李飞飞团队《自然》发文：如何照亮医疗领域的

上周，斯坦福大学（Stanford University）的李飞飞教授团队在《自然》杂志在线发表了一篇论文，介绍一种叫做“环境智能”（ambient intelligence）的技术能如何在医院和日常生活的场所为患者乃至更广泛的人群造福，照亮医疗领域的“黑暗空间”。在今天这篇文章里，药明康德内容团队也将与各位读者分享其中的要点。

”环境智能“与”黑暗空间“

作者们在论文中指出，机器学习（machine learning）与非接触式传感器（contactless sensors）的发展，带动了“环境智能”的发展。这是指在物理空间中，对人类的存在产生灵敏反应的一种技术。

说到机器学习，很多人可能会想到人工智能，以及其在疾病诊断中的应用。的确，在一些医疗场合，人工智能辅助决策已经变得更为常见。但这些决策如何转化为医生、患者、或是患者家属的具体物理行为，却依旧不甚明晰。在医院和家庭中的关键医疗行为如何进行，也依旧未明。为此，研究人员们将这些我们还不了解的部分，比喻为“黑暗空间”。

这并非只是一个比喻。根据世界卫生组织（WHO）和美国国立卫生研究院（NIH）等机构的统计，美国每年有至多40万人死于医疗决策或是实际执行中的疏忽和错误。人工智能的发展具有协助医生的潜力，这不仅在于辅助医疗决策，还在于改善具体的医疗步骤。

▲部分可用于“环境智能”的传感器（图片来源：参考资料[1]）

而安装在环境中，被动进行感知的传感器，能作为“环境智能”，了解人们的移动和他们的医疗需求，从而更好地帮助医生和服务者将健康举措落实到地。

医院中的应用

在全球，医院是进行医疗行为的主要场所。据统计，2018年，有7.4%的美国人口会留院观察一晚，而英国全年有1700万起入院事件。因此，环境智能有望在医院环境中扮演重要角色。

▲“环境智能”在医院中的潜在应用场景（图片来源：参考资料[1]）

研究人员们提到的第一个应用场所是重症监护室（ICU）。应用之一是监测患者的移动能力：对于病情危重的患者，经常会出现神经肌肉的衰弱，而让患者尽早恢复移动能力，可以将相关的衰弱事件减少40%。目前，标准的评估方式是人为的直接观察，但这会引入偏倚和误差，成本也不可控；而可穿戴设备只能检测动静的切换，无法将环境纳入考量（如坐在椅子上，还是坐在床上）。环境智能可以避免这些问题。在一个案例中，机器学习算法可以区分患者是否躺在床上，以及是否在行走，准确率达到了87%。

在ICU的另一个应用在于控制感染——每年，有30%的ICU患者会出现住院相关的感染，而勤洗手是减少感染的最有效方法之一。环境智能可以高效地评估洗手动作是否合规，无需靠人来进行统计。一个深度学习算法对1个小时内发生的351起洗手事件进行了合规评估，准确率达到了75%。

▲“环境智能”的预测准确度和人工统计非常接近（图片来源：参考资料[1]）

ICU之外，研究人员们指出环境智能也可以用于手术室。比如它能根据手术中持针器（needle driver）的移动轨迹，评估医师的手术水平。与人类评估相比，该算法的准确率达到92%。另一些算法则可以清点手术中使用的工具，避免遗漏在患者体内。这在医生们的日常清点之外，加上了一层双保险。未来，基于视频的手术阶段识别（surgical phase recognition），也有望更好地对外科医生进行培训。

最后，本论文的作者也提到，环境智能可以协助医生完成文本记录的工作——医生大约35%的时间花在这个工作上。利用环境中安装的麦克风，机器可以自动识别医生与患者间的对话，准确率超过了人工听写。而且，它可以将2小时的文本整理工作压缩到15分钟，可以让医生将更多的时间花在患者身上。

日常生活中的应用