李飛飛最新演講：照亮醫療暗處，AI 如何保證對病人的「零傷害」

來自專欄 DeepTech深科技

作為斯坦福大學的 AI Lab 主任、谷歌雲的首席科學家和谷歌 AI 中國中心主任，李飛飛正在幫助推動全球人工智慧革命，她的動態也長期受到人們的關注，而最近，她常提的一句話是，發展「以人為本的 AI 」。

這句話也出現在李飛飛昨日於清華 AI 研究院成立儀式上的演講中。李飛飛在基礎理論研究上的成績已經廣為人知，但在昨天的演講中，她分享的則是她的團隊在 AI「以人為本」應用上一個很特別的探索——AI輔助醫療中的環境感知智能（ambient intelligence in AI-assisted healthcare）。

圖丨李飛飛出席清華AI研究院成立儀式並發表演講

如今，人工智慧在醫療領域的應用已經非常豐富，包括電子病例、醫學影像識別、基因組學和藥物發現等。但人們其實忽略了一個非常重要的盲區，那就是醫療保健服務進行時的物理環境：無論是醫院、診所還是存在輔助醫療設施的空間。

在整個醫療過程中，這些提供醫療保健的空間其實非常關鍵，一方面關係到整個治療的成本，一方面更能影響發病率和死亡率。

早在1999 年，美國醫學研究所（the Institute of Medicine）就發布了一份關於醫院內危害病人健康風險的報告《To Err is Human》，該報告讓公眾意識到，我們需要注意醫療環境中出現的問題。

圖丨to err is human

針對這類問題，李飛飛和她的團隊認為，ICU 等醫院環境中其實可以允許一種非常規的「人工智慧」的存在，這種人工智慧能夠自動實現對環境與病人治療需求的感應，例如能夠通過防止諸如病人跌倒、衛生感染、海綿意外留在病人體內等可避免的錯誤，從而挽救更多的生命。

李飛飛提出，創造這樣的醫療環境智能 AI 需要三個因素：賦予醫療空間感知能力，AI 對人類活動的視覺理解，整合可用的臨床數據。

圖丨AI輔助醫療中的環境感知智能的三大關鍵要素

在賦予醫療空間感知能力的問題上，研究團隊考慮到隱私的顧慮，這裡沒有使用常規的視頻相機，而是使用了深度感測器和熱感測器來收集數據。其中，深度感測器可以收集反射的紅外信號創建輪廓圖像，而熱感測器則負責揭示運動中的人體外形的熱圖。目前也有很多研究者正在探索綜合應用多種圖像感知能力的方法來準確識別人類的行為。

李飛飛稱，這個研究的靈感其實來自自動駕駛。如果計算機視覺可以檢測到駕駛員的危險變道並安全控制車輛轉向，那麼它能否能用以檢測同樣重要的臨床行為，或病人活動中的意外偏差？

兩者的共同點是都需要識別人類的行為，對於人類活動的理解，也一直是計算機視覺中的核心問題。得益於深度學習這種使用多層神經網路的機器學習方法，這種理解不再是幻想，現在，研究人員已經訓練了一個檢測手部清潔活動的神經網路。要知道，即使是簡單的手部清潔，也有可能最終導致療法偏離預期。

事實上，李飛飛領導的團隊在 5 年前就已經開始了相關的研究，如今也取得了很多成果。李飛飛希望，未來能夠在醫療環境中使用基於計算機視覺的 AI，來理解並幫助需要進行複雜護理的臨床醫生。

她認為，這樣的 AI 應用是非常必要的。因為迄今為止，很多醫療環境仍未達成對病人零傷害的目標。

而李飛飛和她的團隊相信，通過加入 AI 技術的輔助，改進臨床過程，甚至是能將醫療環境數據整合到更廣泛的臨床數據生態系統中，計算機視覺能成為臨床治療的一大援手，我們會真正接近對病人零傷害的極限。

推薦閱讀：