2. 四川省医学科学院 · 四川省人民医院(电子科技大学附属医学院)急诊科, 成都 610041
在历代急诊人奠定的坚实基础上,历经多次突发公共卫生事件的淬炼,我国急诊医学体系的韧性与综合救治能力得到了显著提升。“十四五”期间,一个标志性的进展是“急诊急救大平台”建设从理论构想走向广泛实践,通过“横向整合、纵向贯通”的架构,推动了学科规模、人才队伍与亚专业建设的系统性发展。急诊科作为医院前沿与核心枢纽的定位日益明确,院前急救、院内急诊与急诊重症监护室(emergency intensive care unit, EICU)的协同增效,标志着我国急诊医学迈入了以整合与协同为特征的“3.0时代”。
然而,对标国际先进水平以及国家应急体系现代化要求与人民健康需求,当前体系在院前急救反应效能、急诊外科能力、学科科研深度及区域均衡发展等方面仍存在较大提升空间。基于现状,本规划提出以下核心路径建议。
1 以智慧化融合驱动急诊范式系统性变革急诊医学的现代化,本质上是与新一代信息技术深度融合的进程。以人工智能(artificial intelligence, AI)与大数据为核心驱动力的智慧化建设,不仅是技术工具的革新,更是诊疗模式、管理范式与体系架构的深刻革命。
1.1 平台重塑:构建智能协同的急诊救治新范式信息化与AI驱动的“急诊急救大平台”,是急诊医学进入智慧化发展阶段的核心载体。该平台旨在通过“横向”打破学科壁垒,整合多学科救治资源,与“纵向”贯通“院前预警-现场急救-院内处置-康复随访”全流程数据相结合,系统性地重塑急救价值链。在此架构下,AI能够实时分析区域急救需求、智能调度资源、动态优化流程,并突破地理与信息隔阂,从而显著缩短救治等待时间[1],提升应急响应速度[2]。研究表明,在心脏骤停等分秒必争的场景中,AI辅助决策可使整体救援效率提升至少10%[3],展现了其在优化核心流程、提高救治成功率方面的巨大潜力。
1.2 实践赋能:AI与大数据驱动临床决策精准化在临床实践中,AI与大数据的深度融合正成为推动临床决策精准化的强大引擎。通过对多源异构医疗数据进行实时挖掘与分析,AI能够实现对高危患者的早期识别、病情恶化趋势的精准预测,为抢救赢得宝贵时间。例如,基于机器学习算法对连续生命体征数据的分析,可实现对脓毒症、急性心力衰竭等急症的早期预警与风险分层,从而启动针对性干预,优化抢救动线,改善患者预后[4-5]。进一步而言,自然语言处理(natural language processing, NLP)技术可瞬时解析急诊文本信息,自动提取关键病情[6];基于深度学习的医学影像识别系统,能大幅提升CT、X光等检查对急性卒中、肺栓塞等疾病的诊断速度与准确性[7];集成智能算法的可穿戴设备,则实现了对患者生命体征的连续监测与实时风险预警。这些技术的融合应用,共同推动急诊诊疗向智能化、精准化方向演进[8]。
智慧化转型的终极目标,是通过“急诊急救大平台”实现数据、流程与资源的系统性重构。这不仅是技术叠加,更是一场深刻的模式革新,为构建现代化急诊体系奠定了核心基石。
2 完善体系建设,构建“平战结合、能力协同”的急诊网络应对重大突发事件的韧性与日常急救服务的高效,要求急诊体系必须进行顶层设计与系统性重构。核心在于扭转资源倒三角结构,构建能力下沉、关口前移、全域协同的急诊救治网络。
2.1 体系化建设:构建五级协同的急诊救治网络以“九三阅兵”与“印巴冲突”为例,军事领域的实践深刻证明了体系化是将静态资源转化为动态救治能力的关键所在。急诊医学的高度时间依赖性要求必须构建一个全域协同、能力同质的现代化网络。核心战略是系统化打造“省-市-县(区)-乡(镇)-村”五级协同体系:省级医院定位于技术引领与战略统筹;市级医院承担区域示范与辐射带动;县(区)级医院作为区域医疗中心,必须强化重症救治能力,以“90%急危重症不出县”为目标;乡(镇)卫生院须具备独立复苏与危重患者稳定能力;村卫生室则应作为前沿哨点,实现急救识别与响应的起点前移。通过这一网络,确保急危重症在县域内获得“黄金20分钟”的关键干预,并借助信息化手段实现质量监测与持续优化,最终构建预防、急救、康复一体化的战略闭环,达成“90%急危症不出县”的总体目标。
2.2 范式革命:打造“平战结合、全域同质”的县域急诊网传统分级诊疗因基层存在“能力鸿沟”,难以满足急危重症的时效要求。县域急诊体系亟待一场以“全域能力协同”为核心的范式革命,推动服务模式由被动的“逐级转诊”转变为主动的“前沿部署”[1]。这意味着需要将核心救治技术、关键设备与标准化流程系统化下沉,并建立统一的能力标准。
为实现这一目标,必须着力构建“平战结合、全域同质”的县域急诊网[9]。关键在于推动县(区)、乡(镇)、村三级医疗体系由线性转诊模式向网状赋能与协同模式转变:村级哨点需配备基础设备并开展技能培训,确保在“白金10分钟”内完成病情识别与初步响应;乡(镇)级枢纽需强化设备配置与高级生命支持能力,确保在“黄金20分钟”内完成关键处置并稳定患者病情;县(区)级中心则需全面完善所有关键技术能力,并借助远程协同机制,承担“黄金20分钟”内的确定性救治任务。通过三级联动、平战结合,确保绝大多数急症在县域内实现高质量闭环管理,系统性提升区域应急效能与体系韧性。
3 强化县域核心地位,夯实急诊体系基石县域是连接城乡医疗的枢纽,其急诊能力直接决定整个体系的成败。当前,县域急诊普遍面临资源分布不均衡、人才梯队断层、流程规范不完善、质控管理薄弱、技术能力受限等多重结构性挑战,是实现“全域同质”目标的主要障碍。
