在突发受伤的那刻，没有医生在场。紧急医疗技术人员首先做出响应，他们在救护车运输期间稳定患者，而专门的创伤团队准备在医院接收患者。

也就是说“去医院的旅程是创伤患者最危险的部分，”马里兰大学机械工程助理教授，专门研究医疗机器人和计算机视觉的Axel Krieger说。克里格说，据估计，如果受伤患者能够更快地获得医院的护理，那么幸存率将会提升三分之一。

为了提高救护车乘车期间创伤患者的幸存率，克里格希望为救护车配备一台通过机器学习(ML)增强的医疗机器人。“救护车乘坐过程中最大的危险之一是患者未能确诊的内伤出血。”他说。目前救护车上的方法无法检测到。你的肉眼无法看到并确诊，但机器人可以。

“想象一下，你在紧急车辆中有病人，机器人会扫描病人并获得超声波图像，”马里奇机器人中心成员克里格说。“在救护车行驶期间，这可以提供关键的救生诊断和数据反馈。”

机器人扫描并可视化损伤，然后使用其ML算法对扫描进行比较和分析 - 该算法使用来自类似真实患者图像的数据进行模拟。它侧重于解析出血的解剖学区域 - 例如骨盆区域和肺，脾和肝之间的空间 - 以确定受伤位置深度和严重程度; 计算失血量; 并评估出血潜力。在途中分析这些特征将有助于产生有助于对患者进行伤害评估，以便他们可以尽快得到适当的护理 。

为了开发这种基于ML的智能扫描机器人，Krieger和几位A. James Clark工程学院的研究生与马里兰大学医学中心的R Adams Cowley休克创伤中心的创伤专家合作。