìn)行監(jiān)管；大數(shù)據(jù)+人工智能的開發(fā)是醫(yī)學(xué)和計(jì)算機(jī)的深度融合，但醫(yī)學(xué)人才往往缺乏計(jì)算機(jī)研究背景，而計(jì)算機(jī)專家又缺乏醫(yī)學(xué)知識(shí)。因此，實(shí)現(xiàn)學(xué)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(fù)雜嚴(yán)重［26］。因此，海戰(zhàn)傷的傷情評(píng)估面臨諸多困難，診斷和決策時(shí)間緊、壓力大［27］。鑒于我軍目前海戰(zhàn)傷相關(guān)的腹部傷數(shù)據(jù)短缺，有學(xué)者提出采用平時(shí)腹部傷數(shù)據(jù)進(jìn)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(chǔ)，提取腹部傷臨床參數(shù)和相關(guān)系數(shù)，并結(jié)合海戰(zhàn)傷特有的高滲、低體溫等特點(diǎn)，進(jìn)行計(jì)算機(jī)建模，從而實(shí)現(xiàn)對(duì)海戰(zhàn)傷腹部傷情的模擬評(píng)估。

隨著國內(nèi)外各創(chuàng)傷數(shù)據(jù)庫中心的建立，人工智能的自我學(xué)習(xí)和復(fù)雜分析功能使其在創(chuàng)傷評(píng)估和臨床決策中體現(xiàn)出巨大優(yōu)勢，數(shù)據(jù)訓(xùn)練量越大，機(jī)器學(xué)習(xí)的性能就越強(qiáng)［28］。基于創(chuàng)傷數(shù)據(jù)庫，開展以人工智能為主要手段的傷情評(píng)估系統(tǒng)建設(shè)，實(shí)現(xiàn)腹部傷情準(zhǔn)確、快速評(píng)估，提高海戰(zhàn)傷救治效率，有望使我軍傷情評(píng)估和臨床救治進(jìn)入實(shí)戰(zhàn)化新階段。