图:2023 年 12 月 7 日,在德国格拉芬沃尔(Grafenwöhr),隶属于第一装甲师第二装甲旅战斗队第一骑兵团第一中队总部和总部分队的康纳-伊格诺齐(Connor Ignozzi)和卡尔-克利夫兰(Carl Cleveland)上等兵在评估一名模拟翻车伤员时没有浪费任何时间。人工智能可以通过多种方式加强伤员护理,包括伤员评估、数据传输和处理、病人监护和医疗后送等。

就像 “杀伤链 ”自动化概念能比敌人更快地执行致命武力一样,“生存链 ”也可以实现自动化,以加快有关伤员护理的关键决策,最大限度地保存战斗力(见图 1)。军事卫生系统在过去二十年的战争中取得了辉煌的伤亡战果,但现在却面临着与近邻对手进行大规模作战行动所带来的挑战。在这种情况下所面临的挑战是:伤亡频率高、伤亡人数多;在资源有限的环境中需要长期护理;训练有素的医疗服务人员数量不足;发生化学、生物、放射、核和定向能事件的可能性增大;非战斗伤病(如地方病、感染和矫形术)增加、 这就要求我们重新思考人工智能、机器人技术和人类技术团队如何能够加速生存链,并促进指挥官在未来战场上实现超配的前进动力。

这一新范式与当前由多名脱离战斗的作战人员管理单一伤亡的期望大相径庭;它必须发展到一种未来状态,即保持类似的伤亡结果,但需要更少的人力资源来实现(见图 2)。实现这一目标所需的技术需要大量有关伤员护理的实时数据,这些数据应能在所有护理环境中准确可靠地获取,并处于医学的最前沿:伤员与护理人员之间的互动。

图 1. 生存链和自动化堆栈范例

数据问题

遗憾的是,医疗健康部并未收集此类数据。与民用医疗保健一样,目前的数据收集工作主要集中在账单记录和历史责任方面,这些数据主要来源于人类,并由人类出于医疗法律目的进行验证,而且已被证明是不准确和不可靠的,因此有必要花大力气将其转化为研究或机器学习用途。同样,目前的文档记录侧重于纵向要求(诊断、伤害、治疗和结果的文档记录)。记录不包括护理环境的实时信息(护理人员的数量和类型、地点、资源、任务要求、战场上的动能活动等),也不包括临床医生/护理团队的行动和行动发生时间的任何数据。从本质上讲,目前的这些数据收集方法无法提供在人工智能(AI)时代实现伤员护理现代化所需的信息类型。

缺乏准确可靠的数据是构建可信人工智能的主要挑战。目前,医疗服务系统内的数据来源包括电子健康记录、战术战斗伤员护理卡(DD Form 1380)和手写笔记磁带,所有这些都需要人类以牺牲执行其他伤员护理任务为代价来完成。在伊拉克和阿富汗的三万名伤员中,只有不到 20% 的人有任何形式的院前记录,因为当有选择时,任务饱和的护理人员会选择还击、提供伤员护理和执行其他任务,而不是记录(作者的亲身经历)。此外,即使完成了记录,也几乎都是在伤员救治之后完成的,因此会出现延误,而且往往不正确或有偏差。鉴于这些限制,整个国防部(DOD)联合创伤系统的创伤登记表在 2006 年至 2023 年期间收集的数据大小还不到一千兆字节(据作者个人了解)。相比之下,Waymo(谷歌自动驾驶汽车项目)等自动驾驶汽车每分钟从二十五个传感器收集三千兆字节的数据,即每天收集三十二兆字节的数据(图 3)。

