近日，重庆大学附属中心医院（重庆市急救医疗中心）马渝教授、邹凌云教授团队，联合医院特聘专家徐荣彬教授团队及英国伦敦国王学院王岩中教授团队，在国际权威学术期刊《npj Digital Medicine》发表最新研究成果。研究通过融合个体健康信息与气象大数据，借助可解释机器学习技术，实现了对院外心脏骤停的个体动态风险预警。重庆市急救医疗中心为论文第一署名单位。

  院外心脏骤停是严重威胁公众生命安全的突发急症，具有发病突然、进展迅速、救治窗口期短的特点。这类急症救治的关键在于发病后短时间内及时处置，而提前识别风险、做好预警准备，是提升救治成功率的重要前提。传统风险评估多依托个人基础健康状况、既往病史等信息，难以结合气象等外部环境变化，动态锁定高风险时段与高风险人群。

  针对这一痛点，研究团队将个体基础健康情况、既往疾病史等信息，与每日气象变量相结合，依托人工智能技术构建出院外心脏骤停风险动态预测模型。相比仅依靠个体信息的传统评估方式，融合气象因素后的模型预测精准度得到明显提升，可动态反映不同天气条件下的发病风险变化。

  据了解，该模型可应用于人群层面的健康风险提示、公共卫生预警以及院前急救资源优化配置，通过识别高风险人群与高风险时段，为急救力量前置部署、重点区域监测、公共卫生应急准备提供决策支持。同时，由于气象数据采集便捷、标准统一，模型落地应用的额外成本较低，具备较好的推广可行性。

  重庆大学附属中心医院相关负责人表示，本次研究基于重庆院前急救的真实场景开展验证，证实了融合临床信息与气象环境数据开展心脏骤停风险预警的实用价值，为人工智能赋能院前急救体系、提升公共卫生应急处置能力提供了新的实践路径。