一组研究人员创建了首个可穿戴摄像系统，利用人工智能识别可能的药物输送错误。在测试中，该视频系统成功识别并区分了在繁忙临床环境中施用的药物。该人工智能在检测瓶子交换错误方面取得了99.6%的灵敏度和98.8%的特异性，达到了令人印象深刻的准确率。这个创新系统可以作为一种基本的安全措施，特别是在手术室、重症监护室和紧急医疗情况下。
一组研究人员创建了首个可穿戴摄像系统，利用人工智能识别可能的药物输送错误。
在今天发布的测试中，该视频系统在动态临床环境中显示出卓越的药物识别和识别能力。这种人工智能在识别瓶子交换错误方面达到了99.6%的灵敏度和98.8%的特异性。
研究结果于10月22日在npj Digital Medicine.上发布。
根据华盛顿大学医学院麻醉学和疼痛医学副教授、共同首席作者Kelly Michaelsen博士的说法，该系统可能成为一项重要的安全功能，尤其是在手术室、重症监护室和紧急护理环境中。
她表示：“在实时协助患者或在药物错误发生之前避免错误的能力极其强大。虽然我们努力追求完美的准确性，但即使是人类也很难做到。在对100多名麻醉提供者的调查中，大多数人表示偏爱超过95%准确性的系统，而我们已经实现了这一点。”
药物管理错误是麻醉中报告的最常见的严重事件，是重症监护室重大医疗错误的主要原因。在更广泛的范围内，预计5%到10%所有施用的药物与错误相关。与注射药物相关的不良事件每年可能影响约120万名患者，造成大约51亿美元的成本。
在静脉注射过程中，当临床医生将药物从瓶子中转移到注射器中以供患者使用时，注射器和瓶子交换错误经常发生。这些错误中约20%涉及替换错误的瓶子或错误标记注射器。另有20%在正确标签的药物被错误施用时发生。
为了减轻这些风险，实施了诸如条形码系统等安全措施，以快速验证瓶子的内容。然而，在高压情况下，临床工作者可能会忘记这一验证步骤，因为这会给他们的工作流程增加额外任务。
研究人员旨在设计一个深度学习模型，当与GoPro摄像机配对时，可以有效检测瓶子和注射器的内容，在药物施用到患者之前提供及时警告。
该模型的训练花费了几个月的时间。团队在手术室的不同布局和照明条件下，记录了13名麻醉提供者抽取药物的418个4K视频。所捕捉的画面记录了临床医生处理瓶子和注射器的选定药物，这些药物随后进行了分类和验证，以帮助模型识别特定内容和容器。
虽然该系统不读取每个瓶子上的文本，但它识别其他视觉指标，如瓶子和注射器的大小和形状、瓶盖的颜色以及标签打印的大小。
Shyam Gollakota，论文的共同作者，也是华盛顿大学保罗·G·艾伦计算机科学与工程学院的教授，解释道：“这特别具有挑战性，因为在手术室中，临床医生同时持有注射器和瓶子，这使得很难完全看到任何一个物体。通常，注射器和瓶子上的某些字母被他们的手遮挡，当他们专注于任务时，手的移动速度很快，而不是摆姿势给摄像机。”
此外，计算模型经过训练以优先考虑前景中的药物，而忽略背景中的瓶子和注射器。
Gollakota提到：“该人工智能被设计为检测医疗服务提供者正在处理的特定注射器，同时忽略桌子上其他的注射器。”
这项研究表明，人工智能和深度学习在提高各种医疗实践的安全性和效率方面具有重大潜力。Michaelsen指出，这一潜力的探索才刚刚开始。
该研究还得到了卡内基梅隆大学和乌干达梅克瑞大学研究人员的贡献。丰田研究所负责建立和测试该系统。
这项研究得到了华盛顿研究基金会、麻醉教育与研究基金会以及国家卫生研究院(K08GM153069)的资助。
