李飞飞团队《自然》发文：如何照亮医疗领域的“黑暗空间”？

《自然》医疗领域

药明康德

2020/09/20

1958

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

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。

▲“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。

▲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！

参考资料：

[1] Haque, A., Milstein, A. & Fei-Fei, L. Illuminating the dark spaces of healthcare with ambient intelligence. Nature 585, 193–202 (2020). https://doi.org/10.1038/s41586-020-2669-y