迈向可信赖的 AI 赋能紧急医疗调度：具备不确定性感知能力的救护车行程时间估计

arXiv:2610.31944v1 公告类型：新 摘要：紧急医疗调度在做出救护车调度决策时日益依赖 AI 赋能的决策支持系统。在这一过程中，准确的救护车行程时间估计对于及时进行资源分配和院前护理至关重要。然而，现有的救护车行程时间估计方法通常只能生成单点预测。因此，它们无法说明某个具体估计值的可靠程度，也无法反映其包含的不确定性。在安全关键的紧急医疗服务调度运营中，这一局限尤其突出，因为预期行程时间相近的行程可能具有显著不同的不确定性水平。此外，现实世界的救护车行程日志可能包含特定领域的伪影，例如共址的医疗机构和物理上不合理的行驶速度。这些伪影会降低点预测的准确性，并影响后续不确定性估计所依赖的预测任务。为应对这些挑战，我们提出了一种面向不确定性的救护车行程时间估计方法，并使用来自瑞典 Sk{\aa}ne 地区的两年救护车行程数据，通过一项回顾性现实场景研究对其进行评估。所提出的方法不再局限于平均情形下的单点预测，而是在所评估的、对运营具有重要意义的不同情境中，生成具有稳定经验覆盖率的上下文自适应预测区间。由此得到的预测区间能够明确提供有关预测不确定性的信息，从而支持更加透明且注重风险的救护车调度决策。