3.1 提升路径:系统化战略与分层赋能为实现“90%急诊危重症在县域内解决”的目标,需实施多维度系统规划:一是构建分级协同网络,明确“村哨点、乡(镇)枢纽、县(区)中心”功能,利用信息化打通院前-院内信息流[10];二是强化县级医院攻坚能力,高标准建设胸痛、卒中、创伤等“五大中心”,并通过常态化演练提升团队应急水平[11];三是建立基于循证指南的标准化诊疗路径;四是实施数据驱动的质控管理,依托县域急诊质控平台对“门-药时间”等关键指标进行持续监测与反馈。
与之协同,必须构建分层赋能的关键培训体系。针对基层人员强化急救基础技能[12];针对县级骨干深化高级生命支持、急诊超声等核心技术;开展全员高危情景模拟演练;对管理者进行质控与流程优化培训。通过“战略-人才”双轮驱动,系统性提升县域救治能力。
3.2 枢纽功能:强化区域协同救治效能县(区)级医院需在区域协同体系中承担“技术攻坚高地”与“能力辐射核心”的双重使命。通过构建制度化的区域急救网络,实现资源的快速调度、信息实时共享与转诊无缝衔接[1]。县(区)级医院不仅自身要提升危重症救治能力,还需通过组织区域性演练、培训与学术交流,推动全域急诊服务水平的同质化发展,从而优化区域医疗资源配置效率,最终实现急危重症患者“就近最佳处置”的战略目标。
4 聚焦关键领域,推动急诊向“健康枢纽”战略转型急诊科正面临能力短板与疾病谱变化的双重挑战,需拓展传统职能,实现战略转型。
4.1 战略转型:从“急救先锋”到“健康枢纽”当前,急诊科面临院前急救与急诊外科能力待强化,以及急诊慢重症(emergency- chronic critical illness, E-CCI)患者占比超70%且缺乏连续性管理的双重挑战[13]。这要求急诊科必须从“急救先锋”转向“健康枢纽”。需构建“急诊危重症+E-CCI”全链条管理模式:提升心脑血管急症、严重创伤救治能力,建立E-CCI标准化评估与风险分层体系,通过信息化衔接专科与社区医疗,形成急性期处置与长期健康管理相结合的新模式,使急诊科成为连接急慢性病诊疗的核心节点。
4.2 能力攻坚:强化院前急救与急诊外科基石必须系统性强化两大核心能力。院前急救方面,通过将救护车升级为“移动重症监护单元”,配置高级监护与远程传输设备,建立“上车即入院”机制,为心梗、卒中赢得决定性的院前时间[14]。急诊外科方面,在急诊科设置专业化损伤控制复苏单元,并组建多学科“一站式”响应团队,以提升严重创伤的一体化救治效率与预后。这两大领域的突破是降低可避免死亡的关键。
4.3 模式创新:构建E-CCI精准管理闭环针对E-CCI,需构建“精准识别-连续照护-数据驱动”的闭环管理模式。通过建立风险评估体系、依托信息化手段延伸社区服务、利用急危重症数据库实现治疗精准调控,推动急诊服务向全周期健康管理转型[10]。这三大领域的系统重构,共同构筑了一个高效、连续、韧性的现代化急诊网络,驱动急诊科完成从救治中心到区域健康枢纽的战略转型。
5 强化学科内涵,以科研教育双轮驱动可持续发展急诊医学要提升学科地位,必须强化学科内涵建设,激发内生创新动力。
5.1 科研新范式:临床与科研深度融合当前急诊科研面临与临床脱节、数据利用不足、学科认同度不高等挑战。需确立三大研究方向:基于生物标志物与AI的危重症精准干预(早期预警与分型)、急诊流程智慧化(包括患者接收、初步评估、急救措施、转诊或入院、后续监护等环节的优化),以及急症长期结局研究。同步构建两大支撑平台:标准化生物样本库与临床数据库,以及区域多中心科研联盟。以此推动形成“临床-科研-临床”的良性闭环生态[1],使急诊科从“医疗中转站”转变为“临床创新引擎”。
5.2 亚专科建设:迈向精准救治的必由之路推进亚专科建设是突破“大急诊”模式瓶颈、实现精准化转型的关键。建议构建以核心技术[如超声、体外膜肺氧合(extracorporeal membrane oxygenation, ECMO)]、重点病种(如心脏骤停、脓毒症)及救治阶段为核心的三维架构,重点推动院前-院内-EICU一体化,实现重症技术前移。此举不仅能提升救治精准度,还能促进AI等新技术的科研与应用[15-16],推动体系从“全面覆盖”升级为“精准救治”。
5.3 创新机制与人才培养机制创新与人才培养是可持续发展的核心驱动力。需建立科学的激励与产学研协同机制,并将专利转化等纳入职称评价体系。着力培养兼具临床与科研能力的“临床科学家”,构建医工结合的跨学科团队。通过强化模拟培训[8]与持续教育[16],提升团队实践与协作能力,依托多学科平台推动交叉创新[1],构建有利于学科发展的良性生态。
6 整合创新技术,迈向“时间窗精准管理”新阶段新技术正系统性重塑急诊救治的时空边界与内涵。
6.1 智能装备革新救治体系无人机救治系统可快速投送自动体外除颤仪(automated external defibrillator, AED)、转运伤员,提升响应效率60%以上,为心脏骤停等急症赢得时间[17]。机器狗、智能复苏仪、智慧急救车以及便携超声等设备,分别从复杂环境救援、高质量心肺复苏、远程协同和床旁诊断等多个维度,共同构建起全流程智能化救治体系,显著提高了救治效率与准确性[8]。
6.2 关键技术前移与平台协同将ECMO、床旁超声等关键技术前移至急诊科,促使急诊科从分诊中转站转变为具备确定性救治能力的平台[18]。依托5G技术的远程急救协同平台,能够实现“上车即入院”的便捷服务,使院内专家提前介入指导,从而构建起全链条的救治网络[15]。智能预警系统借助“居家—可穿戴设备—社区”多级网络,实现慢性病急性发作的早期预警与主动干预,进而推动医疗模式从被动救治向主动预防转变[1]。未来,需整合感知、传输、平台与应用各层技术,完善数据安全、法规标准等保障机制,构建“全域协同、平战结合”的智慧急救新范式[19]。
