在大规模伤亡事件及资源受限的场景下，由于救援人员能力有限，往往导致可避免的死亡。对于严重创伤而言，时间至关重要：个体接受救治越早，生存几率就越高。然而，单名救援人员同时仅能处理极少数伤员，导致其余人员处于无人看护的状态。本论文通过开发智能机器人系统来应对这一能力约束，使其作为“医疗力量倍增器（medical force multipliers）”，在伤亡人数超过现有救援力量时实现有效的应急响应。 本研究展示了两种用于非结构化野外环境应急医疗响应的具身人工智能（AI）平台。第一种平台执行多伤员自动评估，利用非接触式多模态传感器识别定性指标（如伤口、截肢、大出血、呼吸窘迫）及定量生命体征（如心率），从而快速评估并优先救治危重伤员。第二种平台针对创伤中可避免死亡的首要原因——大出血，实现自动补液复苏。该流程包含多个阶段：血管定位与分割、旨在实现安全决策的可视化与不确定性量化、基于解剖学信息的穿刺分叉检测，以及实时针头追踪。

针对急救医学机器人领域训练数据匮乏的问题，本研究嵌入了专家临床知识并应用弱监督学习技术，使其在有限的标注样本下仍能保持稳健性能。所有算法均在资源受限的平台上实时执行，且关键组件旨在适应不断变化的环境条件。

本论文对自主医疗系统做出了贡献，并为在传统数据驱动方法可能失效的非结构化环境中开发生命攸关型 AI 解决方案提供了新方法。通过增强人类救援人员的能力，我们展示了机器人系统如何在关键时刻扩展救治能力，从而挽救原本可能逝去的生命。