人工智能在軍事醫學中的應用現狀及展望

劉晶晶，張新穎，桂 莉，陳國良

（1.海軍軍醫大學護理系，上海200433；2.海軍軍醫大學基礎醫學院，上海200433；3.海軍軍醫大學衛勤訓練基地，上海200433）

0 引言

人工智能（artificial intelligence，AI）是一項旨在模擬人腦思考過程、學習能力和知識儲存的計算機技術[1]。自AI 概念確立以來，已被應用于諸多行業。2017 年國務院印發的《新一代人工智能發展規劃》中指出，AI 應用層主要包括智能機器人、智能金融、智能醫療等產業。智能醫療的核心目標是運用AI 對資料案例和經驗數據進行深度學習和決策判斷，顯著提高醫療機構和人員的工作效率，并大幅降低醫療成本[2]。目前，醫療產業常用到的AI 技術有語音識別、自然語言處理、計算機視覺、機器人、機器學習等，其對應的應用場景包括電子病歷、醫學影像、健康管理、輔助診療、疾病風險預測、藥物挖掘、醫院管理等。隨著AI 的不斷深入發展，美國等西方發達國家十分重視AI 在軍事醫學中的應用和發展，我國政府也將AI 作為國家戰略，并逐漸滲透到軍事醫療的各個方面[3]。目前，AI 在軍事醫學中的應用覆蓋了戰場救護的主要環節，如傷員搜救、傷情監測、傷員治療、醫療信息管理等。本文對AI 在軍事醫學中的具體應用情況進行綜述，并對其未來發展方向進行展望。

1 AI 在軍事醫學中的應用現狀

1.1 傷員搜救和管理

1.1.1 傷員搜救

傷員搜救系統包括傷員定位搜救系統和傷員提取系統。其中，傷員定位搜救系統通過定位系統將傷員端與后方醫療單元連接起來，傷員提取系統指用于傷員搜救、撤退轉移的機器人系統。

除了核心的傷員精確定位功能，有些傷員定位搜救系統還包含生命體征監測、遠程會診、遠程指導等功能，可實現對作戰人員和武器裝備系統的精準定位，降低搜救難度，提高搜救成功率。20 世紀末，美國國防部海空系統指揮部開發了全世界第一套具備搜集GPS 數據的傷員搜救系統，即營救作戰生存人員探測器系統CSEL（如圖1 所示）[4-5]。傷員提取系統則以美國陸軍委托機器人公司VECNA 研發的戰地協助撤退機器人BEAR（如圖2 所示）為代表，可實現傷員的救護、轉運等整套戰地救護功能[6-7]。類似的第一反應機器人（First Responder robot）同樣具備在危險條件下進行搜救的功能，平時還可用于火災、生物、化學甚至放射性環境[8]。除了陸上搜救，用于水上和空中的搜救工具也是研究的重點。自動無人水面飛行器用于水面搜救是未來的趨勢，如無人駕駛水面掃雷工具Calzoni U-Ranger（如圖3 所示）曾被歐盟用于輔助救援無人搜救展示[9]。目前，用于水面搜救的無人工具通常較小且航程有限。美國海軍研發的反潛戰連續追蹤無人駕駛艦艇能夠續航一萬海里，具備開展水上傷員搜救的潛力。而借助熱成像、激光雷達測繪、物體識別等技術開發的各類無人飛行設備則成為空中搜救的重要研究對象，部分產品已經在民用搜救任務中得到應用[9]。目前，日本、美國、英國、伊朗等國家都在災難救援機器人的開發方面取得了一定的成果，這類機器人通常融合了災難學、工程學、護理學等多個學科，具備勘探、搜尋和救助等功能[10]。其中，擁有強環境感知能力和操作工具能力的多任務救援機器人在軍事醫學中具有更好的應用前景[11]。

圖1 營救作戰生存人員探測器系統CSEL[5]

圖2 戰地協助撤退機器人BEAR[7]

圖3 無人駕駛水面掃雷工具Calzoni U-Ranger[9]

