
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于FHIR的临床决策支持框架中的自动化视频AVPU评估
《Scientific Reports》:Automated video-based AVPU assessment within a FHIR-enabled clinical decision support framework
【字体: 大 中 小 】 时间:2026年06月23日 来源:Scientific Reports 3.9
编辑推荐:
摘要在急诊和医院环境中,准确及时地评估意识状态对于分诊、优化治疗以及保障患者安全至关重要。然而,由于工作量大、主观性因素以及流程不完善,目前仍存在使用AVPU量表(清醒、言语反应、疼痛感知、无反应)进行记录的不一致性问题。本研究开发并评估了Consc.ia这一基于视频的临床决策支
在急诊和医院环境中,准确及时地评估意识状态对于分诊、优化治疗以及保障患者安全至关重要。然而,由于工作量大、主观性因素以及流程不完善,目前仍存在使用AVPU量表(清醒、言语反应、疼痛感知、无反应)进行记录的不一致性问题。本研究开发并评估了Consc.ia这一基于视频的临床决策支持平台,该平台能够自动完成AVPU状态的判断,同时确保医生能够进行监督,并通过HL7 FHIR标准实现无缝、可互操作的记录功能。在获得ISCTE – 利斯本大学伦理委员会批准的前提下(审批编号CE-ISTA/2025.08,2025年7月),在受控条件下创建了一个包含136段视频的模拟AVPU数据集,这些视频由58名医疗专业人员(医生、护士、急救人员及应急响应人员)录制。该系统的架构包括用于实时提取面部特征、眼睛状态、手臂动作及言语反应的边缘计算计算机视觉技术、医生参与验证的环节,以及可直接整合到电子健康记录系统中的FHIR格式观察数据资源。研究设计了三种应用场景并进行了比较,分别是紧急医疗服务、急诊科以及重症监护病房。采用罗杰斯的创新采纳曲线和巴斯扩散模型对技术采纳情况进行了分析(p=0.01,q=0.35,研究对象为111家葡萄牙医院)。该架构具备低延迟的判断能力,同时采用了隐私保护设计理念(数据在本地处理,不存储原始视频)。利益相关方的验证表明,该系统与现有工作流程高度契合,但也指出了在急救人员将患者移交至医院过程中存在的记录缺陷。场景分析显示,不同的应用场景对硬件及集成方式有不同的要求(如救护车上的边缘设备与病房内的多摄像头服务器)。巴斯模型预测,该技术将会逐步被采用,在现实情况下,到2037年大约50%的重症监护病房会采用该系统,而“采纳鸿沟”阶段则出现在2030年至2032年间。敏感性分析表明,早期的临床证据以及FHIR集成支持是推动该技术快速普及的关键因素。由于这只是一项概念验证研究,目前还无法给出具体的AVPU分类指标(如准确率、灵敏度、特异性或混淆矩阵等);未来要实现真正的验证并应用于临床,首先需要对基于专家标注的临床录像进行实证模型评估。作为一项尚未经过临床验证的概念验证,Consc.ia为标准化AVPU记录以及完善早期预警系统提供了一种可行且具备互操作性的解决方案。通过结合视频分析、边缘计算、医生验证以及FHIR集成,该平台弥补了急诊护理数字化领域长期存在的不足,也为该技术的实际应用提供了清晰的路线图。