计算机视觉专家开发了一套全天候视频监测系统,可追踪患者活动,帮助医生识别谵妄的细微迹象。
重症监护室(ICU)的患者身边环绕着维持生命的设备,但许多人都会出现一种经常被忽视的意识混乱状态,医生称之为谵妄。这是ICU患者最常见的并发症之一,在使用呼吸机的患者中尤为多见;如果不加干预,它会导致认知功能障碍,并增加死亡风险。然而,由于一线医生通常每天只检查患者几次,谵妄的早期迹象往往无法被发现。具有讽刺意味的是,这种疾病最严重的表现其实是缺乏活动,因此几乎不可能通过传统的问答方法发现。
在这一背景下,一支由计算机视觉专家和医生组成的团队着手开发一套由人工智能驱动的ICU视频监测系统。 该系统名为TRACER (Trajectory Reasoning Across Clinical Event Records,跨临床事件记录的轨迹推理),能够全天24小时监测ICU。TRACER将患者的电子健康记录与持续视觉分析相结合,追踪患者的动作,并评估其活动如何随时间变化。该团队的研究部分由斯坦福大学以人为本人工智能研究院(HAI)资助。
“TRACER可以帮助医生和护士更好地了解患者在住院期间的行为发生了怎样的变化,并就此提出问题。”共同第一作者 赞恩·杜兰特说道。他是一名博士生,导师是 李飞飞——计算机科学教授兼计算机视觉专家——以及 埃赫桑·阿德利——精神病学与行为科学助理教授。“结合患者病历中的信息,TRACER能够帮助了解患者的身体状况,将其与患者随时间变化的精神状态和人类行为对应起来,从而更快、更明确地提示谵妄的可能性。”
“这是针对实际问题提出的解决方案,并非拿着锤子到处找钉子。”共同第一作者 保罗·唐说道。他是一名医生,也是斯坦福大学 临床卓越研究中心的兼职教授。“大多数使用呼吸机的患者在ICU住院期间都会出现谵妄,而且许多人的认知障碍可能持续数年。通过及早发现谵妄迹象,TRACER有望促成能够改变患者一生的干预措施。”
全天候观察
TRACER配备了可查询的床旁视频查看器,旨在协助临床医生查房。通过这一界面,医疗团队可以提出问题、在时间线上查看患者活动、查阅患者病历中的用药和治疗数据、查看TRACER标记为需要人工评估的录像,并快速跳转至带时间戳的视频片段。
一套名为TRACER的新型人工智能系统会观看并分析连续多日的ICU床旁视频,帮助临床医生解答有关患者护理的具体问题。它逐小时追踪患者的动作、用药和行为,从而更全面地还原何时发生了什么。
“长期以来,我们的实验室一直致力于教会机器理解长视频中的人类行为,以帮助患者和临床医生。”资深作者李飞飞说,“将这种能力引入ICU,正是人工智能和计算机视觉能够造福人类的高影响力应用场景。”
发现谵妄的主要难题在于时间和注意力有限。在例行查房期间——每位患者通常只有几分钟——临床医生会通过询问一些基本问题来评估认知状态,例如: 今天是几号? 以及 谁是总统? 即使患者能够作答,谵妄也可能难以发现;而当患者无法作答时,发现谵妄几乎不可能。不过,TRACER团队表示,患者的动作中隐藏着反映其精神状态的重要指标,尤其是他们的 不活动状态 ,这些指标对该系统的分析方法至关重要。
由人工智能驱动、能够全天候“观察”并解读人体动作,同时综合书面和数值病历的视频监控系统提供了一种颇具吸引力的替代方案。然而,挑战在于如何处理如此庞大的数据量,包括存储需求以及分析数据所需的算力。一套TRACER系统包括两台对准ICU病床的摄像机,每天24小时以每秒15帧的速度生成高清视频。鉴于ICU患者的平均住院时间为三天半,并且为避免医护人员或患者遮挡视线而需要使用两台摄像机,最终产生的数据量相当可观。
研究人员通过减少需要处理的影像数量和采样频率来降低这些需求。TRACER仅审查由15种“原子动作”构成的较小数据子集。“原子动作”是指系统能够观察到的最小且有意义的行为,例如手移向面部、说话或静卧不动;系统每隔一分钟采样一次。随后,这些观察结果会被压缩成每小时报告,并以可视化方式覆盖整个住院期间,同时辅以人工智能智能体对患者健康记录的分析。在床旁,医生可以查询系统并查看视频,以评估患者活动并作出诊断。
“TRACER会持续分析视频和临床记录,以了解患者数日内的行为。临床医生随后可以通过TRACER的多模态界面查询患者活动,为决策提供支持。”共同第一作者 凯希盖扬·钱德拉塞加兰说道。他是一名博士生,导师是 李飞飞 和 胡安·卡洛斯·涅布莱斯.
TRACER包含报告、时间线、视频和电子健康记录工具,可为医疗团队提供协助。论文中,作者展示了一个语音查询工具的示例:医生向TRACER提问:“患者过去三天的行为发生了怎样的变化?”TRACER回答:“患者的活动在昨晚(晚8点至凌晨4点)达到峰值,此前的活动较为零散。”
前景可期的原型
在测试环境中,TRACER的动作检测准确率达到85%,正确回答医生查询的比例为61%。团队承认,这一结果令人印象深刻,同时也表明这个前景可期的原型仍有优化空间。值得注意的是,在一个由280名ICU患者组成的队列中,TRACER显示,谵妄筛查呈阳性的患者表现出明显较低水平的“目的性活动”,例如注视他人或与人交流。这一发现可用于在未来迭代中改进该系统。
研究人员特别强调,TRACER“无需训练”——它是一种即插即用的模型,能够理解任何ICU中不同患者群体的人类活动。随着新模型不断发展,它也可以轻松更新。TRACER的训练未使用任何患者数据,因此可以与其他ICU共享,而不会引发患者隐私方面的担忧。
“这是一个重要区别,”唐医生说道。“在基础模型上构建TRACER,旨在降低一次性解决方案无法很好地推广至其他机构的风险——这一直是临床人工智能面临的一项挑战。”
研究团队目前正在完善该平台,而TRACER预示着这样一种未来:计算机视觉和人工智能将提升临床能力,并把观察延伸至全天候,从而改变危重患者的评估、诊断和护理方式。
阅读预印本研究《TRACER:用于医院患者护理的多模态工具》。”
AI 热点