在大规模作战行动中,人类输入的文档将失效,因为人类将忙于为伤员提供救生护理。因此,依赖电子病历数据和预期的近期数字文档工具(如美国空军的战场辅助创伤分布式观察工具包(BATDOK))的系统将无法提供最佳护理、被动和持续学习所需的信息,也无法实时使用。相反,我们需要从传感器中被动收集到准确可靠的时间序列数据,这些数据涉及伤员状态、资源使用/消耗、护理人员及其行动,以及整个护理过程中的护理环境。这一基础数据集可为分流、后送、后勤补给、医疗指挥与控制以及医疗力量预测提供更精确的预测模型开发数据。

图 2. 受伤点伤员护理所需人力资源随时间变化的情况

新范式:生存链自动化

通过将数据、人力和技术融合到可优化系统性能的解决方案中,单靠人与技术的团队合作就能实现更快的流程。流程自动化可进一步提高性能和效率。生存链模型与自动化堆栈相似(比较图 1 和图 4)。它是了解如何在伤员救护中创建和加速人与技术团队合作的框架。与 “观察、定位、决定、行动 ”循环一样,自动化堆栈也是从使用传感器进行被动数据收集开始的。然后,我们可以利用这些传感器的数据来了解伤员护理的 5 个 W:

  • 谁在护理环境中(伤员和护理人员)、
  • 伤员出了什么问题(伤势、生理状况等),护理人员采取了什么措施(行动)、
  • 伤员的状态何时发生变化,护理人员何时执行操作、
  • 护理在何处进行(地点、温度、高度和环境),以及
  • 为什么伤员的状态会发生变化,为什么护理人员要采取某种行动(状态和行动与可用资源和护理环境密切相关)?

临床医生将感知和理解数据结合到评估中,用于决定采取何种临床行动。智能(增强型人工智能)和非智能(增强型可视化、基于规则的决策树等)决策支持工具可以改善临床决策。硬件(机器人和医疗设备)和基于人工智能的软件可以通过将人类任务卸载给机器来协助护理人员。同样,治疗方法也可以卸载给智能或非智能机器。例如,目前通常卸载给非智能医疗设备的治疗方法包括通过静脉泵进行监测、静脉输液和给药,以及使用机械呼吸机进行呼吸辅助。未来,机器人技术将通过识别伤员、利用生理传感器和成像模式对伤员进行监测、协助伤员进行手术、协助进行救生干预,以及智能地执行补给和医疗后送任务,帮助护理人员管理伤员。我们认为,在受到化学、生物、辐射、核和定向能威胁污染的环境中,这些类型的创新将特别有益。

优化整个生存链是管理整个医疗过程中的伤员并取得最佳结果的必要条件。自动化将为未来的指挥官提供必要的速度、灵活性和资源,以保持超配并取得胜利。如果我们成功获得了自动化所需的数据,我们还可以制作一个经过整理的数据集,对伤员进行数字孪生。制作数字孪生包括创建现实世界实体(如人类)的精密数字复制品,然后将其应用于军人和作战伤亡人员。通过这样做,可以实现更高的效率和更好的结果。

利用数字孪生实现战斗伤员救护的革命性变革

然而,当收集到的数据能够提供关于伤员个体未来状态的可靠预测分析,以及如何通过有效匹配需求与资源来优化整个时间段的伤员护理时,伤员护理领域的革命性变革就会到来。这些预测模型就是伤员数字双胞胎(CDT)。要了解在护理点(如灌木丛下、滩头或床边)发生的情况,并制作实时模型来辅助决策和自动护理,就必须被动地收集数据(见图 5)。实时、被动的数据收集可对整个护理过程中的伤员、护理人员和资源进行准确可靠的评估,可反复演化生存链,并使生存链每一步的任务(如记录、分诊、疏散协调)自动化。

