「去找另一队复仇」打造AI急救助手 提升救灾效率

「去找另一队复仇」团队以AI打造急救辅助系统，勇夺中华电信「韧性未来」组优胜。DIGITIMES摄

气候变迁加剧，重大灾害事件频传，台湾的公共安全挑战日益严峻。2025年台中新光三越气爆事件再度敲响警钟，凸显了在专业救护人员抵达前的「黄金救援时间」常被浪费的痛点。在第二届「云涌智生：台湾生成式AI应用黑客松」竞赛中，「去找另一队复仇」团队看见此关键社会痛点，提出结合AI技术的创新解方，从而拿下中华电信「韧性未来」组的优胜。

面对近年来频繁的重大灾害事件，「去找另一队复仇」团队打造一套能在紧急情况下，协助没有医疗背景民众的智能系统，期望透过科技力量提升全民的灾害应变能力。团队深入分析台中新光三越气爆及八仙乐园尘爆等重大事故后发现，灾害现场存在三大关键痛点亟待解决。

首先是一般民众缺乏基本急救知识，导致医护人员到场前的「黄金救援时间」无法有效利用；其次，现场伤患信息无法被实时记录与分类，造成后续医疗资源无法有效分配；第三，实时伤患分布情况难以掌握，严重影响公部门的整体救援决策与资源调度，这些问题在大规模伤亡事件中更显严峻。

针对上述痛点，团队开发了「急救大师 民众版 v2.0」，这套结合生成式AI技术的急救辅助系统，可透过直觉式界面，引导无医疗背景的民众进行伤患初步检伤分类，并提供情境化的基本急救处置指导。

系统会依据使用者输入的伤患现况，将伤患分为红色（立即救治）、黄色（可延后救治）、绿色（轻伤）以及黑色（生存机率极低）四类，并针对不同类别实时提供相应的急救建议，如止血、呼吸道畅通维持、CPR等。此外，系统能自动生成伤患记录与分区信息，供后续抵达的专业医护团队参考，大幅提升救援效率与资源分配准确性。

「急救大师」建构在Amazon Web Services（AWS）云端环境上，采用多项先进技术确保系统运作的可靠性与实时性。团队运用No Code生成式AI驱动应用程序开发平台AWS PartyRock，结合Amazon Nova Pro和Anthropic的Claude 3.5 Sonnet v2等大型语言模型作为核心AI引擎。

为提升回应的专业性与准确度，团队自行整理急救文件，建置小型RAG（检索增强生成）系统。在技术架构上，使用Amazon CloudFront提供CDN与HTTPS安全连线，网域名称系统服务Amazon Route53与云端运算服务Amazon EC2负责网站与后端服务部署，开源搜索引擎OpenSearch则用于检索急救知识库数据，WAF云端防火墙确保系统安全。

系统还导入了AED地图功能，协助民众快速找到最近的自动体外心脏去颤器，大幅提升救援时效性，尤其对心跳停止的患者至关重要。

「去找另一队复仇」团队在中华电信「韧性未来」组中脱颖而出，评审认为此系统不仅能在灾害现场提供实时支持，更可在平时作为急救教育工具，普及民间急救知识。系统深具实用价值，可为台湾建立坚实的民间急救网络。

此外，系统的伤患信息实时汇整功能，也为公部门提供了宝贵的决策参考，有望优化医疗资源分配，提升整体救援效率。