近年來，我軍也十分重視傷員搜救系統的研究，已開發出相關產品并開展了初步應用，取得了較好的效果[12-13]。如秦偉等開發的無人機城市應急救援決策輔助系統具備信息采集、人臉識別、輔助決策等多種功能，可滿足各型救援任務的需求[14]。但也有部分研究僅停留在理論層面，未轉化為實際產品[15]。

1.1.2 傷情監測和檢傷分類

野戰條件下，傷員多批量產生且傷情復雜，因此，戰現場和轉運途中傷情的實時監測和檢傷分類至關重要。目前許多相關系統將傷情監測和檢傷分類功能整合在一起，甚至有研究者開發了具備傷員遠程生命監測功能的檢傷分類系統，以期在最短時間內獲取傷員的實時傷情信息，輔助制訂治療、搜救和后送策略。如2009 年卡內基梅隆大學協助美軍開發了遠程檢傷分類機器人RICR，其手臂裝配了多種傳感器，能夠監測傷員的相關生理指標[16]，操作者通過遠程控制機器人的手臂移動來探查和評估傷員的身體狀況。同時，有些傷員檢傷分類系統還具備自我定位、傷員追蹤以及聲頻傳感等功能。如美軍開發了APPRAISE 系統用于在院前轉運途中收集和分析傷者生命體征，通過模型構建預測傷員是否需要輸血治療[17]。

除了上述接觸式傷情監測系統，也有研究者聚焦于非接觸戰場傷情探測技術的研究，利用光學、聲學、氣味、微波信號等結合AI 算法進行傷情評估和探測[18]。如我國軍事醫學科學院研發了一套智能檢傷分類系統，可自動進行重要生理指標的采集、傷情評分和分級，以輔助檢傷人員更加準確、直觀地進行檢傷分類，并給出優化的急救處置建議[19]。但我軍大部分此類系統僅實現了生理指標的采集和評分，對輔助診療、遠程協作和數據挖掘等功能的拓展較少，沒有很好地將AI 融入其中。

1.2 傷員救治

1.2.1 智能診療

智能診療（intelligent diagnosis and treatment，IDT）是計算機結合醫療知識進行一定的計算和推理，從而提出合適的診斷和治療方案。AI 在智能診療中的應用包括病理診斷、醫學影像診斷、篩查診斷等，即使用現有的臨床資料構建數據庫，結合診斷標準和指南，通過深度學習技術做出診斷。

國外目前已開發出許多IDT 系統用于各類疾病的診斷和篩查，但多用于平時醫療，且依靠成熟的民用IDT 系統研發技術。如IBM 沃森研究團隊與美國退伍軍人管理局合作開發了電子病歷分析儀EMRA，旨在利用機器學習技術處理患者的電子病歷，并自動識別和篩選最關鍵的健康問題[20]。此外，美軍還基于戰術戰傷救治和院前創傷生命支持指南與理念，開發了多個綜合性戰現場IDT 系統，如戰傷救護集成預測系統EPIC3[21]，可對醫護兵進行輔助決策支持，通過機器學習預測威脅生命的、難以發現的傷情，并能根據操作者的需求和技能水平量身定制用戶界面，展示救治步驟。類似的系統還有用于戰創傷監測、診斷和治療的自動強化戰傷救護系統ARC3[22]。

近年來，我國也很重視IDT 的發展應用，除了引進國際先進診療系統外，多家醫院和研究機構也開發了多款IDT 系統[23]。但目前我國的IDT 系統多用于平時醫療，適用于戰時的IDT 系統較少。

1.2.2 機器人手術系統

近年來，國內外均十分重視機器人手術系統（robot surgery system，RSS）的開發。根據醫生在其中的作用，RSS 可分為獨立型、遠程型和協作型[24]。獨立型RSS 可根據提前設定好的計算程序獨立完成手術，醫生僅進行遠程監督即可，但價格昂貴，對程序設定的要求較高。遠程型RSS 由醫生直接根據系統傳感器收集的數據和實時圖像反饋在遠程控制下進行手術。協作型RSS 則由醫生和機器人共同完成手術操作。

