李飞飞|李飞飞团队《自然》发文：如何照亮医疗领域的“黑暗空间”？
▎药明康德内容团队编辑（来源：Nature）
”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 。
本文图片
▲部分可用于“环境智能”的传感器（图片来源：参考资料[1]）
【李飞飞|李飞飞团队《自然》发文：如何照亮医疗领域的“黑暗空间”？】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 。
本文图片
▲“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
在全球老龄化的当下 ， 环境智能的一个应用场景便是老年人的生活场所 。 到2050年 ， 当全球有15亿位65岁以上的老年人 ， 了解他们日常的起居生活 ， 便成了照料他们健康的关键 。 目前 ， 老年人的日常起居行为主要通过自我汇报 ， 或是照料者的打分 。 一些研究发现 ， 环境智能可以准确地评估 ， 在哪些时刻 ， 老人们需要他人的协助 ， 准确率达86% 。 而在更衣、沐浴、或是上厕所的场合 ， 考虑到隐私 ， 也可以将摄像头替换为麦克风 。
另一个面向老年人的应用在于监测是否摔倒 。 在这一块 ， 环境智能与可穿戴设备的准确率不相上下 ， 分别为97%和96% 。 这对尽早发现老人摔倒 ， 尽早进行干预 ， 有着重要意义 。
本文图片
▲“环境智能”在日常生活中的潜在应用场景（图片来源：参考资料[1]）
在日常生活中 ， 环境智能的第二个应用场景是慢病管理 。 对于脑瘫儿童 ， 或是帕金森病患者 ， 步态的监测非常重要 。 传统上 ， 这需要专门的实验室进行评估；而可穿戴设备也容易引起患者不适 ， 且存在误差 。 无接触的环境智能可以提高可信度 ， 且在家就可以安排复健计划 。
作者们在论文中提到了第三个日常生活中的应用是精神疾病 ， 譬如抑郁症、焦虑症、或是双向人格障碍 。 同样 ， 这些疾病的诊断基于自我汇报 ， 以及医学量表评估 。 而环境智能可以连续监测患者的症状 。 一项研究指出 ， 通过分析语音和视频等数据 ， 可以从言语和上身移动中 ， 检测出精神分裂症 ， 灵敏度达84% 。 另外 ， 环境智能也可以识别自杀倾向 。
挑战与其他考量
研究人员们也提到 ， 要让环境科学得到更广泛的应用 ， 我们需要解决算法上的种种挑战 ， 在复杂的场所中搞清人类的行为 。 从大数据中 ， 我们可以学到很多 。
在实际应用中 ， 隐私会是我们需要考量的首要问题 。 从设计上看 ， 环境智能会连续监测环境中的信息和人类行为 ， 这势必会引入隐私上的担忧 。 因此在开发适用于医疗环境中的技术时 ， 隐私是必须考虑的问题 。 目前 ， 一些做法能够避免个人的隐私信息泄露 。 除此之外 ， 我们还需要避免未经授权的访问 ， 进一步杜绝泄露的可能 。
本文图片
▲一些技术可以保护患者的隐私（图片来源：参考资料[1]）
最后 ， 环境智能还存在公正性、透明性、以及研究伦理等潜在风险 。 如何让不同人群都能从科技中受益？如何从环境智能中得到可解读的数据 ， 而非常见的信息黑箱？如何遵守研究伦理 ， 最大程度地保护参与研究的个体？这些问题还有待我们去回答 。
总结
李飞飞教授团队在论文最后总结说 ， 人工智能技术的突破 ， 以及低成本传感器的到来 ， 让环境智能成为了优化医疗决策和执行的潜在重要工具 。 目前 ， 一些研究数据已经探明了这一技术的可行性 。 未来 ， 我们也期待这一技术能照亮医疗的黑暗空间 ， 造福人类的健康！
本文题图：Image by sungmin cho from Pixabay
参考资料：
注：本文旨在介绍医药健康研究进展 ， 不是治疗方案推荐 。 如需获得治疗方案指导 ， 请前往正规医院就诊 。
版权说明：本文来自药明康德内容团队 ， 欢迎个人转发至朋友圈 ， 谢绝媒体或机构未经授权以任何形式转载至其他平台 。 转载授权请在「药明康德」微信公众号回复“转载” ， 获取转载须知 。
推荐阅读
- 李勇年|全国爱肝日 西安大兴医院李勇年详解护肝那些事儿
- 李子柒做的食物有多好吃拆下过滤器后没有食欲
- 李忆祖|外国弃婴被中国夫妇收养，23年后成顶级科学家，坚称：我是中国人
- 类风湿关节炎|当“李焕英”遇上RA，四个条目要记牢
- 乙肝|李文辉：找到乙肝病毒进入人体的“门”
- 软心巧克力曲奇，麻薯爆浆拉丝粘糯浓香零食中的李奎妹妹
- 李焕英|看完“李焕英”，我的母女关系结束了
- 李云龙|《亮剑》拍摄时零下20度，李云龙喝真酒，白酒真的能取暖吗？
- 眼底病|眼底病成致盲首因，全国人大代表李甦雁：推进眼科疾病的规范化治疗
- 甲亢|李连杰得了甲亢？忙于工作忽视了甲状腺健康！