冬奥会|三年攻关，组成跨学科团队，应急医学救援为冬奥保驾护航( 二 )

千头万绪的梳理过程，当然也走过弯路。李静举了个例子：“应急管理我们是专业的，但医疗领域我们是外行。有些医学指标，三四种仪器都能测，最初我们做分析是按图索骥，以为名字一样测出来的指标都一样。后来被临床专家纠错，才知道原来每台设备的实验数据各有侧重，不能混为一谈。”
白费了力气，难过沮丧在所难免。李静却笑着说：“难是难，还得过嘛。我们允许沮丧，为期一天，第二天重新开始。”
没有窍门，谈不上秘诀，一数一据，千数万据，用最踏实、最保险的办法，构建起一套智能诊疗体系。李静介绍，目前，这套系统包括智能伤病情预测和风险评分、智能伤病情判断以及智能线上群体监测三大功能模块，可以实现危重伤病情的早发现、早诊断、早治疗，可以针对“场馆坍塌”“踩踏”“火灾”等冬奥赛事中18种主要应急医学保障场景，通过计算建模，科学确定关键伤情，提高医护人员对于危重伤病员的综合管理能力。
将心比心，各得其平
说起与冬奥结缘，算是无心插柳，也算是有备而来。
2018年，李静带着团队参加了一场希望用大数据助力精准医疗服务的“数据马拉松”比赛。简单说，这次比赛就是参赛团队捧着笔记本算数。“赛期3天，夜以继日地计算，再将数据结果可视化。周五晚上联合医生组队，周六上午给数据，周日作报告。”李静补充说，“我们组是周日下午3点开始汇报的。”
常年和数据打交道，李静即便是非工作状态时聊天，也养成了严谨的习惯：能用“绝对数”的，不用“约数”；能精准到“时刻”的，不会说“上下午”。
那次比赛，清华大学、北京大学、北京理工大学、北京科技大学和北京交通大学等北京老牌理工院校都被邀请参赛。李静带领的团队摘银，她自谦地说：“成绩好，因为提前‘预习’过。2015年，我们就开始了北京公共交通应急方面的课题研究。和现在不同的是，当时的‘伤员’是公交车。”
给汽车预测“伤情”，李静心有余悸。“当年在英国交流访问，我最怕的就是车坏了。”她回忆，有一次刚下过雪，她开着一辆二手车送女儿去上学。“没留神，车轱辘一歪，撞到了马路牙子上。”好在车和人都没事儿。可是没开多远，车就开始报警。
一声声报警声，让李静心发慌。她匆忙安顿好女儿，直奔4S店。“一些车辆的专有名词，我不会用英文表达，比比划划地描述完了，急得一脑门子汗。”她耸了一下肩，无奈地说。结果工作人员检查了一下，信誓旦旦地保证：“车，没问题！开走吧。”
“噩梦”从此开始。几乎每天上路，这辆车都会报警。李静忍无可忍，拉着先生一起去4S店。一通检查后，得到的结论还是“没毛病”。李静不放心，给车预约了一次“全身体检”。结果，没等到送检那天，车就在路边冒烟儿抛锚了。
“我希望自己的经历，不要再有人碰上。”愿望是美好的，圆梦的过程却充满挑战。
李静去车队调研，要数据，老资历的维修工人不爱搭理她，还有人口气挺冲地责问她：“你们不就是想弄套系统，然后把我顶替了吗！”
其实，公交车上有不少“数据员”：车门旁的刷卡机记录乘客上下车刷卡数据，车厢里安装的摄像头、发动机、车载DVR等都会实时收集数据，不同数据可以读出公交车的不同信息。不过，这些监测数据也给李静来了个“下马威”，数据包因为传输问题，缺失率非常高，仿佛想看这个柔弱姑娘如何搞定大公交。
李静见招拆招。她笑着给维修工人算账：“您想，现在公交车坏了，在路上趴窝了，多着急啊，又得找拖车，又得琢磨尽快修车。以后有了数据分析，哪辆车快坏了，可能‘伤’在哪儿了，直接给您出‘病历’和检查报告。您上去，三下五除二就修好了，下班喝茶，那日子过得多优哉。”拿着不完整的数据包，她和团队没怨言，掰开了揉碎了分析细节，有空就泡车队，完善数据，将一块块数字拼图严丝合缝地对上。