急救员 / 院前急救人员 · 任务逐条

现场处置病人

这项工作里找到的唯一一台机器是帮手,而且支持它的证据很弱。一项覆盖英国四家救护车服务、4,471 名病人的实用性试验发现,没有证据表明机械胸外按压设备比人工按压提高了 30 天生存率。美国监管机构只把这种设备许可为无法有效人工按压时的辅助,例如在转运途中或人手不足时。

这是一台设备和一项试验;没有记录测量 AI 或机器人在其余现场处置中的作用。

判读心电图与评估病人

在一些服务中,AI 已经在判读现场心电图。在台湾中部,14 个消防分队的急救员把救护车上的心电图传给 AI,平均 37.2 秒得到答复,而另外 11 个分队的线上值班医生平均要 113.2 秒,诊断准确率也很高。一个针对难以发现的一类心梗的机器学习模型胜过了执业临床医生和商用系统,与受过训练的急救人员的判断结合后,帮助正确地重新分类了三分之一的胸痛病人。心电图仍由急救员记录,病人仍由急救员处置,决定仍由急救员作出。

这是一个由开发 AI 的医院自己评估的地区性应用,以及一项观察性研究;都没有测量急救员的工作量。

电话评估来电者

AI 在这里帮忙,但没有接手。在哥本哈根的一项随机试验中,一个收听急救来电的机器学习模型识别心脏骤停的比例高于调度员单独识别;但向调度员发出提醒并没有显著提高他们的识别率 —— 有提醒 93.1%,没有提醒 90.5%。伦敦救护车服务说,AI 记录让控制室里的急救员能通过电话处置更多病人。

这是一项以调度员而非急救员为对象的试验,以及一个雇主自己的描述;都没有显示人员减少。

书写病人记录

起草正在交给软件;记录仍是急救员的。伦敦救护车服务在控制室推广了一个 AI 工具,把临床人员与病人的对话转成结构化记录,由急救员核对并批准;救护车上的人员也测试了它。一家记录软件厂商说,已有 1,670 多家急救机构采用了它的 AI 叙述功能。英国监管机构要求急救员恰当地记录自己的决定与理由。

这是一个雇主的描述和一家厂商的说法;都没有测量 AI 起草记录的准确性或每个班组节省的时间。

驾驶与转运病人

没有找到记录显示有自动驾驶救护车或由机器搬运病人。美国劳工统计局预测,2025 至 2035 年急救员就业增长 6%,快于平均水平,没有提到 AI 或自动化。

这是没有记录以及一个国家的预测;它不是对救护车驾驶方式的测量。