四川
2026 年 5 月 14 日，歌手溫楠因持續高燒、劇烈腹痛被緊急送醫，至今仍在 ICU。診斷結果顯示不是普通流感，而是膿毒性休克。幸運的是，他得到了及時確診和救治。
2022 年 8 月的一個深夜，18 歲的關布朗走進澳洲一家醫院急診室，7 小時后帶著退燒藥回家，5 天后他去世了。按計劃，他即將前往美國高校追尋橄欖球夢想，卻被本可避免的悲劇永遠定格在 18 歲。
事發當天，布朗發燒、嘔吐、腹瀉，看似腸胃型流感。急診時他體溫 39.2℃，心率 137 次 / 分，指標看上去并不樂觀，但他還是在走廊等了 3 個半小時才見到醫生。
醫生開了血常規化驗單，抽完血他又等了 3 個多小時。拿到報告時天已經蒙蒙亮，醫生掃了一眼說 “只是普通病毒感染，回去吃點藥就行”。
布朗開始服用對乙酰氨基酚和布洛芬，但報告上的異常指標并未被重視 ——C 反應蛋白比正常水平高出近 20 倍，說明體內正在爆發感染風暴。
事后調查顯示，布朗死于膿毒癥。當時接診他的是初級醫生，因醫院人手不足，本該有資深醫生監督的他只能獨自接診。
布朗的死不是個例。數據顯示，全球膿毒癥患者以 6% 的增速逐年攀升，而醫護人員缺口卻在擴大，預計 2030 年全球醫護缺口將達 1110 萬人。
急診室超負荷運轉是全球常態，亞洲平均等待時長約 50 分鐘，歐洲 1 小時 40 分鐘，美國更是高達 2 小時 40 分鐘。
膿毒癥是一種與時間賽跑的疾病。全球每年約有 1100 萬人死于膿毒癥，每 2.8 秒就有一人被它奪走生命。普通膿毒癥死亡率 20%-30%，發展為膿毒性休克后，死亡率飆升至 40%-60%。
更棘手的是，膿毒癥早期癥狀和流感高度相似：發燒、心率加快、呼吸急促、腸胃不適。在忙碌混亂的急診室里，它很容易被當成普通病毒感染。
超過三分之二的膿毒癥首診發生在急診室，這里是早確診、早干預的關鍵，但急診首診膿毒癥漏診率高達 17%，相當于每 5 個患者里，只有 1 人能被及時識別。
膿毒癥的黃金干預期僅 3 小時，一旦發展為膿毒性休克，這個時間驟減至 1 小時。及時救治的患者存活率可達 80%，延誤 6 小時后，存活率僅剩 30%。
2012 年，12 歲的洛里斯?湯頓在紐約醫院急診室被漏診膿毒癥去世，這起悲劇推動路易斯安那州次年通過全美首個強制性膿毒癥診療規則，即 “羅里法規”，但這類制度僅在少數州落地，依然無法填補人力缺口。
相比于西方國家，中國人口基數更大，急診壓力倍增。過去我們靠制度和人力搭建急診體系：國家層面的預檢分診共識、各地的三區四級分診標準、三甲醫院擴大醫護團隊，但這些都難以突破生理極限。
2023 年被稱為 AI 元年，醫療垂類 AI 正在打破僵局。和普通通用大模型不同，醫療 AI 深耕醫學領域，知識儲備和功底很深。
國內頭部醫療企業的醫學大模型已落地多個場景：圍術期用 AI 實現全流程主動預警，影像科 AI 輔助識別心血管病變、肺結節等，檢驗科 AI 能快速鎖定異常指標。
對急診來說，AI 的價值更為直接。以膿毒癥為例，部分頭部醫院的 AI 輔助系統可以提前 22 小時發現并確診膿毒癥，膿毒性休克還能提前 6 小時預警，在 1、3、6 小時等關鍵節點給出標準化治療指導，實現從被動響應到主動干預。
我們可以想象另一個平行時空：布朗來到急診室，護士給他戴上腕帶式監護設備，所有生命體征實時顯示在護士站大屏。
即便忙碌，護士也能遠程看到數據，直接將他劃為高風險患者，不用再等 3 個半小時。接診的還是那位經驗不足的初級醫生，但 AI 自動發出膿毒癥警告，結合體征指標建議立即查血乳酸、留取血培養并通知上級醫生。
抗生素 1 小時內用上，膿毒癥被及時壓制。5 天后布朗出院，一個月后他如愿進入美國高校，在橄欖球場展現天賦。
可惜現實沒有如果。我們只希望，下一個走進急診室的人，不會再被錯過。這才是科技向善的真正意義。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
