三年攻关，为的是履霜知冰——联合医院的专家，李静组织了一个跨学科研究团队，聚焦应用5G、物联网、大数据和人工智能技术，力图找到解决年北京冬奥会应急医学保障场景下的事件分析和时效救治问题的最佳方案。
相约北京测试赛（资料图）北晚新视觉供图
李静
今年4月，“相约北京”冰上项目测试活动中，北京年冬奥会和冬残奥会应急医学救援保障平台正式在线运行。李静带领团队在赛场泡了整整6天，用极限模式反复测试，结果在意料之中——设备和系统均运转正常。
如今，随着北京冬奥会临近，这套可以“预知未来”的系统仍在不断完善和升级。它的背后，是一群倔强的旅者，竭尽所能探寻隐藏着的希望。
救治伤员模拟演练
可穿戴设备测试
业精于勤，事成于细
兵贵神速。遇到突发事件时，更是如此。“冬奥会应急医学保障技术与装备研究”项目总负责人、医院第一医学中心急诊科主任黎檀实在一次接受采访时说，应急医学保障的核心就是用有限的医疗资源更好的救治伤员。以5G、AI、云计算、物联网为代表的新技术的出现，为创新应急医学保障模式提供了可能，也为实现“科技冬奥”提供了关键技术支撑。
李静组建的交叉学科团队所做的事儿就是为“快”打通绿色通道。举个例子，一旦某个运动员在赛场发生意外，需要急救，伤情是否会发生致命致残并发症，风险程度有多高，是否需要转运，转运到哪里，是否需要手术，如何正确处置，最优方案是什么……面对错综复杂的情况，团队所研发的北京年冬奥会和冬残奥会应急医学智能处置决策系统宛若一位洞悉敏锐的“指挥官”，第一时间通过精准计算，获得明确的数据支撑，给出最佳处置建议。
而越是想快，反而越要耐得住性子，推微达著，寻端见绪。李静语速不快，但条理清晰：“这套系统旨在运用大数据和人工智能技术，强化冬奥会应急医学救援能力，其功能定位是辅助现场医护人员制定救治决策，服务的对象不仅包括运动员，还有现场的教练员、工作人员甚至观众，所以各种各样的细节都要考虑在内。”
细到什么份儿上？一份关于平台的介绍页面上画着一张“网”。有一个结点是全身损伤并发症，延伸出失血性休克、凝血功能障碍、创伤后感染等；另一个结点是公共卫生条件下各类可能发生的传染性疾病，包括眼下正在肆虐的新型冠状病*肺炎、多种常见消化道传染病、致病性微生物感染等。所有结点中，胸部损伤的分类最多，包括气胸、肺出血、创伤后呼吸衰竭、急性呼吸窘迫综合征（ARDS）等共17种，这还只是冬奥会应急医学保障所涉及伤病情的一部分内容。表格上与其并列的大项还有各种自然灾害、事故灾难、社会安全事件，约50个结点间，线条连通，经纬交互，密密匝匝。每一条线，代表着一种“万一”。一旦触发一点，便可顺线寻踪。
类似的“网”，李静带领团队反反复复验算了三年，从内部验证、交叉验证到动物实验、实际验证，计算量有多大？从读研究生一年级开始参与项目，今年已经毕业的郏瑞琪是典型的“算手”，对数据甚至有点洁癖。她笑着摆手：“算不过来，这个真算不过来。总之，就是一直算，反复算。”
千头万绪的梳理过程，当然也走过弯路。李静举了个例子：“应急管理我们是专业的，但医疗领域我们是外行。有些医学指标，三四种仪器都能测，最初我们做分析是按图索骥，以为名字一样测出来的指标都一样。后来被临床专家纠错，才知道原来每台设备的实验数据各有侧重，不能混为一谈。”
白费了力气，难过沮丧在所难免。李静却笑着说：“难是难，还得过嘛。我们允许沮丧，为期一天，第二天重新开始。”
没有窍门，谈不上秘诀，一数一据，千数万据，用最踏实、最保险的办法，构建起一套智能诊疗体系。李静介绍，目前，这套系统包括智能伤病情预测和风险评分、智能伤病情判断以及智能线上群体监测三大功能模块，可以实现危重伤病情的早发现、早诊断、早治疗，可以针对“场馆坍塌”“踩踏”“火灾”等冬奥赛事中18种主要应急医学保障场景，通过计算建模，科学确定关键伤情，提高医护人员对于危重伤病员的综合管理能力。
将心比心，各得其平
说起与冬奥结缘，算是无心插柳，也算是有备而来。
年，李静带着团队参加了一场希望用大数据助力精准医疗服务的“数据马拉松”比赛。简单说，这次比赛就是参赛团队捧着笔记本算数。“赛期3天，夜以继日地计算，再将数据结果可视化。周五晚上联合医生组队，周六上午给数据，周日作报告。”李静补充说，“我们组是周日下午3点开始汇报的。”
