急救员 / 院前急救人员

美国。劳工统计局预测,2025 至 2035 年急救员就业增长 6%,从 284,100 人增至 300,500 人,快于所有职业的平均水平,每年约有 18,200 个职位空缺。页面没有提到人工智能、自动化或机器人。

一个有资格的人,在具名、有日期、可归属的公开表态里,对未来做出了一个判断。记录它,是为了让「谁在什么时候说了什么」保持可核对 —— 而它永远不改变任务判断,因为预测不是观察。它的价值在之后才到:这条记录和那个职业的证据同在一页,读到预测的人,旁边就是「后来发生了什么」的记录。那就是结算;本站不对一条预测是否应验发布结论。

伦敦。这家救护车服务说,999 控制室临床枢纽的资深急救员试用了一个 AI 工具,它把临床人员与病人的电话对话转写成结构化的医疗记录,再由急救员核对并批准。伦敦约 20% 的 999 来电者是通过电话处置的,试用已经推开,让其中大多数人受益;救护车上的急救员也测试了这个工具,该服务正在进一步评估。这是雇主自己的描述;没有给出人员数字。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

这家急救软件厂商说,自 5 月以来,1,670 多家急救机构采用了它起草病人记录叙述的 AI 功能,总记录时间最多减少 80%。这是厂商在描述自家产品,数字是自报的。

演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

英国。监管机构针对急救员的执业能力标准(更新后的标准自 2023 年 9 月 1 日起生效)要求注册人员就开始、继续、调整或停止处置或使用某项技术或操作作出有理由的决定,并恰当地记录这些决定与理由。标准没有提到 AI;它把决定及其记录留给注册急救员。

失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。

这是一项观察性队列研究,涵盖多个临床中心的 7,313 名连续病人。作者开发并外部验证了一个模型,用于识别就诊心电图上没有 ST 段抬高的闭塞性心梗;他们说它胜过了执业临床医生和广泛使用的商用判读系统;与受过训练的急救人员的临床判断结合后,它帮助正确地重新分类了三分之一的胸痛病人。这是研究模型,不是已部署的工具。

演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

台湾中部。14 个消防分队的急救员在救护车上用便携设备记录 12 导联心电图,并把它们传给 AI 判断是否为 ST 段抬高型心梗;另外 11 个分队则由线上急诊医生判读。2021 年 7 月至 2022 年 3 月间,AI 判读了 275 名病人的 362 份心电图,平均 37.2 秒作出回应,医生为 113.2 秒;作者称全天候 AI 检测可行、诊断准确率高。开发这个 AI 的医院也是评估它的一方。

真实场景里的小规模试验。说明落地条件正在被检验,不代表条件已经成立 —— 所以单独一次试点永远不够,两次互不相干的才够。

丹麦哥本哈根。这是 2018 年 9 月至 2019 年 12 月在该市急救医疗服务中进行的一项双盲随机试验。一个语音识别模型筛查了 169,049 通来电,把 5,242 通标记为疑似心脏骤停;干预组的调度员会收到提醒。有提醒时,他们识别出 93.1% 的确诊心脏骤停,没有提醒时为 90.5%(P = .15)。模型单独的敏感度高于没有提醒的调度员(85.0% 对 77.5%),但阳性预测值低得多(17.8% 对 55.8%)。作者的结论是,尽管 AI 的识别超过了人,机器学习的支持并没有显著提高调度员的识别能力。

真实场景里的小规模试验。说明落地条件正在被检验,不代表条件已经成立 —— 所以单独一次试点永远不够,两次互不相干的才够。

美国。监管机构的许可写明,该设备用于在无法有效人工按压时辅助人工心肺复苏 —— 例如在转运病人途中、在长时间复苏导致疲劳无法有效按压时,或急救人员不足时。许可把这台机器定位为缺人或人累时的替补,而不是默认选项。

失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。

英国。这是一项实用性整群随机试验:四家救护车服务 91 个站点的救护车被分配使用机械胸外按压设备或人工心肺复苏;2010 至 2013 年间纳入了 4,471 名心脏骤停成人。作者发现,与人工按压相比,没有证据表明该设备改善了 30 天生存率。

真实场景里的小规模试验。说明落地条件正在被检验,不代表条件已经成立 —— 所以单独一次试点永远不够,两次互不相干的才够。

如果你刚入行,预期 AI 会判读一部分心电图、起草一部分记录;培养它做不了的事:动手处置、现场判断,以及和病人一起决定接下来怎么办。

预期心电图判读更快、写记录的时间更少,两者都由你来核对。现场处置、是否送医的决定,以及你签字的记录,仍在你手里。

保住并强化

留在一线出车

动手处置和转运仍由人来做,唯一一台胸外按压机器也只被许可为辅助。

调整职责

转向调度中心的临床评估

各服务正在通过电话处置更多病人,AI 记录也最先在那里推广。

相邻转岗

转向重症转运或高级执业

高级评估和处置决定,正是 AI 工具提供输入而不是接手的地方。

就现有证据看,不会。AI 判读部分救护车心电图比线上值班医生快,也在一些控制室里起草记录;但机械胸外按压设备没有提高生存率,能识别心脏骤停的 AI 也没有显著提高调度员的识别率,美国还预测 2025 至 2035 年急救员就业增长 6%。

我们不用年数回答这个问题。看看 AI 工具是否从判读和书写扩展到处置决定,以及监管机构是否改变急救员必须亲自决定和记录的内容。这些比任何日期都更能说明问题。

在一些服务中可以。在台湾中部,AI 大约 37 秒就给急救员的心电图作出判读,准确率很高;一个机器学习模型在一类难以发现的心梗上胜过了临床医生。心电图仍由急救员记录,病人仍由急救员处置。

按找到的试验证据,并不。英国一项有 4,471 名病人的试验发现,使用机械设备的 30 天生存率没有改善;美国监管机构也只把它许可为无法有效人工按压时的辅助。