0
| 本文作者： 貝爽 | 2020-09-11 18:18 |
歷時八年，李飛飛團隊又一重磅科研成果出爐！
9月9日，斯坦福大學(xué)計算機系教授李飛飛，與斯坦福醫(yī)學(xué)院教授 Arnold Milstein ，以及其博士生Albert Haque 聯(lián)合署名的一篇學(xué)術(shù)論文登上了頂級學(xué)術(shù)期刊《Nature》。
該論文名為《利用環(huán)境智能照亮醫(yī)療的黑暗空間》，旨在通過人工智能與非接觸式傳感器的結(jié)合實現(xiàn)環(huán)境智能，以潛在地改善醫(yī)療保健服務(wù)的物理執(zhí)行。
論文被《Nature》收錄后，李飛飛在朋友圈透露，這篇論文是兩代博士生、10幾位本科/碩士/博士/博士后，以及近10位斯坦福醫(yī)學(xué)院醫(yī)生和教授，歷經(jīng)8年心血共同打造而成。
與此同時，她也表示，
“AI Sensors”（人工智能傳感器）必將對病患治療，養(yǎng)老和醫(yī)療服務(wù)產(chǎn)生深遠(yuǎn)影響，而我們的研究僅僅是走出的小小一步。
李飛飛在加入AI醫(yī)療浪潮之初，就將目光聚焦到了“AI Sensors”。在她看來，智能傳感器、AI算法以及相關(guān)技術(shù)的進(jìn)步為智慧醫(yī)療帶來全新的可能性。
此前，她曾與Arnold Milstein教授展開過深度合作，嘗試在ICU場景中引入智能傳感器，以改善醫(yī)護(hù)人員因系統(tǒng)低效、成本高、人手不足等問題可能帶來的安全威脅，這一解決方案在多家醫(yī)院進(jìn)行了測試。
同樣地，本次科研成果依然以智能傳感器為核心，但其解決方案是面向醫(yī)院和日常生活的物理空間，實現(xiàn)更大范圍的環(huán)境智能。
所謂環(huán)境智能，即通過機器學(xué)習(xí)和非接觸式傳感器能夠?qū)θ祟惔嬖谧龀雒舾蟹磻?yīng)和反饋的電子空間。它對于醫(yī)院和日常生活空間有著極大的應(yīng)用價值。
比如在醫(yī)院領(lǐng)域，可以實現(xiàn)更高效的臨床工作流程，改善重癥監(jiān)護(hù)病房和手術(shù)室的患者安全；在日常生活中，通過了解日常行為改善慢性病患者管理，提高老年人的獨立性等。
具體來說，機器學(xué)習(xí)和傳感器可以通過計算機輔助理解醫(yī)療活動，并以此補充現(xiàn)有臨床決策支持系統(tǒng)。被動式、非接觸式傳感器在嵌入環(huán)境之后，可以形成一種環(huán)境智能，能夠感知人們的活動并適應(yīng)其持續(xù)的健康需求。如下圖：
深度感應(yīng)器（Depth Sensor）：測量目標(biāo)物體的距離。
溫度傳感器（Thermal Sensor）：測量表面溫度。
無線電傳感器（Radio Sensor）：估計距離和速度。
聲傳感器（Acoustic Sensor）：測量空氣壓力形成的聲波。
與現(xiàn)代智能駕駛系統(tǒng)類似，這種環(huán)境智能可以幫助臨床醫(yī)生和家庭護(hù)理人員改善身體運動，這是現(xiàn)代醫(yī)療保健的關(guān)鍵一步。臨床物理行動支持已經(jīng)實現(xiàn)了更好的制造、更安全的自主車輛以及更智能的運動娛樂，而物理空間也可以將生物醫(yī)學(xué)中的快速流動轉(zhuǎn)化為無差錯的醫(yī)療保健服務(wù)。
當(dāng)然，與其他技術(shù)類似，大規(guī)模轉(zhuǎn)換為臨床應(yīng)用必須克服嚴(yán)峻的臨床驗證，適當(dāng)?shù)臄?shù)據(jù)隱私以及模型透明性等挑戰(zhàn)。
論文中，研究人員通過幾個示例性的臨床使用案例和患者結(jié)果，驗證了其研究算法和可行性和有效性，并且進(jìn)一步討論了更廣泛的社會和道德因素，包括隱私，公平，透明等問題。
2018年，約有7.4%的美國人需要過夜的醫(yī)護(hù)人員。同年，英國國家衛(wèi)生服務(wù)局（NHS）報告了1700萬入院病例，醫(yī)護(hù)人員超負(fù)荷工作，人手不足，資源有限的問題已經(jīng)相當(dāng)嚴(yán)峻。