7 构建数据驱动、全程贯通的急诊质控体系质量是体系的生命线,必须建立现代化、可量化的质控体系。
7.1 建立全链条质控指标体系以实现“院前到随访”的全过程监测为核心,构建涵盖反应时间、关键救治节点、临床结局及随访质量的标准化指标体系。通过设立县域急诊质控中心,统一标准并实现三级机构数据互通,为流程优化提供依据[20]。
7.2 打造智能化质控数据闭环依托信息化实现质控数据的自动采集与智能分析,构建急诊质控信息平台,实现全过程实时监控与智能预警,形成“数据采集-分析-反馈-改进”的管理闭环,提升工作效率并降低差错率[21]。
7.3 推行标准化流程与绩效激励推行基于循证指南的标准化诊疗路径,减少医疗变异[21]。同时,实施绩效导向的质控激励机制,将质控结果与绩效考核深度关联,有效调动医务人员积极性,促进质量持续改进[22]。
8 构建贯通融合的教育生态,培育核心人才人才是体系持续发展的根本保障。
8.1 构建系统性人才培养体系需构建贯穿学历教育与职业发展的系统化培养体系。深化院校合作,优化从本科到博士后的课程与临床实践。在住院医师培养阶段,推行多科轮转与统一考核,并建立专科医师认证制度。同时,着力构建“学科带头人-骨干-后备”人才梯队[18]。
8.2 革新教学方法与完善发展支撑广泛采用案例学习、仿真模拟及多学科协作教学,提升临床判断与实操能力[1]。建立完善的评估反馈机制。通过设立科研岗位、构建医工交叉团队,着力培养复合型人才。还需建立科学的职称晋升与绩效分配机制,搭建在线学习平台与职业发展体系,形成可持续发展的终身学习模式[15-16]。
8.3 推动公众科普,构建社会急救体系整合多媒体平台资源,广泛普及急救知识,联合社区、学校开展常态化培训活动,重点普及心肺复苏与AED使用技能,并建立“第一响应人”认证机制。通过提升公众急救能力,构建从现场到医院的连续性救援链,打通社会生命通道[15]。
9 总结与展望在“十四五”期间,我国急诊医学取得了显著的体系化建设进展,特别是在急诊急救大平台建设方面,实现了从理念到实践的跨越。例如,北部战区总医院通过院前急救中心与院内急诊的信息联网,实现了无缝衔接,提升了严重创伤患者的救治时效性。同时,浙江省推动航空应急救援体系建设,打造了海陆空三栖救援体系,显著提高了救治成功率。信息技术与远程医疗的整合,显著提升了急救效率与服务可及性[23-24]。
展望“十五五”,我们需秉持“一张蓝图干到底”的战略定力,持续深化急诊急救大平台建设,以实现数据实时共享、简化操作流程,并增强智能决策支持,从而提升急救护理的效率和质量。核心是以“AI+急诊急救”为突破口,深度融合5G、物联网等智能技术,构建全域协同的智慧急诊体系,实现从院前到院内的全流程智能化管理。例如,邯郸市第一医院利用AI系统完成了血栓的精准定位和血管的三维建模,术前AI系统自动生成了手术风险评估报告,手术过程中实时传输的4K画面通过5G网络的超低延时通讯,使得全国专家可以“零距离”协同参与讨论。
工作重点在于持续提升县域急诊能力,筑牢院前急救、急诊外科与E-CCI管理三大核心阵地。通过体系化建设与资源优化配置,最终构建一个响应迅速、运行高效、服务优质、平战结合的现代化急诊医学系统,为应对各类公共卫生挑战[25]、保障人民群众生命健康、推进健康中国建设提供坚实可靠的专业支撑,为保障人民群众生命健康筑牢坚实防线。
利益冲突 所有作者声明无利益冲突
| [1] | Iida A, Saito S, Hamada J, et al. Transversal survey of emergency medicine policy and quality metrics in Japan's regional health care plans[J]. JMA J, 2023, 6(3): 284-291. DOI:10.31662/jmaj.2022-0172 |
| [2] | Okada Y, Ning YL, Ong MEH. Explainable artificial intelligence in emergency medicine: an overview[J]. Clin Exp Emerg Med, 2023, 10(4): 354-362. DOI:10.15441/ceem.23.145 |
| [3] | 魏蔚. 2025中关村论坛年会|全球复苏联盟创始人Freddy Lippert: 人工智能在识别心脏骤停和处理方面比人类快10%左右[N/OL]. 北京商报, (2025-03-31)[2025-12-24]. https://baijiahao.baidu.com/s?id=1828114929560282331&wfr=spider&for=pc. |
| [4] | Alhur A. The role of informatics in advancing emergency medicine: a comprehensive review[J]. Cureus, 2024, 16(7): e63979. DOI:10.7759/cureus.63979 |
