布法罗大学雅各布斯医学院及其外科数据增强研究技术实验室的研究团队，近期针对儿科急诊创伤院前分诊难题展开研究，成果于6月12日在线发表于《美国外科学院杂志》。院前急救通讯常受现场嘈杂、表述模糊及时间紧迫影响，易导致危重患儿漏诊或过度干预。鉴于儿童生理代偿机制复杂且急救人员对其创伤识别经验相对不足，团队引入大型语言模型进行技术验证。 研究以133例儿科急诊激活案例为数据基础，测试该模型实时处理急救电话录音的能力。系统能自动过滤冗余信息，将通讯内容压缩约80%，精准提取致伤机制、生命体征及出血指征等关键临床要素，并输出结构化摘要与分诊等级建议。测试显示，模型的分诊准确率已达到临床医护人员的同等水平。更具临床价值的是，当医护人员初步判断出现偏差时，参考模型建议可使决策修正概率提升三倍。 研究团队负责人指出，当前大语言模型并非替代临床判断，而是作为高效的通讯感知分诊辅助工具。在人类医生最终监督与决策的闭环下，该技术有效解决了高压环境下的信息噪声干扰问题，为优化急诊资源配置、缩短黄金抢救时间提供了切实可行的技术路径。