李飛飛研究團隊認(rèn)為，環(huán)境智能可以在緩解臨床服務(wù)的壓力，提高醫(yī)療服務(wù)質(zhì)量和效果方面發(fā)揮重要作用，并且可應(yīng)用于多個醫(yī)療空間中。
重癥監(jiān)護(hù)室（ICU）
環(huán)境智能在其中發(fā)揮作用的一個用例是計算機輔助患者運動監(jiān)測。
據(jù)統(tǒng)計，在美國，重癥監(jiān)護(hù)病房每年需要花費1,080億美元，占醫(yī)院總費用的13％。在重癥患者中，神經(jīng)肌肉損害可能導(dǎo)致一年死亡率增加兩倍，住院費用增加30％，盡早動員患者接受環(huán)境智能的監(jiān)測可使得相對發(fā)生率降低40％。
目前，面對面評估的方法存在成本高、觀察者偏見以及人為失誤等問題的限制，而非接觸式環(huán)境傳感器可以有效地解決以上問題，并提供連續(xù)且準(zhǔn)確的患者運動數(shù)據(jù)。
在一項開創(chuàng)性研究中，研究人員在ICU室中安裝了環(huán)境傳感器（Ambient Sensors ），從八名患者中收集了362小時的數(shù)據(jù)。
與三位醫(yī)師的人工檢查相比，機器學(xué)習(xí)算法將患者運動分為床內(nèi)活動，床外活動和步行活動，其準(zhǔn)確性達(dá)到了87％。
此外，在另一項更大的測試中，研究人員在八個ICU病房中安裝了深度傳感器，其算法在379個視頻上訓(xùn)練了卷積神經(jīng)網(wǎng)絡(luò)，并將移動性活動分為了四類。
當(dāng)在184個視頻的樣本數(shù)據(jù)集上進(jìn)行驗證時，該算法顯示出87％的靈敏度，以及89％的特殊性。
手術(shù)室
利用環(huán)境攝像機檢測算法，降低手術(shù)事故的發(fā)生頻率。
在全球范圍內(nèi)，每年大約會有超過2.3億次手術(shù)，其中，14％的患者會發(fā)生醫(yī)療事故。如果有更快更有效的手術(shù)反饋系統(tǒng)，可以顯著地將發(fā)生的概率降低到50%。
環(huán)境攝像機是一個不錯的方式。在一項前列腺切除術(shù)中，研究人員通過視頻訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)來跟蹤手術(shù)中的針頭驅(qū)動器，結(jié)果與12位外科醫(yī)生的手術(shù)相比，其準(zhǔn)確度達(dá)到了92％。
另外，在一項膽囊切除手術(shù)中，研究人員使用了十種方式的切除視頻來重建手術(shù)過程中器械的運動軌跡，其能夠達(dá)到專家級外科醫(yī)生的水平。
重要的是，在手術(shù)室中，環(huán)境智能不僅限于內(nèi)窺鏡影像（ Endoscopic Videos），還可以用于物品計數(shù)。如監(jiān)控手術(shù)器械，防止其意外地留在患者體內(nèi)，或者計算人員，通過吊裝式攝像頭跟蹤手術(shù)成員的身體部位，其誤差可以低至5cm。
其他醫(yī)療空間
每次病人就診期間或之后，醫(yī)生都要進(jìn)行記錄。有數(shù)據(jù)統(tǒng)計，臨床醫(yī)生將35%的時間花都在了整理醫(yī)療文件上，這導(dǎo)致患者醫(yī)療時間的縮短，以及管理成本的提高。應(yīng)對這一問題，環(huán)境麥克風(fēng)（ Ambient Microphones）是一種有效地解決方案。
在一項研究中，研究人員收集了病人與醫(yī)生之間的90000次對話，在產(chǎn)生的14000小時的門診音頻上進(jìn)行了深度學(xué)習(xí)訓(xùn)練，結(jié)果該算法顯示單詞的轉(zhuǎn)錄準(zhǔn)確率達(dá)到了80%。而且就臨床實用性而言，一位醫(yī)護(hù)人員發(fā)現(xiàn)，檢測眼鏡上的麥克風(fēng)將記錄文檔的時間從2小時縮短到15分鐘，其與患者相處的時間增加了一倍。