| [5] | Einerson BD, Healy AJ, Lee A, et al. Society for Maternal-Fetal Medicine Special Statement: Emergency checklist, planning worksheet, and system preparedness bundle for placenta accreta spectrum[J]. Am J Obstet Gynecol, 2024, 230(1): B2-B11. DOI:10.1016/j.ajog.2023.09.001 |
| [6] | Stewart J, Freeman S, Eroglu E, et al. Attitudes towards artificial intelligence in emergency medicine[J]. Emerg Med Australas, 2024, 36(2): 252-265. DOI:10.1111/1742-6723.14345 |
| [7] | Cresswell K, de Keizer N, Magrabi F, et al. Evaluating artificial intelligence in clinical settings-let us not reinvent the wheel[J]. J Med Internet Res, 2024, 26: e46407. DOI:10.2196/46407 |
| [8] | Yee J, Auerbach MA, Wong KU, et al. Dissemination, utilization, and satisfaction with emergency medicine resident simulation curriculum for pediatrics (EM ReSCu peds) by North American residency programs[J]. Pediatr Emerg Care, 2024, 40(5): 364-369. DOI:10.1097/PEC.0000000000003110 |
| [9] | Walker AD, Fusco N, Tsau J, et al. Development of an interactive curriculum and trainee-specific preparedness plan for emergency medicine residents[J]. Int J Emerg Med, 2020, 13(1): 37. DOI:10.1186/s12245-020-00295-9 |
| [10] | LeBlanc C, Murray J, Staple L, et al. Review of emergency preparedness in the office setting: How best to prepare based on your practice and patient demographic characteristics[J]. Can Fam Physician, 2019, 65(4): 253-259. |
| [11] | Beasley MA, Abbott A, Mackie J, et al. What to cover when you're covering: preparing the sideline physician for the season[J]. J Pediatr Soc North Am, 2024, 8: 100069. DOI:10.1016/j.jposna.2024.100069 |
| [12] | Collier A, Marton G, Chun S, et al. CAEP 2018 Academic Symposium: Recommendations for developing and supporting Global Emergency Medicine in Canadian academic emergency departments and divisions[J]. CJEM, 2019, 21(5): 600-606. DOI:10.1017/cem.2019.377 |
| [13] | Primavesi R, Burcheri A, Bigham BL, et al. Education about sexual and gender minorities within Canadian emergency medicine residency programs[J]. CJEM, 2022, 24(2): 135-143. DOI:10.1007/s43678-021-00236-2 |
| [14] | Lightfoot KL, Frost E, Burford JH, et al. Use of human behaviour change models to investigate horse owner intention to adopt emergency colic recommendations[J]. Equine Vet J, 2024, 56(1): 147-158. DOI:10.1111/evj.13955 |
| [15] | Mahase E. Emergency medicine: Government's plan won't avert crisis this winter, leader warns[J]. BMJ, 2023, 382: 2216. DOI:10.1136/bmj.p2216 |