常年和数据打交道，李静即便是非工作状态时聊天，也养成了严谨的习惯：能用“绝对数”的，不用“约数”；能精准到“时刻”的，不会说“上下午”。
那次比赛，清华大学、北京大学、北京理工大学、北京科技大学和北京交通大学等北京老牌理工院校都被邀请参赛。李静带领的团队摘银，她自谦地说：“成绩好，因为提前‘预习’过。年，我们就开始了北京公共交通应急方面的课题研究。和现在不同的是，当时的‘伤员’是公交车。”
给汽车预测“伤情”，李静心有余悸。“当年在英国交流访问，我最怕的就是车坏了。”她回忆，有一次刚下过雪，她开着一辆二手车送女儿去上学。“没留神，车轱辘一歪，撞到了马路牙子上。”好在车和人都没事儿。可是没开多远，车就开始报警。
一声声报警声，让李静心发慌。她匆忙安顿好女儿，直奔4S店。“一些车辆的专有名词，我不会用英文表达，比比划划地描述完了，急得一脑门子汗。”她耸了一下肩，无奈地说。结果工作人员检查了一下，信誓旦旦地保证：“车，没问题！开走吧。”
“噩梦”从此开始。几乎每天上路，这辆车都会报警。李静忍无可忍，拉着先生一起去4S店。一通检查后，得到的结论还是“没毛病”。李静不放心，给车预约了一次“全身体检”。结果，没等到送检那天，车就在路边冒烟儿抛锚了。
“我希望自己的经历，不要再有人碰上。”愿望是美好的，圆梦的过程却充满挑战。
李静去车队调研，要数据，老资历的维修工人不爱搭理她，还有人口气挺冲地责问她：“你们不就是想弄套系统，然后把我顶替了吗！”
其实，公交车上有不少“数据员”：车门旁的刷卡机记录乘客上下车刷卡数据，车厢里安装的摄像头、发动机、车载DVR等都会实时收集数据，不同数据可以读出公交车的不同信息。不过，这些监测数据也给李静来了个“下马威”，数据包因为传输问题，缺失率非常高，仿佛想看这个柔弱姑娘如何搞定大公交。
李静见招拆招。她笑着给维修工人算账：“您想，现在公交车坏了，在路上趴窝了，多着急啊，又得找拖车，又得琢磨尽快修车。以后有了数据分析，哪辆车快坏了，可能‘伤’在哪儿了，直接给您出‘病历’和检查报告。您上去，三下五除二就修好了，下班喝茶，那日子过得多优哉。”拿着不完整的数据包，她和团队没怨言，掰开了揉碎了分析细节，有空就泡车队，完善数据，将一块块数字拼图严丝合缝地对上。
一次次完美的数据分析、准确预测，好感自然而然就刷出来了。李静说：“到一线做科研，响应‘把论文写在祖国大地上’的号召，也让我收获了不少好朋友。”
数数算算，基于车辆定位数据、公交IC卡数据、公交客流数据、实时调度数据、线网数据、车辆维修数据……一座“绿色交通城”逐渐建成，公交车辆运营分析、公交线网监测等功能实现，为公交线网规划、优化调整和运营管理提供决策支撑。李静举例，最近几年流行的定制公交，像是特殊的“班车”。互不相识的乘客上下车地点千差万别，如何凑足一车人？怎么安排线路最合理？既要让住在不同地方的乘客乘车都比较便捷，又要选一条早晚高峰最畅通的路线行驶，这些都是数据建模可以计算出来的。还有公交和地铁的接驳，既要考虑便捷又要考虑通达性和安全性，最优化的方案建议也可以通过数据算出来。
不仅如此，一旦公共交通出现应急事件，各部门之间如何快速协同处理？李静团队通过不断的计算，给出最优方案。一位公交人直言：“最早是靠经验，但如果现场的工作人员稍有判断失误，就可能影响后续一系列的操作，甚至酿成大祸。”
从以经验为王，到看数据科学决策，公交信息系统运维体系的工作手册上，一项项管理和应急措施落在了白纸黑字上，成了公交人的案头书。
现在，李静也可以用调侃的口吻讲述自己在异国修车的经历了。确实，当人越来越好时，才能看淡很多事情，记忆里的“磨难”也会变成段子，一笑了之。
见小利，则大事不成
有了公交应急管理方面的储备，在年再度举办的“数据马拉松”比赛上，李静的团队折桂也就成了顺理成章的事。随后，国家重点研发计划——“科技冬奥”专项设立了“冬奥会应急医学保障技术与装备研究”“冬奥会冻伤及颌面创伤综合防治及关键技术研究”等科研项目。黎檀实申请了应急医学保障技术与装备研究项目，并邀请李静的团队参与北京年冬奥会和冬残奥会应急医学智能处置决策系统研发。