從管理的角度來看，環(huán)境智還可以改善基于活動的成本核算。目前，員工觀察、訪談與電子健康記錄被用于將臨床活動，并與成本相關(guān)。如之前所說，環(huán)境智能可以自動識別臨床活動、統(tǒng)計醫(yī)護(hù)人員以及估計活動持續(xù)時間。但目前還缺乏環(huán)境智能用于成本核算方面的數(shù)據(jù)驗證。
全球人口老齡化的趨勢正在逐年增加，據(jù)統(tǒng)計，到2050年，世界65歲以上的人口將從7億增加到15億。
在缺乏子女照料的情況下，獨居老人的日常生活管理，包括洗澡/穿衣/飲食，慢性病管理，以及身體康復(fù)等問題都顯得格外重要。
日常生活自我管理
通過環(huán)境智能提供及時的臨床護(hù)理，可以將日常生活能力提高2倍，并且降低每年的死亡率。傳統(tǒng)日常生活管理的方法是通過自我報告/照料者手工評分完成的，經(jīng)常會出現(xiàn)主觀偏見、測量不及時等問題。
非接觸式環(huán)境傳感器可以檢測老人在更大范圍的活動，同時還可以檢測到心率、血糖水平和呼吸頻率等一些更細(xì)微的臨床數(shù)據(jù)。
在一項研究中，研究人員在老年人的臥室內(nèi)安裝了深度傳感器和溫度傳感器，觀察了其在1個月內(nèi)的1690次活動，包括231例護(hù)理員協(xié)助。結(jié)果顯示，卷積神經(jīng)網(wǎng)絡(luò)在檢測協(xié)助方面的準(zhǔn)確率達(dá)到了86%。
而在另一項不同的研究中，研究人員從老年人的家中收集了10天的視頻，也得出了相似的結(jié)果。比如麥克風(fēng)檢測淋浴和如廁活動，準(zhǔn)確率分別為93%和91%。
然而，這些研究僅是在少數(shù)環(huán)境中的測驗結(jié)果，日常生活空間是高度可變的，因此廣泛應(yīng)用還存在一定的挑戰(zhàn)。此外，隱私也是一個重要問題。如果這項技術(shù)應(yīng)用到日常生活空間，其開發(fā)和驗證隱私安全系統(tǒng)至關(guān)重要。
此外，老年人獨立生活的另一應(yīng)用是摔倒檢測（Fall Detection）。有數(shù)據(jù)統(tǒng)計，大約29%的社區(qū)居民每年至少跌倒一次，而跌倒后躺在地上超過一小時以上，其死亡率會增加5倍。
幾十年來，研究人員開發(fā)了帶有可穿戴設(shè)備和非接觸式環(huán)境傳感器的墜落檢測系統(tǒng)。經(jīng)測試發(fā)現(xiàn)，可穿戴設(shè)備檢測跌倒的準(zhǔn)確率為96%，而環(huán)境傳感器的準(zhǔn)確率為97%。
而當(dāng)二者結(jié)合使用時，深度傳感器的跌倒檢測精度從90%提高到98%，這表明非接觸式傳感器和可穿戴式傳感器之間存在潛在的協(xié)同效應(yīng)。
此外，研究人員將深度傳感器用于16所老年公寓進(jìn)行了為期2年的試驗測試，結(jié)果顯示，傳感器每月產(chǎn)生一次誤報，摔倒檢測率為98%。同時，環(huán)境傳感器能夠及時向輔助生活社區(qū)的護(hù)理人員提供實時電子郵件警報，與其他老年人的數(shù)據(jù)對比，其實時干預(yù)的方式顯著減緩了86名老年人的功能衰退。
慢性病管理
步態(tài)分析（Gait Analysis）在身體康復(fù)和慢性病管理中，是診斷和測量治療效果的重要工具。
經(jīng)過實驗研究表明，使用加速計（Accelerometers）來估算30名慢性肺病患者的臨床標(biāo)準(zhǔn)（6分鐘102步），其平均錯誤率為6％，而且可穿戴設(shè)備附著在身體上，也給患者帶來不便。相反，非接觸式傳感器可以持續(xù)測量步態(tài)，提高保真度，并創(chuàng)建交互式的家庭康復(fù)程序。
一項研究使用深度傳感器測量了9名帕金森病患者的步態(tài)模式。研究發(fā)現(xiàn)，深度傳感器可以跟蹤膝蓋的垂直運動，其誤差僅在4厘米以內(nèi)。
而在另一項研究中，研究人員使用深度傳感器為腦癱患者制作了一個運動游戲。經(jīng)過24周的測試，使用游戲的患者的平衡和步態(tài)提高了18%。而如果將麥克風(fēng)與可穿戴傳感器結(jié)合使用，其步態(tài)檢測可以從3%提高到7%。
心理健康