自1992 年英國開發的“probot”成功進行了世界上第一例機器人外科手術以來，各種RSS 相繼開發[25]。以達芬奇手術系統等為代表的RSS 在全球許多國家得到了應用推廣[24]。民用RSS 的快速發展為戰救RSS的開發奠定了良好的基礎。美國國防部高級研究計劃局開發了一系列RSS 用于戰地醫療救助，如Green遠程外科系統（telepresenee surgery system，TESS）[26]、創傷救護機器人Trauma Pod（如圖4 所示）[27]、遠程微創手術機器人等[28]，其中部分RSS 已在美國部隊進行裝配使用。2012 年，美國陸軍推出了第一款使用開源軟件開發的RSS——RAVEN 戰地手術機器人（如圖5 所示）用于開展微創手術，該系統具有體積小、質量輕、價格低（僅售25 萬美元）等特點，截至2018 年已被全球18 個研究機構所采用[29-30]。

我國手術機器人研究起步較晚，國內臨床應用的RSS 多為國外引進。近年來，有單位進行了RSS的自主開發，如解放軍總醫院與北京航空航天大學合作研發了黎元BH-600 機器人，并于2003 年成功完成首例手術[31]；原海軍總醫院與北京航空航天大學合作研發的遠程腦外科手術機器人能夠精準完成復雜的顱腦手術。目前腦外RSS在全國多家醫院得到應用，在戰時可為戰場實施緊急顱腦損傷控制手術提供有力的工具[32]。

圖4 創傷救護機器人Trauma Pod[27]

圖5 RAVEN 戰地手術機器人[30]

1.3 軍事醫學培訓

傳統的訓練方式（如課堂教學和使用特效化妝演練）存在一定的缺點和限制，無法提供戰地或災害環境下高度仿真和動態生理變化的創傷和治療，且無法反復練習[33]。為了提升訓練效果，許多國家均在軍隊醫療救護訓練中引入AI，如基于AI 的訓練模型、虛擬現實訓練項目、計算機輔助訓練項目、仿真環境的實驗系統等[34]。這些培訓形式能夠突破傳統訓練對場地、成本、師資等的限制，具有實戰性、可重復性、過程可知性以及有利于數據庫管理等特點，已被廣泛應用于各種應急場合和高危領域的訓練。

美軍自20 世紀末就開始開發基于AI 的模擬仿真訓練系統，2001 年為海軍醫務人員開發了一套用于培訓其應急反應能力的虛擬仿真教學系統[35]。之后美軍還開發了基于計算機的三維模擬學習平臺“Pulse！！”（如圖6 所示），該平臺結合遠程教學和虛擬現實教學，學習者不僅可以選擇不同傷情的案例，還可以在救護界面中行走并查看傷員，同時平臺還能訓練學習者在軍事行動或恐怖襲擊中的戰術反應[36]。目前一些發達國家還開發了虛擬患者系統、教學支持系統、醫學訓練指揮與控制系統、醫學培訓評估系統等諸多模擬訓練系統或設備[37-38]。

我國近年來也有許多學者開發了基于AI 的軍事醫學教育平臺或系統，其中以虛擬現實技術應用最多，主要應用于戰創傷救治訓練、虛擬外科手術、軍事醫學教學（特殊軍事環境實驗教學、“三防”醫學應急救援實驗教學、遠程教學）等[39-41]。

圖6 “Pulse！！”氣管插管案例界面[36]

1.4 醫療數據管理

智能數據庫是指利用AI 自動收集和存儲大量數據并自動對其進行分析、利用，是一項復雜的技術體系。美國建立了聯合戰場創傷系統（joint theater trauma system，JTTS），并基于實戰數據建立了聯合戰場創傷登記（joint theater trauma registry，JTTR）系統數據庫[42]。該數據庫是世界上最大的戰創傷數據庫，包含了標準的護理流程和醫療流程表，利用AI 可為傷情譜的研究、標準救治流程的建立、指南的更新完善提供切實、可靠的數據，為現代戰爭基于證據的創傷醫學研究構建相關標準。此外，英國、北約組織（如圖7 所示）也都建立了各自的創傷登記系統[43-44]，且美國、英國、北約組織對三者的創傷登記系統進行了對比分析，嘗試進行標準的統一[43]。

圖7 北約創傷登記系統數據處理示意圖[43]

