2026 年 5 月 14 日，歌手温楠因持续高烧、剧烈腹痛被紧急送医，至今仍在 ICU。诊断结果显示不是普通流感，而是脓毒性休克。幸运的是，他得到了及时确诊和救治。
2022 年 8 月的一个深夜，18 岁的关布朗走进澳洲一家医院急诊室，7 小时后带着退烧药回家，5 天后他去世了。按计划，他即将前往美国高校追寻橄榄球梦想，却被本可避免的悲剧永远定格在 18 岁。
事发当天，布朗发烧、呕吐、腹泻，看似肠胃型流感。急诊时他体温 39.2℃，心率 137 次 / 分，指标看上去并不乐观，但他还是在走廊等了 3 个半小时才见到医生。
医生开了血常规化验单，抽完血他又等了 3 个多小时。拿到报告时天已经蒙蒙亮，医生扫了一眼说 “只是普通病毒感染，回去吃点药就行”。
布朗开始服用对乙酰氨基酚和布洛芬，但报告上的异常指标并未被重视 ——C 反应蛋白比正常水平高出近 20 倍，说明体内正在爆发感染风暴。
事后调查显示，布朗死于脓毒症。当时接诊他的是初级医生，因医院人手不足，本该有资深医生监督的他只能独自接诊。
布朗的死不是个例。数据显示，全球脓毒症患者以 6% 的增速逐年攀升，而医护人员缺口却在扩大，预计 2030 年全球医护缺口将达 1110 万人。
急诊室超负荷运转是全球常态，亚洲平均等待时长约 50 分钟，欧洲 1 小时 40 分钟，美国更是高达 2 小时 40 分钟。
脓毒症是一种与时间赛跑的疾病。全球每年约有 1100 万人死于脓毒症，每 2.8 秒就有一人被它夺走生命。普通脓毒症死亡率 20%-30%，发展为脓毒性休克后，死亡率飙升至 40%-60%。
更棘手的是，脓毒症早期症状和流感高度相似：发烧、心率加快、呼吸急促、肠胃不适。在忙碌混乱的急诊室里，它很容易被当成普通病毒感染。
超过三分之二的脓毒症首诊发生在急诊室，这里是早确诊、早干预的关键，但急诊首诊脓毒症漏诊率高达 17%，相当于每 5 个患者里，只有 1 人能被及时识别。
脓毒症的黄金干预期仅 3 小时，一旦发展为脓毒性休克，这个时间骤减至 1 小时。及时救治的患者存活率可达 80%，延误 6 小时后，存活率仅剩 30%。
2012 年，12 岁的洛里斯・汤顿在纽约医院急诊室被漏诊脓毒症去世，这起悲剧推动路易斯安那州次年通过全美首个强制性脓毒症诊疗规则，即 “罗里法规”，但这类制度仅在少数州落地，依然无法填补人力缺口。
相比于西方国家，中国人口基数更大，急诊压力倍增。过去我们靠制度和人力搭建急诊体系：国家层面的预检分诊共识、各地的三区四级分诊标准、三甲医院扩大医护团队，但这些都难以突破生理极限。
2023 年被称为 AI 元年，医疗垂类 AI 正在打破僵局。和普通通用大模型不同，医疗 AI 深耕医学领域，知识储备和功底很深。
国内头部医疗企业的医学大模型已落地多个场景：围术期用 AI 实现全流程主动预警，影像科 AI 辅助识别心血管病变、肺结节等，检验科 AI 能快速锁定异常指标。
对急诊来说，AI 的价值更为直接。以脓毒症为例，部分头部医院的 AI 辅助系统可以提前 22 小时发现并确诊脓毒症，脓毒性休克还能提前 6 小时预警，在 1、3、6 小时等关键节点给出标准化治疗指导，实现从被动响应到主动干预。
我们可以想象另一个平行时空：布朗来到急诊室，护士给他戴上腕带式监护设备，所有生命体征实时显示在护士站大屏。
即便忙碌，护士也能远程看到数据，直接将他划为高风险患者，不用再等 3 个半小时。接诊的还是那位经验不足的初级医生，但 AI 自动发出脓毒症警告，结合体征指标建议立即查血乳酸、留取血培养并通知上级医生。
抗生素 1 小时内用上，脓毒症被及时压制。5 天后布朗出院，一个月后他如愿进入美国高校，在橄榄球场展现天赋。
可惜现实没有如果。我们只希望，下一个走进急诊室的人，不会再被错过。这才是科技向善的真正意义。
热门跟贴