1.基于人工智能的内科急诊病患医疗助手方法，其特征在于：包括以下步骤：S1、通过设置传感器组，实时采集输液生理状态数据，并设置无线通信网络将输液生理状态数据传输到AI调度服务器；

S2、在AI调度服务器中接入护理任务平台，实时提取护理行为数据，并对护理行为数据和输液生理状态数据进行预处理，获取标准护理行为数据集和标准输液生理状态数据集；

S3、构建输液时间预测模型，提取标准输液生理状态数据集输入输液时间预测模型，进行计算输出输液完成时间预测值Tinf，并设置初步评估机制进行触发调度优化机制；

S4、在触发调度优化机制后，基于输液完成时间预测值Tinf和标准护理行为数据集进行计算输出护理调度干扰函数Hs，并设置护理阈值F2进行护理评估，并基于评估结果执行任务分流策略；

S5、在任务分流策略执行完毕后，基于当前所有护士的护理调度干扰函数Hs，进行计算输出全局压力指标Osys，并设置压力阈值Oth进行二次对比评估，判断调度负载均衡情况。

2.根据权利要求1所述的基于人工智能的内科急诊病患医疗助手方法，其特征在于：所述S1包括S11和S12；

S11、在内科急诊输液患者和输液设备上安装传感器组，实时采集内科急诊输液患者的输液生理状态数据；

所述传感器组包括腕带式脉感应器、红外热成像仪、药品物理数据库API和智能输液泵传感器；

所述输液生理状态数据包括微压波动曲线、血流区域热图序列、药理特征数据集、总设定体积Vset和注入体积Vinjected；

所述微压波动曲线通过对内科急诊输液患者佩戴腕带式脉感应器，贴附于患者静脉穿刺区域附近，在输液过程中每隔5秒检测局部组织的微压力波动获取；

所述血流区域热图序列通过红外热成像仪融合近红外反射式血流成像NIRS进行采集获取；

所述药理特征数据集通过药品物理数据库API自动抓取医嘱中药品编码，基于药品编码提取药理特征数据集，所述药理特征数据集包括第i患者用药的分子量M、第i患者用药的溶剂动力粘度u和第i患者用药的药品分子式；

所述设定体积Vset和注入体积Vinjected通过智能输液泵传感器进行采集获取；

S12、通过将所有传感器组自备的网络通讯模组，接入内网LoRa/MQTT网关将实时采集获取的输液生理状态数据，无线传输到所构建的AI调度服务器中。

3.根据权利要求2所述的基于人工智能的内科急诊病患医疗助手方法，其特征在于：所述S2包括S21和S22；

S21、在AI调度服务器中设置医护平台API，将AI调度服务器与护理任务平台进行集成连接，实时提取护理行为数据；

所述护理行为数据包括第i患者与第j护士之间的路径复杂度Ljij、第i患者与第j护士的任务操作耗时Czij和第i患者的异常状态次数Yci；

所述第i患者与第j护士之间的路径复杂度Ljij通过RFID护士佩戴标签和UWB室内定位，结合路径节点图谱算法计算护士与患者之间的最短时间路径获取；

所述第i患者与第j护士的任务操作耗时Czij通过自动记录任务起始时间和完成反馈时间的差值做回归分析获取；

所述第i患者的异常状态次数Yci通过输液泵检测输液阻断、回流和报警情况次数进行获取；

S22、在AI调度服务器中构建AI预处理策略，基于AI预处理策略对所获取的护理行为数据和输液生理状态数据进行预处理，分别获取标准护理行为数据集和标准输液生理状态数据集；

所述AI预处理策略包括滤波处理、图像预处理、图神经网络、机器算法和AI驱动归一化处理；

所述标准输液生理状态数据集包括第i患者的局部静脉通透指数Ai、第i患者的末端静脉回流压缩因子Ysi、第i患者的药液分子扩散迟滞常数Pi和第i患者的当前剩余输液体积Vi；

所述标准护理行为数据集包括归一化处理后的第i患者与第j护士之间的路径复杂度Ljij、第i患者与第j护士的任务操作耗时Czij和第i患者的异常状态次数Yci。

4.根据权利要求3所述的基于人工智能的内科急诊病患医疗助手方法，其特征在于：所述S3包括S31和S32；

S31、通过机器算法进行构建输液时间预测模型，提取标准输液生理状态数据集输入到输液时间预测模型中，进行计算输出每个内科急诊患者的输液完成时间预测值Tinf，预测每个内科急诊患者的输液完成时间；

所述输液完成时间预测值Tinf通过以下输液时间预测模型计算输出；

；

式中，Tinfi第i患者输液完成时间预测值，表示极小值常量，取值1×10-3，e表示指数函数。

5.根据权利要求4所述的基于人工智能的内科急诊病患医疗助手方法，其特征在于：S32、在获取每个患者的输液完成时间预测值Tinf后，则执行初步评估机制，所述初步评估机制通过用户设置输液完成预警时间阈值△Tth，同时提取当前系统时间tnow与每个患者的输液完成时间预测值Tinf进行初步对比评估，并将即将完成输液的内科急诊输液患者汇总构建输液完成合集Ct，在输液完成合集Ct超过医院资源预设的资源上限阈值Nth后，并触发调度优化机制；