我國也有多個團隊開發了戰傷數據庫，可實現戰傷數據的錄入、存儲、管理、查詢和統計分析等功能，但還未在全軍推廣應用[45-46]。此外，有研究者建立了醫學專題數據庫，如實用型高原軍事醫學數據庫、西南地區抗震救災衛生防疫數據庫、“傷票存根”數據庫等[47-48]。但上述數據庫的功能和價值并未得到充分體現，基于AI 可以應用醫療數據進行預測建模，這對于進行戰傷模型預測和非戰爭軍事行動的臨床管理等大有裨益。目前，AI 在數據庫管理中的應用在民用領域也得到了較好的發展，已有學者開發了成熟的工具或模型用于傷情預測、遠程診斷和醫院過負荷能力預測[49]，在其基礎上進一步擴展可用于戰時傷情管理以及軍隊醫院、野戰醫療單元過負荷能力的預測。

2 AI 在軍事醫學中的應用展望

目前，AI 在軍事醫學中的應用處于快速發展階段，應用到的AI 技術主要為計算機視覺、計算機圖形學、人機交互、機器人、數據庫技術、可視化技術等，相關產品主要集中于傷員搜救、傷員救治、檢傷分類和傷情監測、機器人手術等戰場一線救治的重要環節。此外，在數據管理和醫學培訓等軍事醫學的輔助領域也有涉及。其中，RSS、傷員搜救等產品較為多樣，大部分相關產品功能和應用場景具備平戰結合、軍民通用的特點，甚至有的是由成熟民用產品改造而來，因此相關產品功能較為完善，具有良好的應用價值。但有些類別的產品卻仍較為基礎或大多處于實驗階段，如傷情監測和檢傷分類、智能診療等，未來仍需進一步完善。未來AI 在軍事醫學中的發展方向具有以下特點。

2.1 向強AI 系統邁進，突出環境自適應性

戰創傷傷情通常較為復雜多樣，復合傷、多發傷多見，聚焦于某一特定問題的弱AI 系統不能很好地滿足戰現場救護需求，戰現場需要具有較強學習、思考和解決大量問題能力的強AI 系統。此外，由于戰場環境瞬息萬變，對在該環境作業的系統提出了更高的要求，環境自適應能夠使用稀疏數據為真實的世界現象構建可靠的、可解釋的模型，通過多模態信息融合處理、知識挖掘與表示、地理信息系統等態勢感知技術準確判斷戰場態勢，使機器人或其他AI 系統在未知的動態交互中熟練執行任務。

2.2 緊跟AI 技術發展，系統高度綜合集成

隨著科技的不斷發展，AI 的具體內涵和技術在不斷延伸和擴展，軍事醫學產品的開發應緊跟AI技術的發展趨勢，將AI 前沿技術融入相關產品的研發，或用更成熟、先進的技術彌補現有產品的缺陷。戰現場，尤其是海上、空中等特殊作戰環境對裝備的數量、體積、質量等均有一定要求，高度綜合集成的系統能夠提高資源利用率。此外，部分軍事醫學產品應具有較好的兼容性，能夠與作戰系統集成使用。

2.3 大力發展數據庫技術，確保產品應用價值

目前軍事醫學類AI 產品面臨有效數據缺乏、前瞻性驗證不足等問題，而AI 產品的研發大多離不開數據支撐。由于軍事醫學研究數據的稀缺，一些產品的開發基于理論數據，數據挖掘的應用相對不足。未來可考慮構建成體系的軍事醫學數據庫，并將研究數據與知識圖譜、深度強化學習等技術相結合，從而使相關產品更加智能，更具有實際使用價值。

3 結語

AI 作為國家長期發展戰略，將給軍事醫學帶來重大革新。AI 在軍事醫學中的發展應用對提高我軍衛勤保障能力、減少傷亡、保留戰斗力具有重要意義。未來，還應持續深化AI 在軍事智能醫療領域的應用，鼓勵軍、企、學、研多方合作，共同研發，形成系列產品，相互補充、協同作業。此外，在加速產品研發的同時，還應對產品開展充分全面的使用驗證，確保其應用效果。