|
来源：nature 编辑：雅新、QJP 【新智元导读】今日，斯坦福大学教授李飞飞团队在Nature上成功发表了一篇关于利用AI传感器和AI算法帮助改善患者和临床医生医疗服务的文章。今日，斯坦福大学教授李飞飞与同事，以及学生合作的一篇论文在Nature上发表。这是一篇关于利用人工智能传感器和AI算法帮助改善患者和临床医生医疗服务的文章。机器学习和非接触式传感器取得的进步带来了环境智能，这是能够对一个人有感应和反馈的物理空间。李飞飞教授在其发表的文章「Illuminating the dark spaces of healthcare with ambient intelligence」中回顾了这项技术如何改善我们对隐性黑暗的，未观察到的医疗空间的理解。在医院空间中，早期应用可以使得临床工作流程更加有效，并提升重症监护室和手术室中的患者安全性。在日常生活空间中，环境智能可以通过了解日常行为让老人变得独立，并改善对患有慢性疾病患者的管理。与其他技术一样，若想在将这些技术大范围在临床过程中实现应用，必须经得起临床验证、数据隐私和模型透明性等严峻挑战。在2018年，大约有7.4％的美国人口需要在医院过夜。同年，英国国家卫生局（NHS）也报告了1700万例入院治疗的病例。医护人员不足且资源十分有限已经成为全球问题。李飞飞团队认为「ambient intelligence」环境智能可以在提高医疗服务质量、临床医生的效率和业务运营方面发挥重要作用，这些改进在像新冠肺炎这种大流行病等公共医疗危机期间可能会提供巨大的帮助。在美国，仅重症监护病房每年就要花费1,080亿美元，占医院总费用的13％。  ICU中使用环境智能的一个的例子是计算机辅助的患者运动监测。在重症患者中，常见的神经肌肉损伤可能导致一年的死亡率增加两倍，住院费用增加30％，而尽早动员患者接受环境智能的监测可使得相对发生率降低40％。非接触式环境传感器可以提供连续和细微的感知，以准确测量ICU中患者的各种移动。在一项开创性的研究中，研究人员在一个ICU病房中安装了环境传感器，并从八名患者中收集了362小时的数据。与三位医师的回测相比，使用机器学习算法将活动进行分类，有接近90%的准确性。在另一家医院进行的一项更大的研究中，另一个研究小组在八个ICU室中安装了深度传感器。他们在379个视频上训练了卷积神经网络，将移动性活动分为四类。当在184个视频的数据集上进行验证时，该算法显示出87％的灵敏度和89％的特殊性。全世界每年会进行超过2.3亿次手术，其中多达14％的患者会遇到一些医疗事故。李飞飞团队认为可以通过更快速及时的手术反馈来减少该百分比，这可以将错误数量减少50％。可穿戴式传感器可以连接到手或仪器上，用来评估外科医生的技能水平，但可能会抑制手的活动或导致灭菌的复杂性。一项研究使用了十个胆囊切除手术的视频来重建手术过程中器械的轨迹，并将其与专家外科医生的技术评级联系起来。在手术室中，研究人员使用吊装式摄像头来跟踪手术组成员的身体，其误差可低至5厘米。整个房间收集的环境数据也可以用来创建手术活动的细粒度日志。临床医生最多会将35％的时间花费在整理医疗文档任务上，从而减少了在患者身上花费的时间。现在的医生会在每次患者就诊期间或之后进行记录， 一些医生也会借助其他医务人员的帮助来减轻这种负担，从而使每小时就诊的病人增加17%。在一项研究中，研究人员根据患者与医生之间的90,000次对话，在14,000小时的门诊音频上训练了一种深度学习模型。该模型显示出80％的单词级别的转录准确度，表明它可能比那些文档整理人员76％的准确度更好。在效率方面，使用连接到眼镜上的麦克风会将花在文档上的时间从2小时减少到15分钟，并将花在患者身上的时间增加了一倍。近年来，世界人口老龄化程度越来越严重。到2050年，世界65岁以上的人口将从7亿增加到15亿。社会经济的快速发展，年轻人不得不在外打拼，而老年人在家里无法得到周全的照顾。多数老人的大部分时间会在家里度过，因此，能够独立生活，对慢性病进行管理，身体康复治疗以及心理健康在日常生活空间中就显得格外重要。