所述输液完成合集Ct通过以下方式构建；

；

若输液完成合集Ct＞资源上限阈值Nth时，触发调度优化机制；

若输液完成合集Ct≤资源上限阈值Nth时，则不触发。

6.根据权利要求5所述的基于人工智能的内科急诊病患医疗助手方法，其特征在于：所述S4包括S41和S42；

S41、在初步评估机制触发调度优化机制后，则提取输液完成合集Ct中患者的输液完成时间预测值Tinf和标准护理行为数据集，进行汇总计算输出护理调度干扰函数Hs，分析待完成的任务的压强程度；

所述护理调度干扰函数Hs通过以下算法公式计算输出；

；

式中，Hsj表示第j护士的护理调度干扰函数，表示极小值常量，取值1×10-3。

7.根据权利要求6所述的基于人工智能的内科急诊病患医疗助手方法，其特征在于：S42、每60秒遍历一次所有护士的护理调度干扰函数Hs，并从护理记录中提取每位护士每条操作任务的实际平均响应时间，标记护士任务超负荷的临界时刻，用AI模型随机森林回推当前护士的护理调度干扰函数Hs，并取85%分位数作为护理阈值F2，并将实时获取的所有护士的护理调度干扰函数Hs与护理阈值F2进行护理评估，并基于评估结果触发任务分流策略，具体评估内容如下；

当第j护士的护理调度干扰函数Hsj＞护理阈值F2时，表示护士任务负荷超载，此时触发任务分流策略；

当第j护士的护理调度干扰函数Hsj≤护理阈值F2时，表示护士任务负荷正常，此时优先分配；

所述任务分流策略通过遍历所有护士j找出满足第j护士的护理调度干扰函数Hsj＞护理阈值F2的任务负荷超载护士，寻找输液完成合集Ct合集中的最小化分配函数Min（Lij+Czij），将当前任务优先转接给路径最短和任务操作耗时最快的护士j；

其中最小化分配函数Min（Lij+Czij）表示第i患者与第j护士之间的路径复杂度Ljij和第i患者与第j护士的任务操作耗时Czij均取最小值，即将路径最短和操作最快的护士j与分配给输液完成合集Ct中的第i患者。

8.根据权利要求6所述的基于人工智能的内科急诊病患医疗助手方法，其特征在于：所述S5包括S51和S52；

S51、在任务分流策略执行完毕后，重新计算所有的护士的护理调度干扰函数Hs，并基于所有护士的护理调度干扰函数Hs进行标准差计算，输出全局压力指标Osys，进行全局分析所有护士的任务负载；

所述全局压力指标Osys通过以下算法公式计算输出；

；

式中，n表示参与调度的护士总数，表示所有护士护理调度干扰函数。

9.根据权利要求8所述的基于人工智能的内科急诊病患医疗助手方法，其特征在于：S52、收集过去30天护士调度记录，标记正常分布和异常分布，对这些状态下的全局压力指标Osys进行统计分析，取异常开始频发的临界点设置为压力阈值Oth，在将实时获取的全局压力指标Osys与压力阈值Oth进行二次对比评估，判断整体调度负载均衡情况，具体评估内容如下；

当全局压力指标Osys＜压力阈值Oth时，表示当前调度有效，保持当前调度；

当全局压力指标Osys≥压力阈值Oth时，表示全局调度不均衡，此时基于当前调度，继续执行任务分流策略，直至调度有效，停止执行。

10.基于人工智能的内科急诊病患医疗助手系统，应用于权利要求1-9任一项所述的基于人工智能的内科急诊病患医疗助手方法，其特征在于：包括输液感知模块、AI预处理模块、输液时间预测模块、调度干预模块和综合评估模块；

所述输液感知模块通过设置传感器组，实时采集输液生理状态数据，并设置无线通信网络将输液生理状态数据传输到AI调度服务器；

所述AI预处理模块通过在AI调度服务器中接入护理任务平台，实时提取护理行为数据，并对护理行为数据和输液生理状态数据进行预处理，获取标准护理行为数据集和标准输液生理状态数据集；

所述输液时间预测模块通过构建输液时间预测模型，提取标准输液生理状态数据集输入输液时间预测模型，进行计算输出输液完成时间预测值Tinf，并设置初步评估机制进行触发调度优化机制；

所述调度干预模块通过在触发调度优化机制后，基于输液完成时间预测值Tinf和标准护理行为数据集进行计算输出护理调度干扰函数Hs，并设置护理阈值F2进行护理评估，并基于评估结果执行任务分流策略；

所述综合评估模块通过在任务分流策略执行完毕后，基于当前所有护士的护理调度干扰函数Hs，进行计算输出全局压力指标Osys，并设置压力阈值Oth进行二次对比评估，判断调度负载均衡情况。