救人于无形的“环境智能”，到底是一种什么智能？

相信大多数人，无论是自己生病住院，还是照顾亲人朋友而留宿医院，或多或少都有和医院打交道的经历。随着年龄渐长，我们和我们的亲人进出医院的机会便越来越多，去医院的次数多了，也就对医院就诊住院的流程熟悉了起来，如何挂号、如何排队、如何就诊、如何陪床，又是如何在医生查房时见缝插针地询问下病情……

在医院里，我们总是可以看到永远熙熙攘攘的医院大堂，各式各样的待诊患者，永远不够的病床，以及忙碌不已的医生护士。如果你看过一部小众美剧《周一清晨》的话，就可以感受到一个医生每天在面对各种病人和复杂病例中承担的压力，也能看到病人在每一次医疗救护中可能存在着的巨大的风险和问题。

现实中，除了面对越来越多的医疗纠纷问题，医院还面临着医护人员严重不足的现实挑战。现在，为应对这一挑战，人工智能正在作为一种全新手段补充到医院的医疗服务当中。当然，这些人工智能的手段不是我们熟悉的一些智能机器人或者一些智能诊疗，而是通过与医院整体治疗环境和设备融合而建立的“环境智能”。

不久前，斯坦福大学人工智能专家李飞飞和她的研究团队在顶尖学术期刊Nature发表了一篇题为《利用环境智能照亮医疗的黑暗空间》的论文，主要阐释了通过人工智能与非接触式传感器结合，以实现“环境智能”，以深度改善医疗****服务的潜在层面，从而提升医院等医疗机构的整体救护能力，提高医护人员的救治效率。

对于有着多次医院看护经历的我来说，看到“环境智能”这一概念时，我瞬间感觉这一次人工智能是真正用在了非常重要的场景。而这也是本文进一步介绍给更多读者的原因。

什么是环境智能？

环境智能，不是最近才提出的概念，如果追溯最早的源头的话，应该是1999年由欧洲的一个信息社会技术研究团队提出，用来描述智能终端设备和环境之间建立起的一种共生协作关系。环境智能最基础的条件就是需要有大量低成本、可联网、高便携性的传感终端设备的普及使用，其次就是这些终端设备所产生的数据能够被计算分析，从而为人类提供指导或决策信息。

二十年前，这一构想受限于当时终端设备的计算能力，大多处在各种尝试性实验阶段。而现在随着人工智能机器学习算法的进步以及非接触式传感器的普及，环境智能正在从设想走进我们日常的生活、工作的环境当中，实现在无接触交互的情况下，让智能设备在环境中感知人的存在，为人类提供智能化的服务。

在环境智能还未完全普及的当下，医疗服务和养老护理成为环境智能最为典型、收益显著，同时也最为容易推广的应用场景。

李飞飞团队的这篇论文，将需要环境智能介入的场景称为“医疗服务的黑暗空间”，这一比喻是指在大多数的医疗服务场景中，仍然存在着大量的医疗服务的盲点和难以察觉的救治细节，这些问题造成了大量病人病情的延误、加重，也造成了医疗资源的错配和浪费。

从论文中给出的数据可以看到，全球每年有超过1亿病人的感染发生在医院中，重症监护室的患者感染率更是高达30%；全球每年进行的超过2.3亿次外科手术中，高达14%的患者出现过不良反应，其中有很多病例是手术过程中有很多医疗物品滞留在患者体内造成。还有更多的情况发生在病房探望病人时，或者由于病房查看不及时而造成的病情加重而导致ICU病患的增加。据一项多机构的调查，由于临床决策和医疗活动中的失误和缺陷，美国每年有多达40万人因此而死亡。

这些对于政府和医疗机构而言是沉重的医疗经费负担，而对于每一个病人而言则是沉甸甸的生命和健康安全。

现在，借助“AI Sensors”，将人工智能算法、智能传感器以及相关技术应用到医疗诊疗场景和病房看护场景中，将会为智慧医疗的实现提供全新可能。下面我们将介绍论文中提供的几种环境智能实现的AI医疗解决方案和日常生活的应用方案。

救人于无形的AI智慧医疗

环境智能是如何应用到医院场景当中的呢？

从李飞飞团队的研究中，我们看到目前医院场景中主要采用的非接触式智能传感器设备包括：用于测量目标物体距离的深度感应器、测量表面温度的温度传感器、测量距离和速度的无线电传感器和测量空气压力所产生声波的声传感器。

依靠这些非接触式传感器嵌入医院环境中所形成的一种环境智能，类似于现在的智能自动驾驶系统，可以帮助临床医生和护理人员，提供一些有效的临床决策信息，优化其行为模式，提供尽可能无差错的医疗****服务。

根据论文示例，环境智能在改善临床诊疗流程上，其研究算法的可行性和有效性被证实，特别是改善重症监护室（ICU）和手术室的医疗安全上，有着比较明显的提升。

在重症监护室场景中，环境智能发挥的一大作用就是通过现场监测来辅助患者运动。

根据统计，美国的ICU系统每年花费是在1080亿美元，占了医院总费用的30%。而在重症患者中，出现神经肌肉损害会两倍地增加年均死亡率，并且使患者住院费增加30%。

现实的问题就是医生或护理人员很难发现并辅助患者及时运动，以改善病人肌肉状况。而研究人员给出一种开创性方法，就是在ICU中安装环境传感器，可以准确来观察和理解重症患者所需要的细微而连续的运动数据。研究人员通过采集重症患者视频数据，并进行大量神经网络训练后，使得机器学习算法可以对患者的不同的运动需要（床上、床外、步行）等进行准确预估和指导，其准确性要优于医生的人工检查。

（编辑：ASP站长网）