AI人工智能 來了,不管你準備好了沒

by 陳 坤志

大名鼎鼎的Nature這篇標題名為: 用人工智慧照亮醫療環境的黑暗處,你..準備好要被照亮亮了嗎?

Illuminating the dark spaces of healthcare with ambient intelligence Albert Haque, Arnold Milstein & Li Fei-Fei Nature volume 585, pages193–202(2020)

AI人工智能已經來了,醫療環境會有什麼變革呢?

根據CDC,NIH,WHO還有私人機構的數字,美國一年有大約40萬人因為醫療缺失喪命,這個驚人的數字可望藉由AI改善,目前由於這種低成本的感應器以及機器自動學習技術,可以形成一種周邊人工智慧(ambient intelligence),藉由感應分析人體活動,進一步提供可能的醫療照護。

Makary, M. A. & Daniel, M. Medical error—the third leading cause of death in the US. Br. Med. J. 353, i2139 (2016).

這包含了攝影機,光達,遠紅外線,雷達,還有麥克風等感應偵測技術,那這些技術能提供我們什麼好處,或者什麼照護上的進步呢?

醫院的部分

2018年美國有高達7.4%的人民需要住院一晚以上,同年在英國有高達1700萬人次住院,眾所皆知,醫療人員工作負荷過重,醫療資源缺乏,那AI可以提供過勞的醫療人員什麼幫助呢?

在加護病房裏

加護病房是醫院裡面的重症照護單位,美國一年醫療支出有13%花在ICU照護,大概1080億美金。那AI可以提供我們什麼幫助呢? 以重症後虛弱症(ICU-acquired weaknesses)來說,是加護病房照護常見的問題,大約會增加一年內死亡率兩倍,增加約30%的醫療支出,目前已知提早增加病人活動度可以改善大約40%,這個症狀主要依賴照護人員的臨床觀察,而AI可以觀察細微的病人動作,早期發現。
有些研究使用周邊環境偵測技術配合機械學習或者卷積神經網路技術可以判斷病人的活動度,而且達到不錯的準確率,另外有篇研究使用攝影機,麥克風跟加速度感應器觀察加護病房病人七天,發現發生譫妄的病人頭部動作明顯減少,將來可望利用這些技術早期發現並治療。

加護病房裡的院內感染問題向來都是非常重要的主題,接近有30%的加護病房病人會發生院內感染,大家也知道正確的洗手是最好的方法,但是如何監控醫療人員正確洗手目前還有很多進步空間,曾經有人嘗試用RFID來偵測手部動作,但是由於RFID的靈敏度不高,所以效果不彰,而目前有研究使用景深感測器裝在醫院裡的乾洗手上方,觀察醫療人員使用乾洗手的順應度,可以有75%準確率,人工觀察有63%準確率,RFID只有18%。
看到這邊,醫療人員開始有被”監控”的感覺了嗎?

開刀房

全世界一年有大約23億次的外科手術,而其中有大約14%出現手術相關的不良反應,那麼如何改善外科人員的技術呢? 目前外科手術人員的技術精進主要經過直接的訓練跟督導,但這樣效率並不高。穿戴式裝置監測外科人員的手可能會導致手的靈活度下降,增加維持無菌的困難。有一個研究使用攝影機觀察12位手術人員持針的手部運動,使用捲積神經網路技術,將其分為技術高/低兩個組,以外科同儕的評估為標準,正確率達92%。相似的研究將來或許可以用來評估與精進外科人員的開刀技術。

上面這段對外科系統的醫師可能有點壓力,接下來的會比較輕鬆一點。內視鏡手術最最擔心的事情就是把東西遺留在病人的體內,目前有利用RFID的手術棉,避免手術後遺留,但是RFID本身有體積,所以沒有辦法用在大部分的外科器材上,比如說最恐怖的:針。曾經進過手術房工作的人,相信都有半夜曾經趴在地上滿地找針的經驗。目前的技術可以用開刀房天花板上的攝影機監控人員動作,精確度到達5cm,日後有望經由這樣的技術,幫忙監控可能的失誤動作,還有可能可以幫忙找針!

