当前，我国急诊医疗面临着患者数量持续增长、疾病谱日趋复杂、救治时效性要求高等多重挑战。传统的急诊模式常常由于信息孤岛、流程断层、资源调度滞后等问题，对救治效率和患者预后产生影响^[1]。国家《“健康中国2030”规划纲要》与《“十四五”优质高效医疗卫生服务体系建设实施方案》均明确强调，应当推动急诊急救体系与信息技术的深度融合，构建智慧化、协同化的急救网络^[2-3]。苏州大学附属第一医院是国家创伤区域性医疗中心建设单位，其急诊科年接诊量超30万人次。为应对巨大救治压力，科室于2023年启动了急诊数字中心建设，旨在通过系统化、智能化的信息技术重构急诊救治流程。本文基于临床实践，详细阐述该系统的设计理念、架构实现、功能整合及临床成效，以期为同类机构的信息化建设提供参考。

1 系统设计与核心架构 1.1 整体设计理念

医院信息化的顶层设计与规划，是保障系统运行与医院业务协调同步的关键^[4]。系统以“患者流、数据流、业务流”三流融合为核心，秉持“平台化、模块化、协同化”原则，构建涵盖“院前预警–院内救治–区域联动”的智慧急诊体系^[5-6]。其设计目标包括：（1）实现全流程数据自动采集与实时共享；（2）借助人工智能辅助临床决策；（3）构建多机构、多角色协同机制；（4）支持运营管理与质量的持续改进。

1.2 五层架构体系

架构设计遵循“分层整合、数据驱动、开放拓展”的原则，主要涵盖以下五个核心层次。

1.2.1 基础设施层（物联网支持层）

基础设施层包括智能硬件与物理空间数字化两部分：智能硬件集成生命体征监测、床旁检查与物联网设备（如智能输液泵、监护仪、定位标签及抢救车），并通过5G网络实现救护车与医院平台实时数据同步；物理空间数字化借助可视化技术动态展示床位、设备及人员动线，并配备电子分诊屏、床旁交互终端及院内导航系统，支持信息查询与智能导引。

1.2.2 数据中台层（核心驱动层）

数据中台层集成HIS、LIS、PACS、EMR、物联网及院前急救等多源数据，依托HL7 FHIR、DICOM等标准进行清洗与归一化，构建急诊专病数据库。智能算法引擎通过AI分诊模型（支持ECS、MEWS分级）自动匹配病情优先级，并运用机器学习预测脓毒症休克、心搏骤停等风险，结合流量预警与资源调度算法动态优化资源配置^[7]。

1.2.3 应用平台层（业务实现层）

涵盖以下四大核心模块，均与临床流程深度融合。

（1）智能预检分诊系统：支持患者自助以语音或文字方式录入症状，AI自动生成主诉摘要并给出分级建议，系统根据分级结果自动分配就诊区域与优先级^[8]。

（2）急诊救治协同平台：实现抢救记录电子化、设备数据自动录入、一键召集多学科会诊（MDT），并在大屏实时展示团队响应状态。

（3）严重创伤与脓毒症预警–决策系统：基于院前信息与入科信息，自动触发创伤评分（GCS、ISS）与脓毒症风险评估，将集束化治疗提醒推送到医护端。

（4）数据管理与决策支持系统：通过“急诊驾驶舱”实时展示接诊量、床位占用率、抢救室周转等关键指标，支持科主任动态调配资源。质控模块自动抓取病历缺陷，自动生成等级医院或重点专科评审、国家级或省市级质控平台所需报表。科研数据平台支持专病队列研究、临床路径优化分析^[9]。

1.4 外部协同层（生态联动层）

外部协同层实现与苏州市120指挥中心及协作医院的数据互通，可实时共享救护车位置、患者信息与床位资源；基于5G网络支持院内专家对救护车及基层医院开展远程实时指导，并共享心电图、超声等影像数据；同时与公安、消防等部门建立信息互通与应急联动机制，突发事件时可自动启动应急预案^[10]。

1.5 安全与保障层

安全与保障层通过端到端加密、分级权限与异地灾备确保数据安全与患者隐私；核心服务器与网络链路采用双机热备，故障切换时间＜30 s，保障系统7×24 h持续可靠运行。见图 1。

2 核心功能模块的临床整合路径 2.1 智能预检分诊：从“人工判断”迈向“AI辅助分级”

患者通过自助终端以语音/文字输入症状，AI自动生成主诉摘要并匹配ECS分级（1~5级）；自助或移动终端快速采集生命体征，异常值自动触发预警。系统结合挂号、病情与科室负荷动态分配优先级与就诊顺序，危急患者直入抢救室，提升分诊准确率^[11]。

2.2 急诊救治协同从“单点作业”转变为“全程联动”

基于5G网络实现救护车内生命体征、影像与心电数据的实时回传，支持院内专家远程指导；通过电子抢救记录模板化与时间节点自动填充，推动抢救流程数字化；监护仪、呼吸机等设备数据自动同步至电子病历，减少人工录入误差。设置多学科协作看板，实时显示各团队响应状态，若超时则自动提醒^[12-13]。

2.3 严重创伤预警与决策支持：从“经验评估”过渡到“数据驱动”

系统通过整合院前信息化数据与临床指标，自动触发多维度预警，并动态结合创伤评分系统评估伤情；其决策功能支持多学科协同，可基于历史数据分析优化流程、快速制定个体化方案。通过信息化平台整合与实时数据共享，系统实现了院前院内的无缝衔接，有效缩短关键环节耗时，提升创伤救治效率与成功率。

2.4 急诊脓毒症预警与决策支持：从“滞后反应”转向“主动干预”

基于NEWS评分与脓毒症3.0标准，系统通过机器学习模型动态评估病情风险并实时预警。该模型基于本院历史急诊病历数据训练，采用AUC、敏感度及特异度等指标进行评估。当评分≥5分时，系统自动启动验证流程，并依据SSC指南按1 h bundle推进血培养与抗感染治疗，通过SOFA评分辅助确诊，实施液体复苏与器官保护，对脓毒症休克患者启动ICU联动救治，并为资源分配提供预后预测支持^[14]。

3 系统效能评估与优化

为客观评估急诊数字中心实施效果，本研究对比分析2022年（传统模式）与2024年（信息化模式）急诊病例数据可见（见表 1）：分诊时间缩短，准确率提升，抢救成功率提高，抢救室滞留时间减少；医疗差错率降低，严重创伤病死率下降。区域急救平台实现院前院内无缝协同，急救资源利用率提升，并通过5G远程支持与智能转诊增强区域救治协同效能。系统上线后形成“临床反馈-技术优化”闭环，每半年迭代一次，持续贴合临床实际需求^[15]。

本院将进一步推动人工智能、物联网与数字孪生等技术与急诊业务的深度融合，持续优化智能分诊与预警模型，构建全域物联感知与虚实联动的急救体系，赋能急诊信息化向更智慧、协同、高效的方向演进。

利益冲突   所有作者声明无利益冲突

作者贡献声明   徐峰：直接参与酝酿和设计、分析/解释数据；路鑫、沈军：实施研究、于璐：采集数据、统计学分析、论文撰写；孙雪、杨鹏：行政与课题指导帮助；李小勤：论文修改，对文章的知识性内容作批评性审阅