智慧化重症医学科建设：机遇与挑战

周飞虎; 毛智

doi:10.3877/cma.j.issn.2096-1537.2025.02.008

中华重症医学电子杂志 >

2025 , Vol. 11 >Issue 02: 143 - 147

DOI: https://doi.org/10.3877/cma.j.issn.2096-1537.2025.02.008

学科建设

智慧化重症医学科建设：机遇与挑战

周飞虎 ^,¹^,^† ,
毛智 ¹

展开

^1.100853 北京，解放军总医院第一医学中心重症医学科

周飞虎，Email：zhoufh301@126.com

Zhou Feihu，Email：zhoufh301@126.com

Copy editor: 卫轲

收稿日期: 2025-03-11

网络出版日期: 2025-07-18

版权

版权归中华医学会所有。

未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。

除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。

收起

Construction of intelligent intensive care unit：opportunities and challenges

Feihu Zhou ^,¹^,^† ,
Zhi Mao ¹

Expand

^1.Department of Critical Care Medicine，the First Medical Centre，Chinese People's Liberation Army General Hospital，Beijing 100853，China

Received date: 2025-03-11

Online published: 2025-07-18

Copyright

No content published by the journals of Chinese Medical Association may be reproduced or abridged without authorization. Please do not use or copy the layout and design of the journals without permission.

All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.

Fold

摘要

大数据及人工智能（AI）等技术的飞速发展推动了智慧化ICU 的建设机遇。智慧化重症医学科（ICU）集合了AI、物联网（IoT）、大数据和机器人等诸多技术，是各种先进科技在ICU 的集中整合体现。智慧化ICU 建设在病情早期发现、预测、辅助决策、资源调配和远程等方面都能带来效果及效率的提升，但也面临着数据隐私、伦理和偏倚等方面的挑战。未来的智慧化ICU，可能是一种医师主导决策的“多模态数据-AI 算法-智能化设备”整体模式。本文从技术背景、应用现状、前景和挑战等方面探讨智慧化ICU 建设的机遇与挑战。

关键词： 重症医学科; 人工智能; 机器人; 物联网; 大数据

本文引用格式

周飞虎 , 毛智 . 智慧化重症医学科建设：机遇与挑战[J]. 中华重症医学电子杂志, 2025 , 11(02) : 143 -147 . DOI: 10.3877/cma.j.issn.2096-1537.2025.02.008

Abstract

The rapid development of big data and artificial intelligence （AI） technologies has created the construction opportunities of intelligent ICU.The intelligent ICU integrates many technologies such as AI，internet of things，big data，robot and so on，which is the centralized integration of various advanced technologies in the ICU.The construction of intelligent ICU can improve the efficiency of early detection，prediction，auxiliary decision-making，resource allocation and remote，but it also faces challenges of data privacy，ethics and bias.The intelligent ICU in the future may be a doctor led decision-making “multimodal data AI algorithm intelligent device” framework.This article discusses the opportunities and challenges of intelligent ICU construction from the aspects of technical background，current applications，future prospects and challenges.

Key words： Intensive care unit; Artificial intelligence; Robot; Internet of things; Big data

重症医学科（intensive care unit，ICU）主要收治病情严重、生命体征不稳定或处于重症状态的患者。ICU 有大量实时医疗数据需要快速分析和处理以做出及时决策。近年来，人工智能（artificial intelligence，AI）、物联网（internet of things，IoT）、大数据等技术在医疗领域的应用不断进步。据统计，在重症医学领域，2013 年至2022 年发表的AI 相关文章明显增多^［1］。而基于AI、大数据分析、IoT 等先进技术构建的智慧化ICU，能够帮助ICU医师更快地识别异常情况，优化治疗方案，并实时监测患者状态，提升重症患者诊疗的智能化、精准化和效率^［2］。本文从技术背景、应用现状、前景和挑战等方面探讨智慧化ICU 建设的机遇与挑战。

一、智慧化ICU 建设的技术背景

（一）医疗数字化转型的大趋势

ICU 作为抢救生命危重患者的数据密集场所，数字化转型尤为重要。近年来，数字化医疗飞速发展，纸质病历、护理记录都进行了有效电子化，各种医疗设备监护仪、呼吸机等设备开放了IoT 接口，数据得以实时上传共享。目前，基本结构化数据、医院信息系统数据、ICU 各种仪器数据都已经数字化整合。未来应该有更多的多模态数据得以整理和利用，进一步推进智慧化ICU 转型。数字化转型是智慧化ICU 的基石，也贯穿ICU 患者全流程的治疗^［3］。数字化ICU 为有效的风险预警和临床决策系统打好基础^［4］。