抑郁癥、焦慮癥和雙相情感障礙等精神疾病影響著美國4300萬成年人，歐盟1.65億人。據(jù)估計，56%患有精神疾病的成年人由于經(jīng)濟問題，或者可獲得性障礙而沒有尋求治療。
環(huán)境傳感器可以為檢測認(rèn)為提供連續(xù)且經(jīng)濟的癥狀篩查方法。在一項研究中，研究人員在30分鐘半結(jié)構(gòu)化臨床訪談中收集了69個人的音頻、視頻以及深度數(shù)據(jù)。利用這些數(shù)據(jù)中患者的言語、上身運動，機器學(xué)習(xí)算法檢測出46名精神分裂癥患者，陽性預(yù)測值為95%，敏感性為84%。
同時，環(huán)境傳感器還可以進(jìn)一步為其心理治療提供更便宜、更高質(zhì)量的解決方案。在一項研究中，研究人員使用麥克風(fēng)和語音識別算法，從200個數(shù)據(jù)集（均為20分鐘的訪談）中轉(zhuǎn)錄和評估了心療愈師的方法，與人類評估委員會為標(biāo)準(zhǔn)，該算法的準(zhǔn)確率為82%。
總體而言，雖然通過實時監(jiān)測與反饋，環(huán)境智能可以減少醫(yī)護(hù)人員意外的臨床錯誤，幫助患者實現(xiàn)疾病篩查與診斷，協(xié)助老年人提高日常生活自理能力，但其技術(shù)在現(xiàn)實場景和應(yīng)用，以及更大范圍內(nèi)的應(yīng)用還存在諸多挑戰(zhàn)和機遇。
主要存在于兩個層面：
識別復(fù)雜場景中的人類行為：需要進(jìn)行跨機器智能的多個領(lǐng)域進(jìn)行研究，例如視覺跟蹤，人體姿勢估計以及人與物體的交互模型。
應(yīng)對臨床環(huán)境中的大數(shù)據(jù)和罕見事件：這需要新的機器學(xué)習(xí)方法，以能夠?qū)币娛录M(jìn)行建模并處理要開發(fā)的大數(shù)據(jù)。
隨著人工智能技術(shù)的不斷發(fā)展，數(shù)據(jù)隱私越來越成為一個敏感話題。李飛飛團隊表示，其是在考慮到隱私和安全的情況下來開發(fā)這項技術(shù)的，而且不僅在技術(shù)本身方面，在開發(fā)過程中所有利益相關(guān)者的持續(xù)參與方面也是如此。
如圖展示了一些現(xiàn)有的和新興的隱私保護(hù)技術(shù)。一種方法是通過刪除個體身份來反標(biāo)識數(shù)據(jù)。另一種方法是數(shù)據(jù)最小化，它將數(shù)據(jù)捕獲、傳輸和人員兼捕最小化。當(dāng)一個病房無人時，環(huán)境系統(tǒng)檢測可能會暫停，但即使數(shù)據(jù)被取消識別，也可以重新識別個體。超分辨率技術(shù)可以部分逆轉(zhuǎn)面部模糊和降維技術(shù)的效果，從而有可能實現(xiàn)重新識別。這表明數(shù)據(jù)應(yīng)保留在設(shè)備上，以減少未經(jīng)授權(quán)訪問和重新識別的風(fēng)險。
此外，一些醫(yī)療保健組織仍然存在與數(shù)據(jù)代理等第三方共享患者信息的情況。為了緩解這種情況，患者應(yīng)主動要求醫(yī)療保健提供者采用隱私保護(hù)措施。另外，臨床醫(yī)生和技術(shù)人員必須與關(guān)鍵利益相關(guān)者（例如，患者、家人或護(hù)理者）、法律專家和決策者合作，以開發(fā)環(huán)境系統(tǒng)的治理框架。
除了隱私方面，李飛飛團隊也考慮到了人工智能可信賴性的其他三個方面，包括公平，透明以及研究倫理。不過，他們表示，解決以上四類因素，需要醫(yī)學(xué)，計算機科學(xué)，法律，道德以及公共政策等領(lǐng)域的專家之間的密切合作。
關(guān)于更多內(nèi)容，請參見論文：https://www.nature.com/articles/s41586-020-2669-y.pdf
引用鏈接：雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
https://www.nature.com/articles/s41586-020-2669-y
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