图 3. 驾驶自动化与伤员护理自动化的比较

伤员数字孪生为医疗服务系统提供了一个缩小物理世界与数字世界差距的独特机会。通过伤员的数字副本(孪生),移动医疗服务系统可以了解伤员的预计(未来)状况和需求,方法是应用以前治疗病人的经验,并将其调整为一个持续学习的系统(见图 6)。这种虚拟表征注入了有关梯队资源可用性和影响时间的后送操作考虑因素的信息,可成为个性化、数据驱动决策的基础,从而优化战场创伤系统管理大量伤员的能力。伤员数字孪生反过来又促进了决策支持工具和自动化算法的发展,有助于根据伤员的个人需求并兼顾系统中其他伤员的需求,做出更快、更准确的决策和干预,最终形成优化的生存链,在整个护理过程中根据资源可用性评估情况、做出更快的决策和提供更适当的治疗,以实现最佳结果。

人工智能增强型伤员护理

目前,多国医疗服务系统采用北约的护理角色指南(角色 1-4),以线性方式管理整个护理过程中的伤员。从条令上讲,这种后送系统在每个护理级别的能力和容量都在不断提高;但在执行中,它是不对称的,需要在各个级别进行大量沟通和人力投入才能取得成功。未来,条令上的救护角色很可能会被打乱,从而导致多点失效。主要依靠快速撤离、适当通信和机动自由。然而,未来战争将使伤员无法像在非洲和目前在乌克兰战场上看到的那样,在战场救护中直线前进。先进的医疗和外科护理,以及在撤离前长时间留住病人的能力,可能需要更接近受伤点,并在整个作战空间联网,以保持系统的弹性。

图 4. 自动化堆栈和实现解决方案的时间概念

最近,马克-A-米利将军(退役)写道:“下一场冲突的特点将是具有大量数据收集和处理能力的无处不在的传感器”。即使在医疗支持结构中断的情况下,要想通过生存链保持最佳护理,就必须在潜在伤害发生之前就开始进行伤员数字孪生。因此,可穿戴传感器不仅要收集伤员的健康数据,还要收集处于伤亡前状态的战斗人员的健康数据。我们建议将这种伤亡前状态的健康管理作为一种新的护理角色,即 “角色 0”。这种护理角色代表了作战人员 “生命空间 ”的大部分,也是他们的基准健康状况,未来的人工智能将据此识别疾病或伤害的差异。在这种未来状态下,医疗服务系统将负责帮助指挥官优化健康状况,以避免生病或受伤,并使伤员更快地重返岗位。

因此,“具有大量数据收集和处理能力的无处不在的传感器”不仅能更好地优化健康状况,更快地恢复工作,还能与 CDT 的预测能力相结合,优化伤员在后送链中的移动方式。

图 5. 边缘被动数据收集和可能的自动化解决方案

利用 CDT 提供伤员护理将有助于更好地了解军事医疗支持,并通过国防部联合创伤系统实现循证绩效改进。CDT 的预测能力将随着时间的推移而不断发展,成为学习型医疗保健系统的一部分,通过迅速影响作战伤员救护指南和重塑我们训练作战人员提供伤员救护的方式,优化 21 世纪战场上的救护工作:

图 6. 伤亡数字孪生概念

  • 确定伤亡情况、跟踪决策、治疗、资源消耗和护理同步所需的数据与疾病/伤害模式和治疗的回顾性记录不同。记录是延迟的;护理管理的数据必须是实时的,包括护理人员的表现,而这不应记录在单个病人的病历中。

  • 单一的解决方案不可能解决不同环境下病人护理的细微差别(例如,火场护理、直升机护理、手术室护理、重症监护单元护理、船上护理、北极护理)。不同的护理领域需要不同的工作流程、信息需求、护理人员训练和经验。用于支持不同工作领域护理工作的技术解决方案必须赢得医疗专业人员的信任,为此必须采用严格的以用户为中心的设计,优化不同用户在不同使用环境下的使用效率和效果。取得成功的方法不是一个解决方案,而是一个具有互操作性的解决方案系统(例如,一个安全的、基于标准的、即插即用的 “医疗物联网 ”系统,而不是一系列临时集成的不同医疗产品)。这种 “系统之系统 ”的方法要求加强与不同战场管理部门的协调......共同的数据标准和信息格式......[以]通过国防部、退伍军人事务部、民用医院和联盟伙伴的连续性,在行政和战术系统之间形成连续、无缝的联系。