研究显示，日常生活活动 (ADLs)，如吃饭、洗浴、穿衣，对老年群体生活至关重要。日常生活活动的障碍与摔倒风险增加1倍，以及每年死亡率增加4倍有关。而尽早发现障碍并提供及时提供临床护理的机会，可以将执行ADLs的能力提高了2倍。在同类研究中的其中一项研究显示，研究人员在一位老人的卧室内安装了一个深度和温度传感器，在1个月内观察到1,690项活动，包括231例护理员协助。得到的实验结果是，卷积神经网络在检测需要帮助时的准确性为86％。在另一项研究中，研究人员从一个养老院中的6个人那里收集了十天的视频，并获得了相似的结果。尽管视觉传感器应用前景广阔，但它们会在某些环境中进行隐私保护，比如浴室中进行洗澡和上厕所等活动。这使得研究人员探索了声学雷达传感器。一项研究使用麦克风来检测淋浴和卫生间的活动，其准确度分别为93％和91％。但是，这些研究的局限性在于它们仅是在少数环境中进行的评估。而日常生活空间变化很大，因此带来了普遍性挑战。此外，隐私至关重要。如果该技术用于照亮日常生活空间，则必须开发和验证安全，隐私安全的系统。通过将深度传感器和可穿戴设备结合使用，研究人员发现摔倒检测精度从90％提高到98％。这表明非接触式传感器和可穿戴传感器之间具有潜在的协同作用。除此之外，通深度传感器进行步态分析有助于提升对慢性疾病的管理，通过语音识别算法分析老年人的心里状态来及时改善老年人的心理健康，助力老年群体能够在日常生活空间进行独立生活。文中，李飞飞教授指出了在AI在复杂场景中识别人类行为和在临床中学习大数据和罕见事件的7个相关技术挑战与机遇。要了解医疗空间中复杂的人类行为，需要进行跨机器智能多个领域的研究，例如视觉跟踪，人体姿势估计以及人与物体的交互模型。环境智能需要了解人类如何与物体和其他人进行交互，一种方法是以场景图的形式识别图像中视觉上的基础关系。场景图不仅可以帮助识别人类行为，而且还可以使环境智能更加透明。华人「女生」李飞飞离开谷歌，任教斯坦福，西藏学医小插曲今日，9月10日，第36个教师节，是个值得纪念的日子。2018年，美国时间9月10日，谷歌云官方博客宣布，华人「AI女神」李飞飞将卸下谷歌AI负责人职位，重返斯坦福大学任教。对于李飞飞教授的了解，想必大家再也熟悉不过了。在人工智能领域，李飞飞可是如雷贯耳的名字！李飞飞，斯坦福大学终身教授、斯坦福大学人工智能实验室与视觉实验室负责人、谷歌云人工智能和机器学习首席科学家。这些响当当的名头，足以证明这位女华裔科学家在AI领域的地位。她本人曾凭借着计算机视觉识别领域重要工具ImageNet数据库名扬天下，她，桃李遍天下，邓嘉便是其中的一位高徒。大学毕业那年，正好是华尔街牛气翻天的时代，当时李飞飞几乎所有同学都收到了来自华尔街如高盛等金融机构的邀约，而她从普林斯顿申请到的2万美元Dale奖学金，竟跑到西藏学医。一年的西藏之行，并非只是人生的小插曲。西藏学医时间虽短，但对于李飞飞教授来说影响较为深远。在科学界藏医与中医一样存在很多争议，她曾在采访中提到，「作为一个科学家，藏医可以在哲学和方法论层面上给她给多的理解，她非常看重小众科研项目在更大领域范围内的意义，每一项研究开始之前都要经过深思熟虑」。此次，关于在Nature发表的论文，李飞飞教授发文表示，「8年，两代博士生，10几位本科，硕士，博士和博士后，近10位斯坦福医学院医生和教授，两所北美高校医院，十几篇AI论文和半打医疗期刊论文，终于汇成这篇Nature文章。AI Sensors对病患治疗，养老和医疗服务在将来会有深远影响。我们的研究仅仅是走出的小小一步。与此同时，这些科技的社会影响，包括隐私，公平和伦理都不可忽视，也需要和科技的开发同时进行。感谢我的了不起的学生们！」  参考链接：
https://www./articles/s41586-020-2669-y http://guoqing.china.com.cn/2018-03/23/content_50741927.htm
|
