據(jù)統(tǒng)計，每年有多達40萬美國人因醫(yī)療錯誤而死亡，但是，通過使用電子傳感器和人工智能來幫助醫(yī)療專業(yè)人員監(jiān)控和治療易受傷害的患者，以改善結(jié)果并尊重隱私的方式，可以避免許多此類死亡。

“我們有能力在提供醫(yī)療服務的物理空間中構(gòu)建技術(shù)，以幫助減少由于患者人數(shù)眾多和醫(yī)療服務的復雜性而導致的致命錯誤率?！彼固垢４髮W臨床卓越研究中心（CERC）主任Arnold Milstein教授表示。

Milstein與計算機科學教授李飛飛和研究生Albert Haque這篇發(fā)表在是《自然》雜志的論文合著者，該論文回顧了醫(yī)療保健領域的“環(huán)境智能”，通過跨學科的努力，以創(chuàng)建配備AI的智能醫(yī)院病房系統(tǒng)可以做很多事情來改善結(jié)果。例如，傳感器和AI可以在臨床醫(yī)生和病人進入醫(yī)院之前無法對他們的手進行消毒時立即提醒他們。

另外，可以將AI工具內(nèi)置到智能家居中，在智能家居中，技術(shù)可以毫不費力地監(jiān)視虛弱的老人，了解即將發(fā)生的健康危機的行為線索。他們會提示家庭護理人員，偏遠的臨床醫(yī)生和患者本人及時進行挽救生命的干預措施。

斯坦福大學人類中心人工智能研究所（HAI）的聯(lián)合主任李飛飛說，周圍環(huán)境技術(shù)有很多潛在的好處，但是它們也會引發(fā)法律和法規(guī)問題，以及必須在解決方案中識別和解決的隱私問題。以一種公開的方式贏得患者和醫(yī)療服務提供者以及支付醫(yī)療費用的各種機構(gòu)的信任。李飛飛說：“保護醫(yī)學上脆弱人群健康的技術(shù)本質(zhì)上是以人為本的。研究人員必須聽取所有利益相關(guān)者的意見，以便創(chuàng)建一種系統(tǒng)來補充護士、醫(yī)生和其他護理人員以及患者自身的工作?！?/p>

李飛飛和Milstein共同領導了成立8年的斯坦福AI-Assisted Care合作伙伴關(guān)系（PAC），這是越來越多的中心之一，其中包括約翰·霍普金斯大學和多倫多大學的技術(shù)人員和臨床醫(yī)生合作的中心開發(fā)環(huán)境情報技術(shù)，以幫助醫(yī)療保健提供者管理龐大的病人數(shù)量（2018年大約有2400萬美國人需要在醫(yī)院過夜），以至于即使是最小的誤差也會導致很多人喪生。

Milstein說：“我們在床邊護理的復雜性中參與競爭?！?“根據(jù)最近的一項統(tǒng)計，醫(yī)院新生兒重癥監(jiān)護病房的臨床醫(yī)生每天要進行600次床旁手術(shù)。如果沒有技術(shù)援助，那么如此復雜的動作的完美執(zhí)行，就遠遠超出了即使是最盡職盡責的臨床團隊所能期望的合理范圍?！?/p>

解決方法：由AI引導的不可見光？

這篇發(fā)表在《自然》雜志的文章中引用的170篇科學論文，Haque表示該領域主要基于兩種技術(shù)趨勢的融合：價格低廉的紅外傳感器可用于構(gòu)建高風險的護理環(huán)境；以及機器學習系統(tǒng)的興起，以使用傳感器輸入來訓練醫(yī)療保健中的專用AI應用。

紅外技術(shù)有兩種。第一種是主動紅外，例如電視遙控器使用的不可見光束。但是，新的主動紅外系統(tǒng)不像電視遙控器那樣簡單地向一個方向發(fā)射不可見光，而是使用AI來計算不可見光線反彈回源所花費的時間，例如繪制3D的基于光的雷達形式一個人或物體的輪廓。

這種紅外深度傳感器已經(jīng)在醫(yī)院病房外使用，例如，辨別人員在進入之前是否洗過手，如果沒有，則發(fā)出警報。在一項斯坦福大學的實驗中，掛在門附近的一臺平板電腦顯示出穩(wěn)定的綠色屏幕，如果發(fā)生衛(wèi)生故障，該屏幕將變?yōu)榧t色或可能需要測試的其他警報顏色。研究人員曾考慮使用聲音警告，直到醫(yī)學專業(yè)人士另行通知為止。不過，Milstein說：“醫(yī)院已經(jīng)充滿嗡嗡聲和嘟嘟聲?！?“我們對臨床醫(yī)生的以人為本的設計訪談告訴我們，視覺提示可能會更有效且更不煩人?！?/p>

目前，正在對這些警報系統(tǒng)進行測試，以查看它們是否可以減少獲得醫(yī)院感染的ICU患者的數(shù)量，由于醫(yī)院中其他人未能完全遵守感染預防協(xié)議，患者可能感染致命的疾病。

第二種紅外技術(shù)是無源探測器，這種探測器可以使夜視鏡從人體熱量產(chǎn)生的紅外線中產(chǎn)生熱圖像。在醫(yī)院環(huán)境中，ICU病床上方的熱傳感器將使管理AI能夠檢測床單下方的抽動或扭曲，并警告臨床團隊成員即將發(fā)生的健康危機，而無需經(jīng)常在各個房間之間走動。

到目前為止，研究人員已避免使用高清視頻傳感器（例如智能手機中的傳感器），因為捕獲視頻圖像可能不必要地侵犯了臨床醫(yī)生和患者的隱私。Haque說：“由紅外傳感器提供的輪廓圖像可能提供足夠準確的數(shù)據(jù)，以訓練AI算法用于許多臨床上重要的應用?！?/p>

家庭環(huán)境中的環(huán)境情報系統(tǒng)也可以進行持續(xù)監(jiān)控，以檢測出嚴重疾病或潛在事故的線索，并提醒護理人員及時采取干預措施。例如，當年老體弱的老年人開始更加緩慢地運動或停止規(guī)律地進食時，這種行為可能預示著沮喪、更大的跌倒可能性或危險健康危機的迅速發(fā)作。研究人員正在開發(fā)活動識別算法，該算法可以篩選紅外感應數(shù)據(jù)以檢測習慣行為的變化，并幫助護理人員更全面地了解患者的健康狀況。

Milstein說，在家庭，輔助居住環(huán)境和療養(yǎng)院中，隱私尤其受到關(guān)注，但是“我們從醫(yī)院和日常生活空間獲得的初步結(jié)果證實，環(huán)境傳感技術(shù)可以提供我們所需的數(shù)據(jù)，以遏制醫(yī)療錯誤?！?/p>

李飛飛是斯坦福大學計算機科學系的首任紅杉資本教授，也是斯坦福人類中心人工智能研究所（HAI）的聯(lián)合主任。Arnold Milstein是斯坦福大學的醫(yī)學教授，領導該大學的臨床卓越研究中心（CERC）。