其他的醫療照護場景

臨床人員大概花費35%的時間在病歷紀錄上,所以有所謂的臨床記錄員(medical scribe)幫忙醫師記錄病歷,但是這樣的人員訓練不易而且所費不貲,目前有一個研究以深度學習模式分析14000小時的門診對話內容,並翻譯成病歷,準確率約80%,比臨床記錄員的76%高。
另外以經營者的立場,目前大多使用時間驅動的作業成本法來評估醫療成本,但人工記錄每項作業的時間太過繁瑣,未來可望經由AI紀錄醫療人員執行各項臨床工作的時候所花費的時間,更快速更精準的評估成本。
另外未來也可能導入作業基礎成本法系統。這些管理上的專有名詞可能大家都聽不懂,簡單說經過環境監測,配合人工智慧,經營者可以更精準地計算成本。

日常生活空間

世界人口日漸老化,預估2050年65歲以上口將到達7-15億,老年照護變的日益重要。日常生活活動(Activity of daily living, ADLs)的維持,以及預防跌倒變成重要課題。若ADLs基於某個原因變得困難,那麼跌倒的機率會上升兩倍,一年內死亡率增加五倍,所以早期發現ADLs下降很重要。目前主要依賴人工評估,但是AI可能幫得上忙唷。 有一個研究使用溫度感應跟景深偵測,記錄一個臥室一個月,記錄到1690次活動,其中231次需要幫助,另外一個研究利用捲積神經網路技術,以環境監測的方式,紀錄老人之家的六位住民,評估其需要幫忙的時間,準確率達86%。但這類技術使用在隱私空間比如浴室,廁所時會有巨大爭議。改用聲波,光達比較沒有隱私問題。
跌倒的偵測是另外一個重要議題,一篇系統係回顧統計穿戴式裝置偵測跌倒準確率98%,而環境偵測可以達97%。目前不管是穿戴或者環境監測的研究,對於跌倒的偵測都有很高的準確率,將來可望增加年長者的生活品質。

慢性疾病照顧

經由步態分析,可以評估或者早期診斷巴金森氏症,腦性麻痺等動作疾病。傳統的步態分析利用壓力感應板或者穿戴式裝置,大概有6%的錯誤率,而且操作過程相當繁瑣,而現在經由環境監測技術(攝影機,麥克風,聲波,光達)可以簡化操作,將來可能的進步空間很值得期待。

心靈健康

憂鬱,焦慮的問題在現代相當常見,統計有56%的成人,因為經濟或其他因素不能/不敢就醫。目前心理疾病診斷依賴DSM-5,主要是以問卷的形式診斷,而其中會參雜很多不確定因素。目前有一個研究,以機器學習技術分析69位患者30分鐘的會談影片,偵測到46位思覺失調症,陽性預測率95%,敏感度84%。另外一個研究,以自然語言分析急診室61位青少年,偵測到31位有自殺傾向,大約有90%的準確率。
另外也有研究嘗試AI紀錄分析心理治療過程的對談,加速治療內容的紀錄甚至可以分析治療內容本身。那麼,身為心理治療師的各位,準備好要被照亮亮了嗎?

世界從此美好了嗎

還有很多技術需要克服,還有很多路要走。複雜場景的動作辨識,大數據分析的資料流瓶頸,社會觀感,倫理,還有隱私的爭議,要克服的法律問題等,原文的內容我就不贅述了。

數個世紀來的知識累積,在人類健康照護上取得前所未有的成就,環境監測技術的突破,可能在醫療照護上提供巨大發展潛力,初步研究顯示這些醫療以及居住環境監測可以提供巨大的數據,讓我們有機會一起努力,”照亮”我們的醫療環境。

有空請到我粉絲團按讚唷
https://www.facebook.com/%E9%99%B3%E5%9D%A4%E5%BF%97%E9%86%AB%E5%B8%AB-106950151081034


相關閱讀

請留言