（二）基于IoT 与大数据的发展为智慧化ICU带来的机遇

IoT 与大数据是智慧化ICU 的重要推手。ICU是医疗场所中设备最为密集、数据维度和频次最大之处。IoT 有效地链接了ICU 中各种监测和抢救设备，大数据技术收集分析多维度数据建立危重症专病数据库。可穿戴和高级健康传感器与IoT 网络系统相结合的功能，能够安全地连接和分析各种形式的患者数据，以供预测和远程分析^［5］。IoT 设备Wemos D1 mini 可在新生儿ICU 远程实时监测新生儿生命体征^［6］。IoT 和大数据技术的发展，彻底改变ICU 中患者的监控模式，为AI 算法提供了有效的数据支持。

（三）AI 快速发展对智慧化ICU 的推动

ICU 领域涌现大量的AI 预测模型^［7］，尽管AI模型有望提高患者预后并支持临床决策，但AI 模型在床边的临床使用仍然有限，主要原因是模型缺乏外部验证、模型研究存在偏倚等^［8］。2025 年初，DeepSeek R1 推理大语言模型问世，快速推动了我国医疗行业AI 进程，诸多医院开始配属本地模型^［9］。配属本地DeepSeek R1 模型和重症知识库的大语言模型，甚至AI 智能体会进一步促进ICU 的发展。

二、智慧化ICU 建设的应用现状

（一）基于IoT 技术的设备互联与数据共享应用逐步深化

在很多ICU 中，已开始引入智能医疗设备，许多监护仪、呼吸机和微量泵工作站等设备，都能够实时采集和传输患者的生理数据，为医师提供更全面的临床信息^［10］。但不同医疗机构之间的数据共享机制尚未完善。智慧化ICU 建设需要实现设备间的无缝连接和数据共享，但目前在跨机构协同方面进展有限。此外，还有一些医院开始尝试与远程医疗平台合作，利用远程医疗的数据及多学科会诊来支持本地ICU的决策，但这仍然处于试点阶段。TELESCOPE 研究纳入巴西30 个ICU 进行随机对照试验，远程医疗进行的每日多学科查房并未降低危重症患者的病死率^［11］。

（二）重症医学专科数据库建设

重症医学专科数据库是智慧化ICU 发展的基石，数据质量、维度、频次和同步时间直接影响智慧化ICU 后续诊断、评估和决策的效果^［12］。通过对患者的生理指标（如心率、血压）、实验室检查结果、药物使用记录等多维度、多源数据的整合，构建完整的医疗数据库。重症医学研究者们常分析的MIMIC-Ⅳ数据库、eICU 数据库等公开库给广大研究者提供了很多研究和演练数据。然而ICU的数据并不仅限于结构化的信息，也包含监护仪收集的各种波形、影像（X 线片、CT、超声），甚至患者动作等各种模态数据，多模态数据可以有效提高评估质量^［12］。多模态ICU 专科数据库的建设是大势所趋。

（三）重症智能诊断与预测模型

目前在ICU 利用机器学习算法对大量临床数据进行分析，建立基于患者特征的预测模型^［14］。机器学习作为AI 的一个子集，包括深度学习（DL）、监督学习（SL）、无监督学习（UL）、强化学习（RL）、人工神经网络（ANNs）等，已经在脓毒症、急性肾损伤早期预警与研究方面广泛应用^［15］。例如，可以通过这些模型预测患者的生命体征变化趋势，并提前采取干预措施。AI 技术在医疗领域的广泛应用，尤其是DL 和自然语言处理技术，可以通过分析患者的多模态数据（如生理信号、实验室结果、影像学检查等），AI 系统可以识别潜在的并发症风险，实现预测性诊断，并在患者病情恶化前发出预警。这种提前干预能够显著降低并发症的发生率，实现重症治疗的前移。

（四）动态反馈与决策支持系统的应用

目前ICU 中，部分智能设备能够提供实时反馈，帮助医师快速做出临床判断。在重症监护中，实时监测患者的生理指标变化，并根据预设阈值提示警报。但大多数情况下，这些反馈仍依赖于经验丰富的医师，缺乏智能化的决策支持系统。而基于大数据和AI 的应用，除了实时的分析预警外，AI 可以根据患者的基因信息、病史、生活习惯等因素，制定更加精准的治疗方案，实现个性化诊疗。现在已有一些ICU 临床决策支持系统，如用于心脏术后的HEART 决策系统^［16］等。当然，基于AI 的临床决策支持系统目前还存在着很多“技术” “数据” “用户” “研究” “伦理” “法律”等具体问题和障碍，需要进一步优化^［17］。解放军总医院第一医学中心智慧化ICU 系统已经进行了临床运行，在使用过程中发现，重点之一是“人机交互”优化以促进服务“医师决策主导”的AI 医疗模式（图1）。