  • “纳入生存链系统的解决方案必须解决整个连续过程中以及其中每一点的护理问题,以便全面了解资源利用情况和护理同步情况。仍有必要开展研究,以了解哪些数据需要在各梯队之间移动;以何种频率移动;根据何种标准移动;以及最终将如何分析、可视化数据,并将其用于决策支持、预测模型开发和自动化。持续的研究和以用户为中心的设计的严格应用可以不断评估和改进数据源、模型、算法、可视化和决策支持工具的价值和有效性,从而随着新型和不同传感器、工具和可视化的出现而加速生存链。

  • 战场上使用的传感器也必须在训练中使用。利用这些传感器来了解受训人员提供的护理,并让受训人员熟悉 CDT 所支持的决策支持工具,这将极大地影响训练模式。

  • 降低学术界、工业界和国防部实验室进入这一领域的技术和管理障碍至关重要。这样做将促进合作与竞争,从而不断增强系统的组成部分,而不是利用单一实体来开发和增强整个系统。当前的流程,尤其是网络操作权限方面的流程,将研究、开发、互操作性测试和解决方案的迭代改进限制在一个线性流程上,而不是嵌套在网络安全框架(DevSecOps 周期)内的一个连续的开发-操作周期上,从而延误了进展,扼杀了创新。

  • 技术必须从硬件、软件和网络的角度确保网络安全。此外,这些设备的电子签名必须符合军事规格,以最大限度地降低被识别和攻击的风险。确保生存链的各个组成部分都是作为可互操作的、基于标准的、即插即用的系统的一部分而构建的,这样就可以积极主动地建立威胁模型和降低风险。

  • 由于相互竞争的观点、责任、资源分配以及多个实验室研究类似问题,整个医疗服务体系的研究和解决方案开发工作支离破碎,导致研究经费的使用不够谨慎。例如,从受伤点到角色 3 的护理资金和责任分配给国防部各部门;而角色 3 以外的所有护理文件和护理则分配给国防卫生局。同样,护理的资源配置是一项后勤职能,旨在改善资源的总体可用性,但不包括伤员或护理人员个人层面的资源使用情况。需求生成者、研究人员、高级开发人员、项目经理和政策制定者可以利用生存链范式,更一致地拼凑出一个医疗系统,使决策最优化,从而随着时间的推移和最先进技术的应用,使结果最大化。要问的一个关键问题是:一项技术旨在改善生存链的哪一部分,这种改善又会如何影响生存链的其他组成部分?

结论

在针对近邻对手的多域作战中,作战伤员救护的规模、严重性和长期性要求医疗服务系统实现现代化。生存链这一概念可帮助医疗服务体系重新构建战场医学,并在整个护理过程中不断迭代开发技术解决方案。数据和技术驱动的生存链类似于聚合杀伤链,要求现在就进行被动数据收集,以便在未来提供决策支持和自动行动。要想取得进展,就必须从训练、研究和实际救护中迅速建立一个基本的伤员救护数据集,供开发人员使用,从而启动生存链的自动化进程。

成为VIP会员查看完整内容
18

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《美国陆军医疗与人工智能:改变未来战场》
专知会员服务
19+阅读 · 5月21日
《信息优势:联合作战方法》
专知会员服务
69+阅读 · 5月19日
《无人机蜂群即将到来:未来空中战争的趋势》
专知会员服务
112+阅读 · 2023年9月11日
《2040年未来武器技术》
专知会员服务
91+阅读 · 2023年8月20日
《多域作战环境下的军事决策过程》
专知
80+阅读 · 2023年4月12日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
41+阅读 · 2014年12月31日
国家自然科学基金
11+阅读 · 2014年12月31日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
41+阅读 · 2014年12月31日
国家自然科学基金
11+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员