“智救护卫”轮腿式医疗救援机器人亮相：深度学习预警系统实现院前急救主动干预
在应急救援装备智能化持续深化的背景下，一款专为医疗救援场景设计的轮腿式机器人近期受到业界广泛关注。由内蒙古医科大学“智救护卫”团队自主研发的医疗救援巡逻机器人，凭借其独特的轮腿复合结构、多模态环境感知系统以及深度学习驱动的预警机制，为院前急救在复杂环境下的实施提供了全新路径。
轮腿复合结构兼顾效率与越障能力
该机器人采用了并联平面五连杆轮足构型，融合了轮式移动的高效率与腿式结构的越障灵活性。在平坦地面上，机器人可快速推进；而在楼梯、废墟或狭窄巷道等复杂地形中，则能自动切换为腿式模式，稳定通行。
团队开发的轮腿协同平衡控制算法，结合LQR最优控制与运动学解算技术，使机器人具备80厘米的越障能力，在同类型设备中表现突出。硬件方面，机器人以NUC为核心控制单元，集成工业相机、红外热成像模块以及多种环境传感器，支持在弱网条件下进行实时图像传输与远程操控。
在材料选型上，机器人支架与底盘采用高强度轻质合金，确保结构坚固与运动灵活性之间的平衡。
全球首个面向院前急救的深度学习预警系统
不同于传统医疗救援机器人仅具备生命体征监测功能，“智救护卫”团队基于全球权威的MIMIC-IV重症监护数据库，开发出一款用于院前急救场景的深度学习预警模型。该模型通过分析伤员的心率、血压、呼吸频率及血氧饱和度等时序数据，可在休克、心律失常等危急情况发生前5至15分钟发出预警。
测试数据显示，该模型的准确率达到87.3%，召回率为82.1%。经过知识蒸馏和TensorRT优化后，模型体积控制在20MB以内，可在NVIDIA Jetson边缘计算平台实现实时推理，单次推理响应时间少于50毫秒，适应无网络条件下的现场部署。
此外，团队自主研发的红外热成像技术进一步融合多模态数据，使模型对休克早期征兆的识别灵敏度提升了约8%，隐匿性出血的检出率也提高了15%以上。
适用于多元场景的医疗救援解决方案
“智救护卫”医疗救援机器人针对消防、矿山救援、医院与养老机构巡检、以及应急演练教学等多种场景设计，可集成AED设备、急救包、氧气瓶等医疗模块，提供伤员搜索、生命体征监测、远程医疗指导和急救物资投送等综合服务。
系统配备标准化医疗接口及全生命周期闭环管理系统，通过低延迟音视频传输网关，实现后方医生的远程指导，极大降低了现场操作的复杂度。
在成本控制方面，该机器人售价定位于5万至8万元之间，比同类产品价格低50%。知识产权方面，项目累计申请了5项专利及3项软件著作权，并已通过实际应用场景的测试与验收。
“智救护卫”团队负责人、护理学专业学生李泽钦透露，团队未来将持续优化核心算法，拓展更多危急状况的预测模型，并推进医疗器械注册与大规模生产，助力我国应急救援装备的智能化升级。
在王君等指导教师的引领下，这支由多学科背景学生组成的团队，正通过持续的技术攻关，推动医疗救援机器人从“被动响应”迈向“主动预警”的新阶段。