《自然》子刊：李飞飞团队展示ICU重症患者护理新可能
2019/3/15 7:47:49 学术经纬

    

     药明康德AI/报道

     重症监护室(ICU)是医院为救治病情严重的患者而专门设立的病房。在ICU经历过长时间、高强度的抢救后，患者很有可能遇到ICU后综合征(post-intensive care syndrome)和长期功能障碍，并在独自开展生活和健康相关的活动中遇到困难。

     不过，因重症抢救导致的这些问题都是可以预防的。移动性干预在一些研究中已经被证明有利于患者群体。为了更准确地了解ICU患者的移动活动事件和持续时长，包括李飞飞等人在内的团队开发了一套机器学习算法。展示这套系统的论文于3月1日发表在《Nature Digital Medicine》上。

    

     图片来源：Pixabay

     在以往，为了检测重症患者的移动活动，需要调取患者的病历资料，再从中寻找移动性事件的相关记录。可是病历中的记录并不一定足够详细，查找也相当费时。计算机视觉技术(CVT)则提供了一个很好的解决方案。

     在美国科罗拉多州盐湖城的Intermountain LDS医院，研究团队在七个成人ICU病房中安装了深度感应器。这些感应器能够通过感应患者与设备间的距离来捕捉其3D图像，并探测患者的移动活动。同时，深度感应器还可以很好地保护患者的隐私，因为它并不会对房间进行传统意义上的视频录像。

     最终，研究团队收集到了563个移动活动，共计98801组视频片段。其中67%的移动活动用于训练机器学习算法，剩余的33%则用于检验算法的效果。

    

     ▲距离感应器捕捉的3D影像片段及算法对其中医务人员人数的估算(图片来源：论文截图)

     用于检测移动活动类型和持续时长的算法是一个基于18层的ResNet多标签循环卷积神经网络的模型；为了计算移动活动中医务人员的人数，机器学习还采用了另一个基于YOLOv2卷积神经网络的模型。

     这套基于深度感应器的AI系统的表现令人满意：系统对于四种常见移动活动的探测灵敏度达到87.2%，特异度达到89.2%；AI系统对移动活动中医务人员数量的估算也较为准确，准确度也达到了68.8%。

     移动活动可以缩短重症患者脱离呼吸机的时间，减少精神错乱，防止肌肉萎缩和身体功能障碍。如果能提前采取措施干预，就可以帮助患者预防这些伤害，从而提高他们康复后独立开展生活的能力和健康相关的生活质量。

     此次研究，为ICU患者的护理提供了一个新的方向。医务人员可以在AI系统的辅助下，更快速、更准确地了解患者的移动活动频率和时长；视需求增加患者的移动活动次数，从而提升患者康复后的健康和生活水平。

     接下来，研究团队还会继续向这个AI系统中输入更多的数据，以增强其辨认更多移动活动的能力。服务更多的医疗场景。

     题图来源：Pexels

     参考资料：

     [1] Yeung et al. (2019). A computer vision system for deep learning-based detection of patient mobilization activities in the ICU. Nature Digital Medicine, https://doi.org/10.1038/s41746-019-0087-z

     本文来自药明康德微信团队，欢迎转发到朋友圈，谢绝转载到其它平台。如有开设白名单需求，请在文章底部留言；如有其它合作需求，请联系wuxi_media@wuxiapptec.com。

     更多精彩文章：

     对抗罕见病的战场上，有AI的身影

     《MIT科技评论》年度十大突破性技术揭晓!哪些AI技术将引领2019？

     深挖数据!罗氏旗下AI医疗公司Flatiron Health拓展与FDA的癌症研究合作

     2019引领医疗健康的AI初创公司，都在这里了

     胰岛素使用的导航仪，d-Nav胰岛素管理APP通过FDA审批

     大家关注的公众号越来越多，找不到“药明康德AI”怎么办？简单四步，将“药明康德AI”设置为星标公众号，问题即可解决。

    

    

     点“好看”，分享AI健康新动态

    

    http://weixin.100md.com
返回 学术经纬 返回首页 返回百拇医药