呼叫救護車和救護車到達之間的時間，對於挽救心臟病發作的患者至關重要，估計延遲一分鐘生存機率降低約 10%，因此當機立斷判斷出心臟驟停對醫療緊急調度員而言，是一個挑戰，他們必須透過電話，理解恐慌的親戚或朋友傳達的症狀，但很多時候電話中的人可能不知道發生了什麼事情，現在 AI 可解析非言語線索，幫助遠距離診斷。
Fast Company 報導，過去醫療救護調度員必須仰賴自己的知識判斷，現在哥本哈根的醫療調度員可以採用 AI 來協助判斷心臟病發。當有人呼叫救護車時，一位名為 Corti 的 AI 助理就會上線，使用語音辨識軟體錄製對話，並使用機器學習來分析背景中指向心臟病發作診斷的單詞和其他線索，接著對調度員發出警報。
哥本哈根的調度員訓練有素，在通話時間內透過對方在電話中的描述而發現心臟驟停的機率有 73%。但 AI 可以做得更好，在一個早期的小規模研究中，機器學習模型發現心臟驟停機率有 95%，另一項分析 17 萬通電話的研究即將發表。
與其他機器學習技術一樣，Corti 不是用來尋找任何特定的信號，而是透過傾聽來自大量呼叫的聲音來自我訓練，以辨識重要因素，然後在工作模式中不斷改進模型。非語言的聲音通常很重要，該技術必須能夠透過背景噪聲，如警笛聲和大喊，來辨識線索。
當新創公司首次測試這項技術時，一名女性打緊急電話號碼報告她的丈夫從房屋的屋頂上掉下來。當調度員聽完之後，意識到那個男人已經折斷他的背部，並且按照指示執行在救護車到達之前的急救工作。但 Corti 判斷並非背部受傷，而是他的心臟已經停止。
由於電話聲中有一個急促的噪音，AI 認出這是病人心臟病發作而喘不過氣來的聲音。原來，這名男子因心臟驟停而從屋頂墜落。由於 AI 平台當時正在進行測試，因此未發送調度程序警報，因此這名男子沒有得到 CPR，到救護車抵達時，已經太晚了。
透過更準確的診斷，調度員可以在電話上指導某人做 CPR。未來一些城市可以使用該技術發出帶有自動除顫器的無人駕駛飛機，比救護車更快到達，或者呼叫恰好在附近做過 CPR 訓練的人。
除了心臟驟停的跡象之外，AI 還試圖消除其他錯誤，比如在調度員詢問地址時記錄下來，查看救護車是否前往正確地址。該技術是 AI 補足而不是替代人類的一個例子。
新創公司創辦人認為，當涉及個人健康時，患者應該更希望與人接觸，而不是機器，透過 AI 支援系統進行增強，將是醫療 AI 應用的終極目標。
（首圖來源：Flickr/ER24 EMS (Pty) Ltd. CC BY 2.0）
