尽管现代医学已取得了巨大的成就，但每年仍有多达25万美国人死于医疗事故，是车祸死亡人数的6倍多。

　　AI领域的权威专家李飞飞表示，就像基于计算机视觉的驾驶辅助系统可以提高道路交通安全一样，应用在智能医疗领域的AI技术有助于在医疗活动中预防和避免一些死亡事故的发生。

　　斯坦福大学计算机科学教授兼斯坦福以人为本人工智能研究院（Stanford Institute for Human-Centered Artificial Intelligence）联合主任李飞飞在最近的NVIDIA GTC上发表演讲时表示：尽管医疗机构已经制定了规程来避免手术器械遗漏、药物处方错误、临床医生不在场时的病人安全等问题的发生，但在实际操作过程中仍然可能会出现各种各样的错误。只要是人，就都会犯错。”

　　李飞飞表示，通过在医疗机构部署智能传感器和机器学习算法，便可以帮助临床医生减少医疗错误并提高护理服务的质量。

　　“我们必须通过传感器数据来分析察觉到的问题，因此需要利用机器学习和深度学习算法，将传感器数据转换成专业洞察，这对保证病人的安全至关重要。”她补充道。

　　传感器解决方案为临床医生带来智能环境

　　十年前，李飞飞在照顾生病的父母时，开始思考如何将AI用于医疗服务。

　　“我在重症监护室和病房，甚至在家里照顾家人的时间越长，我就越能感受到自动驾驶技术和智慧医疗服务之间的相似之处。”

　　她在《自然》期刊上发表的一篇论文中，概述了由传感器驱动的“环境智能”的愿景。这篇文章涵盖了医院和家庭两种环境，深入分析了如何将这项技术应用于手术室以及慢性病患者的日常生活空间。

　　例如，重症监护室病人需要一定量的运动来帮助康复。为了确保病人获得适当的运动量，研究者正在开发一种智能传感器系统，以将其用于自动标记病人的活动并了解他们在重症监护期间的运动水平。

　　另一个项目使用了深度传感器和卷积神经网络，可评估临床医生在进入和离开病房时是否正确洗手。

　　日常生活中，随着全球人口的老龄化趋势加剧，可穿戴式传感器可以通过监测移动、睡眠和医嘱依从性来帮助老人保持健康。

　　李飞飞表示，下一个挑战是推动计算机视觉的发展，对更复杂的人类活动进行分类。

　　“我们不满足于捕捉和分析步行、睡觉等幅度比较大的运动。在临床上，检测和分析人体微动则更加重要。”

　　保护患者和护理人员的隐私

　　李飞飞表示，在设计应用于智能医院的技术时，开发者必须优先考虑病人、临床医生和护理人员的隐私与安全。

　　“在计算机视觉中，当出现人体信号时，模糊和遮罩就变得越来越重要。它们是防止私人信息和个人身份被意外泄露的重要方法。”

　　在数据隐私方面，李飞飞表示联邦学习是保护机密信息的另一个非常有发展前景的解决方案。

　　她认为，在为医疗机构开发AI应用的整个过程中，开发者必须采取多方利益相关者共同参与的方法，让病人、临床医生、生物伦理学家和政府机构都加入到协作环境中。

　　“归根结底，医疗服务的核心是人与人之间的关爱。这项技术不应该取代我们的护理人员、家人或者护士和医生。它的存在是为了提高和加强医疗服务的人性化水平，并给予病人更多的尊严。”