| [16] | Getto LP, Drake J, Kern A, et al. Implementation of a monthly individualized learning plan with emergency medicine residents[J]. AEM Educ Train, 2021, 5(4): e10710. DOI:10.1002/aet2.10710 |
| [17] | Johnson AM, Cunningham CJ, Arnold E, et al. Impact of using drones in emergency medicine: what does the future hold?[J]. Open Access Emerg Med, 2021, 13: 487-498. DOI:10.2147/OAEM.S247020 |
| [18] | Preiksaitis C, Henkel A. The evolving role of emergency medicine in family planning services[J]. Curr Opin Obstet Gynecol, 2023, 35(6): 484-489. DOI:10.1097/GCO.0000000000000908 |
| [19] | Lammers-van der Holst HM, Qadri S, Murphy A, et al. Evaluation of sleep strategies between night shifts in actual shift workers[J]. Sleep Health, 2024, 10(1S): S108-S111. DOI:10.1016/j.sleh.2023.08.025 |
| [20] | Lu JF, Ling K, Zhong WJ, et al. Construction of a 5G-based, three-dimensional, and efficiently connected emergency medical management system[J]. Heliyon, 2023, 9(3): e13826. DOI:10.1016/j.heliyon.2023.e13826 |
| [21] | Hedayati Goudarzi MT, Zare Marzouni H, Tarkhan F, et al. A new remote monitoring system: evaluation of the efficiency and accuracy of the smart emergency medical system-health Internet of Things device[J]. Galen Med J, 2024, 13: e3376. DOI:10.31661/gmj.v13i.3376 |
| [22] | El-Rashidy N, Sedik A, Siam AI, et al. An efficient edge/cloud medical system for rapid detection of level of consciousness in emergency medicine based on explainable machine learning models[J]. Neural Comput Appl, 2023, 35(14): 10695-10716. DOI:10.1007/s00521-023-08258-w |
| [23] | Gaebel J, Schreiber E, Neumuth T. The Emergency Medical Team Operating System - a vision for field hospital data management in following the concepts of predictive, preventive, and personalized medicine[J]. EPMA J, 2024, 15(2): 405-413. DOI:10.1007/s13167-024-00361-9 |
| [24] | Yang Y, Jiang HQ, Zheng CY, et al. Organization and delivery of medical services at the 19th Asian Games in Hangzhou China[J]. Sci Rep, 2025, 15(1): 34446. DOI:10.1038/s41598-025-17565-2 |
| [25] | Garcia-Castrillo L, Petrino R, Leach R, et al. European Society For Emergency Medicine position paper on emergency medical systems' response to COVID-19[J]. Eur J Emerg Med, 2020, 27(3): 174-177. DOI:10.1097/MEJ.0000000000000701 |
2026, Vol. 35