显示原图|下载原图ZIP|生成PPT

图1 医师决策主导的智慧化ICU“多模态数据-人工智能算法-智能化设备”模式

（五）ICU 虚拟孪生患者监测

ICU 虚拟孪生患者是计算机化的患者副本，一方面允许在计算机中进行临床干预测试，以最大限度地减少可预防的患者伤害^［18］；另一方面，虚拟孪生患者提供更加生动整体的人机交互体验，还可以用于重症教学等。了解脓毒症患者的临床轨迹对于预测、资源规划和为危重疾病的数字孪生模型提供重要信息，动态预测模型的开发有利于ICU 虚拟孪生患者的建立^［19］。

（六）智能巡诊机器人系统

目前ICU 中机器人应用方面：机器人在ICU的最大应用是远程呈现领域，机器人在提供更短的响应时间、更早的干预和更低的病死率方面被证明是有利的；远程呈现的挑战包括监管和财务障碍；在中风康复方面，机器人安全地取得了卓越的临床效果。机器人在患者评估和评估中的使用主要是通过超声评估，获得令人满意的结果。药品分配和交付机器人提高了效率并节省了成本。然而目前ICU 机器人都有些技术限制和隐性成本^［20］。目前的智能巡诊机器人系统，可以结合多模态数据采集、IoT、AI、临床辅助决策系统等技术和网络等，解放军总医院第一医学中心ICU 的智能巡诊机器人“小白”初步实现了移动巡诊、异常动作监测、多模态数据采集、快速响应、智能预警、AI 对话等功能。

三、智慧化ICU 建设的挑战

尽管技术飞速发展，智慧化ICU 建设仍然面临诸多挑战。第一，数据隐私问题，需要下一步界定隐私知情权以及信息网络边界；第二，利用患者数据的知情同意伦理问题，应建立AI 相关医疗伦理规范；第三，智慧化临床支持的患者安全性问题；第四，AI 算法的某些偏倚（比如国外报道的种族、性别偏倚）；第五，AI 模型部署的外部验证问题；第六，人机交互决策的主导性问题；第七，多模态数据规范化问题等^［21］。

四、智慧化ICU 的未来趋势与展望

未来智慧化ICU，可能是一种医师主导决策的智慧化ICU“多模态数据-AI 算法-智能化设备”模式（图1），此外还有如下方向发展。

（一）提升数据“纵向”、“横向”和“精度”

纵向，指增加数据频次和随访，甚至出ICU后数据内容。横向，指扩展数据维度，增加多模态数据，应包括波形、影像、动作等。精度，一方面指提高变量标注准确性，另一方面指纳入基因、代谢、蛋白等组学数据。随着技术的进步，未来的智慧化ICU 将能够实现对基因信息、生理指标、病史记录等多模态数据的全面整合，从而实现更精准的诊疗。同时，增加数据多样性，以及RL 和数据微调，校正模型的数据偏倚。

（二）AI 与临床决策的深度融合

AI 技术将进一步融入临床决策过程，帮助医师在复杂病例中做出更合理的治疗选择。虽然目前，众多预测模型报道，但是距离临床真正实际常规应用，仍有一段路要走。尽管DeepSeek 火爆，很多医院也进行了配属，但是实际与ICU 有效、精准结合仍然需要探索，存在以下瓶颈需要突破：（1）大语言模型幻觉的处理；（2）人机融合的沟通效率问题；（3）循证证据与模型的结合；（4）决策及辅助作用的界定和评估。

（三）AI 巡诊机器人助力智慧化ICU 建设

智能巡诊机器人是“具身AI”在ICU 的集中体现，是ICU 中医师、护士的好帮手。一项问卷研究，调查50 个ICU，结果表明ICU 医疗和护理人员喜欢ICU 机器人具备“睡眠和疼痛评估”、“镇静、激越和谵妄监测”以及“机器人辅助康复和物理治疗”等领域的功能^［22］。智能巡诊机器人，可以做到全天候病情监测、即时快速响应、患者异常危险动作识别、远程会诊载体以及搭载智慧化信息决策系统等。

（四）推进临床验证和转化

AI 模型需要充分的外部验证和评价，需要联合多个中心，或者数据库，甚至跨国进行外部验证，最好参考医疗器械全生命周期评价方法和流程进行评价和转化。

五、总结

在工业4.0 和健康4.0 时代，智慧化ICU 发展是科技浪潮和人民健康需求下的大势所趋。基于危重疾病诊疗需求，结合医疗诊疗特点，以临床医护为主导的，整合诸多现代技术（AI、大数据、IoT等）的智慧化ICU 是未来的必然发展方向。智慧化ICU 发展不仅仅在东部大医院进行发展，也应推广到广大西部医院及非公立医院，并强调“规范与质量建设”^［23］。然而，在智慧化ICU 发展过程中，还要不断克服数据隐私、伦理、安全、可推广性等方面问题。ICU 工作者应积极拥抱技术发展，做未来智慧化ICU 的掌控人。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	Cheng TY，Yu-Chieh Ho S，Chien TW，et al.Global research trends in artificial intelligence for critical care with a focus on chord network charts：Bibliometric analysis ［J］.Medicine （Baltimore），2023，102（38）：e35082.

