每年有多达几十万人因医疗错误而死亡，但是，通过使用电子传感器和人工智能来帮助医疗专业人员监控和治疗易受伤害的患者，以改善结果并同时尊重隐私的方式，可以避免许多此类死亡。
“我们有能力在提供医疗保健的物理空间中构建技术，以帮助减少由于患者人数众多和医疗保健的复杂性而导致的致命错误的发生率，” 斯坦福大学临床卓越研究中心（CERC）医学教授Arnold Milstein说。
米尔斯坦（Milstein）与计算机科学教授李飞飞（Fei-Fei Li），以及研究生阿尔伯特·哈克（Albert Haque）共同探讨了在医疗保健领域的“环境智能”领域，如何创建配备AI的智能病房系统以做助力医疗。
例如，传感器和AI可以在临床医生和病人进入医院之前，提醒他们对手进行消毒。还有可以将AI工具内置到智能家居中，在智能家居中，技术可以毫不费力地监视虚弱的老人，了解即将发生的健康危机的行为线索。他们会提示家庭护理人员，偏远的临床医生和患者本人及时进行挽救生命的干预措施。
斯坦福大学人类中心人工智能研究所（HAI）的联合主任李表示，周围环境技术有很多潜在的好处，但是它们也会引发法律和法规问题，以及必须在解决方案中识别和解决的隐私问题。以一种公开的方式赢得患者和医疗服务提供者以及支付医疗费用的各种机构的信任。
李说：“保护医学上脆弱人群健康的技术本质上是以人为本。” “研究人员必须听取所有利益相关者的意见，以创建一种系统来补充护士，医生和其他护理人员以及患者自身的工作。”
Li和Milstein共同领导了成立8年的斯坦福AI-Assisted Care合作伙伴关系（PAC），这是越来越多的中心之一，其中包括约翰?霍普金斯大学和多伦多大学的技术人员和临床医生合作的中心开发环境情报技术以帮助医疗保健提供者管理如此庞大的病人数量—大约有2400万美国人在2018年需要住院过夜—哪怕是最小的误差也可能会导致很多生命损失。
米尔斯坦说：“我们在床边护理的复杂性中参与竞争。根据最近的一项统计，医院新生儿重症监护病房的临床医生每天每位患者每天要进行600次床旁手术。如果没有技术援助，那么执行大量复杂的手术将会超出临床团队的负荷。”
解决方法：由AI控制的不可见光？
Haque表示，该领域主要基于两种技术趋势的融合：价格低廉的红外传感器可用于构建高风险的护理环境；以及机器学习系统的兴起，以使用传感器输入来训练医疗保健中的专用AI应用程序。
红外技术有两种类型。第一种是主动红外，例如电视遥控器使用的不可见光束。但是，新的主动红外系统不再像电视遥控器那样简单地向一个方向发射不可见光，而是使用AI来计算不可见光线反弹回源所花费的时间，例如基于光的雷达形式将3 -D一个人或物体的轮廓。
这种红外深度传感器已经在医院病房外使用，例如，辨别人员在进入之前是否洗过手，如果没有，则发出警报。在一项斯坦福大学的实验中，挂在门附近的一台平板电脑显示出稳定的绿色屏幕，如果发生卫生故障，该屏幕将变为红色或可能需要测试的其他警报颜色。研究人员曾考虑使用声音警告，直到医学专业人士另行通知为止。
米尔斯坦说：“医院已经充满嗡嗡声和嘟嘟声。” “我们对临床医生的以人为本的设计访谈告诉我们，视觉提示可能会更有效且更不令人讨厌。”
正在对这些警报系统进行测试，以查看它们是否可以减少获得医院感染的ICU患者的数量-由于医院中其他人未能完全遵守感染预防协议，患者可能感染致命的疾病。
第二种红外技术是无源探测器，这种探测器可以使夜视镜从人体热量产生的红外线中产生热图像。在医院环境中，ICU病床上方的热传感器将使管理AI能够检测床单下方的抽动或扭曲，并警告临床团队成员即将发生的健康危机，而无需经常在各个房间之间走动。
到目前为止，研究人员避免使用高清视频传感器，例如智能手机中的传感器，因为捕获视频图像可能不必要地侵犯了临床医生和患者的隐私。Haque说：“由红外传感器提供的轮廓图像可以提供足够准确的数据，以训练AI算法用于许多临床上重要的应用。”
家庭环境中的环境情报系统也可以进行持续监视，以检测出严重疾病或潜在事故的线索，并提醒护理人员及时采取干预措施。例如，当年老体弱的老年人开始更加缓慢地运动或停止规律地进食时，这种行为可能预示着沮丧，更大的跌倒可能性或危险的健康危机的迅速发作。研究人员正在开发活动识别算法，该算法可以筛选红外感应数据以检测习惯行为的变化，并帮助护理人员更全面地了解患者的健康状况。
米尔斯坦说，在家庭，辅助居住环境和疗养院中，隐私尤其受到关注，但是我们从医院和日常生活空间获得的初步结果证实，环境传感技术可以提供我们所需的数据，以遏制医疗错误。