科研立足应用。这套系统就像现场医护人员的“全能助手”。一旦需要应急救治，经过简单培训的医护人员，可以手持平板电脑，通过智能点选或者语音的方式发问，大约30秒内即完成伤员“病例”的建设，导入数据。李静补充说：“系统独创了快速预测功能，整个操作过程可以压缩到5秒左右，大大缩短了救援时间成本。”
面对各式各样的“急症”，确定目标，绝不是脚踩西瓜皮——滑到哪里算哪里。李静依旧是以数说话。她将一系列拗口的专有名词解释得浅显易懂：“调研分析发现，几乎所有大型活动的应急事件，比如坍塌、地震，甚至包括恐袭带来的致命伤害主因都是大出血。如果能通过可穿戴设备监测人体相关生命指标，一旦达到某个数值时发出预警，同时计算出不同时间窗内不良预后的风险评分，就可以精准施救，最大限度减少伤亡。而冬奥赛场内较为常见的是创伤失血性休克伤情。”
研究之初，李静带领团队成员几乎把网上能买到的监测腕表都买回来了，人手一块，做数据，测试结果。“挺费劲的，但是结论是都不能达到医疗级别的监测需求。”没有现成的，就自己研发。“可穿戴设备，既要保证穿戴方便，同时要达到监测精度，尽量少充电，方便操作。”李静说。有了监测设备，还需要后台智能分析，最终实现对失血性休克伤员的实时动态预测预警和智能风险评分及群体伤情监测。
“欲速则不达，见小利则大事不成。”研发过程中，一遍遍算数据，一遍遍修改，交叉验证、动物模型、实际验证……反反复复都是常态。“一线的专家们经常刚完成一台大手术，或者值完夜班就过来开会讨论。身心俱疲，可是一开起会来，绝对不敷衍，甚至还会‘神仙打架’——几位大腕儿会因为某个问题激烈争论。”
对待科学，没有让步和妥协，只有真理。这种精神，让团队里每一个人都备受鼓舞。
当然，“神仙”挑起刺儿来也绝不手软。李静回忆，有一次他们筛选了一批病例数据，打算用于分析创伤失血性休克。结果一位专家扫了一眼，指着一条数据直接下结论：这个数据的来源病例不可能是因为失血导致的休克，这应该是一位七八十岁的老年患者，休克有别的原因。“不得不说，真神！后续筛查时发现确实如他所说。”
今年7月，作为团队的阶段性成果，论文《基于可解释性机器学习的创伤失血性休克的时间窗预测预警研究》在国际急诊急救领域权威期刊《SHOCK》上发表。论文修回时，有审稿专家问，如何判断是失血性休克而不是过敏性休克、心源性休克或者感染性休克？大家心里偷着乐，“这些都是‘神仙’们争论过的事儿，笔记都在心里。”李静说，这篇论文也就十几页，但回复修改意见经历了三轮，累计字数大约50页。
按照“边研发、边测试、边应用”的“科技冬奥”项目组织实施方式，在年4月的“相约北京”冰上项目测试活动上，北京年冬奥会和冬残奥会应急医学救援保障平台正式上线。工作人员动动手指，导入伤员初始数据或接入可穿戴设备后，系统后台便自动对伤员情况进行计算。
急救变得可视化。伤情预测主界面上，随着数据的持续导入，各个关键指标会以彩色折线图的形式动态展示。数据指示灯持续闪烁，表示后台系统持续工作，绿色安全，红色报警，一目了然。
李静说，通过后台伤情智能风险评分算法，伤员实时状况会有一个评分，一旦达到某个临界值会自动报警，辅助现场医护人员对伤情动态判断。为了满足医护人员需求，系统还设置了智能监测功能，实现多人预测结果同步监测，节约人力资源成本，提高救治效率。她的总结依旧有数字：测试活动6天，可穿戴设备就充了1次电，达到预期效果。
急救常说“白金十分钟，*金一小时”，这个交叉学科团队正在努力为志愿者和一线的大夫开发智能判断系统。简单地说就是做一本可携带的大百科，“集合大量的急救指南、经典书籍，将非结构化的文本变成结构化的。”他们通过终端设备，可以随时提问。除了系统给出“标注答案”，后方的专家也可以实时会诊。
科技助力，一个个曾经的梦想或在北京冬奥会上展示。不过这只是开始。李静说，未来，这些都会变成宝贵的“奥运遗产”，可以应用到更多灾难和应急事件中，弥补应急医学现场救治人员不足、伤病员监测力度不够的关键问题，帮助救治每一位不幸经历了灾难的普通人。
（原标题：履霜知冰）
来源：北京日报记者：刘冕
流程编辑：TF
版权声明：文本版权归京报集团所有，未经许可，不得转载或改编。