2	Mao Z，Liu C，Li Q，et al.Intelligent Intensive Care Unit：Current and Future Trends ［J］.Intensive Care Res，2023，16：1-7.

3	Leggett N，Abdelhamid YA，Deane AM，et al.Digital health interventions to improve recovery for intensive care unit survivors：A systematic review［J］.Aust Crit Care，2025，38（2）：101134.

4	Lazzarino R，Borek AJ，Honeyford K，et al.Views and uses of sepsis digital alerts in National Health Service Trusts in England：qualitative study with health care professionals ［J］.JMIR Hum Factors，2024，15；11：e56949.

5	Bai Y，Gu B，Tang C.Enhancing real-time patient monitoring in intensive care units with deep learning and the internet of things ［J］.Big Data，2025，17.

6	Nemomssa HD，Alemneh TB.Device for remote and realtime monitoring of neonatal vital signs in neonatal intensive care unit using internet of things：proof-of-concept study ［J］.J Clin Monit Comput，2023，37（2）：585-592.

7	Smit JM，Krijthe JH，van Bommel J，et al.The future of artificial intelligence in intensive care：moving from predictive to actionable AI［J］.Intensive Care Med，2023，49（9）：1114-1116.

8	Schouten JS，Kalden MACM，van Twist E，et al.From bytes to bedside：a systematic review on the use and readiness of artificial intelligence in the neonatal and pediatric intensive care unit ［J］.Intensive Care Med，2024，50（11）：1767-1777.

9	Conroy G，Mallapaty S.How China created AI model DeepSeek and shocked the world ［J］.Nature，2025，638（8050）：300-301.

10	Bhatia M，Sood SK.Temporal informative analysis in smart-ICU monitoring：M-healthcare perspective ［J］.J Med Syst，2016，40（8）：190.

11	Pereira AJ，Noritomi DT，Dos Santos MC，et al.Effect of Tele-ICU on clinical outcomes of critically ill patients：the TELESCOPE randomized clinical trial ［J］.JAMA，2024，3；332（21）：1798-1807.

12	齐霜，毛智，胡新，等.基于专科信息系统建立的重症医学数据库：大型三甲医院重症医学数据库的模式［J］.中华危重病急救医学，2020，32（6）：743-749.

13	Rohaut B，Calligaris C，Hermann B，et al.Multimodal assessment improves neuroprognosis performance in clinically unresponsive critical-care patients with brain injury ［J］.Nat Med，2024 Aug；30（8）：2349-2355.

14	Gutierrez G.Artificial intelligence in the intensive care unit ［J］.Crit Care，2020，24； 24（1）：101.

15	Lv X，Liu D，Chen X，et al.Machine learning for the prediction of mortality in patients with sepsis-associated acute kidney injury：a systematic review and meta-analysis ［J］.BMC Infect Dis，2024，21；24（1）：1454.

16	Mazhude F，Kramer RS，Hicks A，et al.Predictive analytics in cardiothoracic care：enhancing outcomes with the healthcare enabled by artificial intelligence in real time （HEART） project ［J］.J Maine Med Cent，2024，6（2）：11.

17	Giebel GD，Raszke P，Nowak H，et al.Problems and barriers related to the use of AI-based clinical decision support systems：interview study［J］.J Med Internet Res，2025，3； 27：e63377.

18	Rovati L，Gary PJ，Cubro E，et al.Development and usability testing of a patient digital twin for critical care education：a mixed methods study ［J］.Front Med （Lausanne），2024，11； 10：1336897.

19	Hou GY，Lal A，Schulte PJ，et al.Informing ICU digital twins：dynamic assessment of cardiorespiratory failure trajectories in patients with sepsis ［J］.Shock，2025，23.

20	Teng R，Ding Y，See KC.Use of robots in critical care：systematic review ［J］.J Med Internet Res，2022，16； 24（5）：e33380.

21	Rengers TA，Thiels CA，Salehinejad H.Academic surgery in the era of large language models：a review ［J］.JAMA Surg，2024，1； 159（4）：445-450.

22	Cui Z，Yan Y，Wang H，et al.Prioritisation of functional needs for ICU intelligent robots in China：a consensus study based on the national survey and nominal group technique ［J］.BMJ Open，2025，26； 15（2）：e087588.

23	周东旭，马朋林.非公立医院ICU 建设——贵黔国际总医院经验分享［J/OL］.中华重症医学电子杂志，2023，9（4）：412-416.

Options

文章导航

模态框（Modal）标题

摘要