补偿储备测量监测能力的实地测试:2024年陆军战斗机远征实验的结果
Victor A Convertino1,2,3, Andres M Mendoza1, Saul J Vega1
1US Army Institute of Surgical Research, JBSA Fort Sam Houston, San Antonio, TX 78234, United States.
Military medicine
|September 23, 2025
概括
补偿储备测量 (CRM) 算法准确地识别模拟大规模伤亡事件中的冲击,改善战场分类. 这种机器学习工具提高了战斗人员在重症监护场景中的战斗能力.
科学领域:
- 机器学习在紧急医疗中的应用.
- 动脉波形分析用于血液动力学监测.
- 在军事环境中创伤和重症监护.
背景情况:
- 补偿储备测量 (CRM) 是用于实时动脉波形分析的机器学习算法.
- CRM量化了个体对减少血液体积 (100%至0%) 的补偿能力.
- 评估CRM对战场城市环境中的分类和有效性的实用性.
研究的目的:
- 评估战斗人员使用CRM进行大规模伤亡事件 (MASCAL) 分类.
- 在模拟的战场城市环境中评估CRM的有效性.
- 确定CRM是否有助于早期检测冲击.
主要方法:
- 90名士兵接受了CRM培训.
- 参与者在一个大规模的场景中对模拟的伤亡使用了CRM.
- 在模拟的敌对环境中对CRM使用的定性评估.
主要成果:
- 93%的准确性在识别冲击,即使在正常的生命体征.
- 在CRM上达成90%的协议,增加士兵的生存能力.
- 战斗医疗人员成功地使用CRM进行了伤亡分拣.
结论:
- 而CRM能够比标准的生命体征更早地检测出血.
- 在MASCAL.CRM中,CRM提供了分辨能力,用于在MASCAL.TRIAGE中对分拣进行优先排序.
- 现场使用CRM可以改善战斗伤员护理和分拣.
