李飞飞最新演讲：照亮医疗暗处，AI 如何保证对病人的“零伤害”

年度订阅用户可加入科技英语学习社区，每周科技英语直播讲堂，详情查看“阅读原文”

作为斯坦福大学的 AI Lab 主任、谷歌云的首席科学家和谷歌 AI 中国中心主任，李飞飞正在帮助推动全球人工智能革命，她的动态也长期受到人们的关注，而最近，她常提的一句话是，发展“以人为本的 AI ”。

 

这句话也出现在李飞飞昨日于清华 AI 研究院成立仪式上的演讲中。李飞飞在基础理论研究上的成绩已经广为人知，但在昨天的演讲中，她分享的则是她的团队在 AI“以人为本”应用上一个很特别的探索——AI辅助医疗中的环境感知智能（ambient intelligence in AI-assisted healthcare）。

图丨李飞飞出席清华AI研究院成立仪式并发表演讲

如今，人工智能在医疗领域的应用已经非常丰富，包括电子病例、医学影像识别、基因组学和药物发现等。但人们其实忽略了一个非常重要的盲区，那就是医疗保健服务进行时的物理环境：无论是医院、诊所还是存在辅助医疗设施的空间。

 

在整个医疗过程中，这些提供医疗保健的空间其实非常关键，一方面关系到整个治疗的成本，一方面更能影响发病率和死亡率。

 

早在1999 年，美国医学研究所（the Institute of Medicine）就发布了一份关于医院内危害病人健康风险的报告《To Err is Human》，该报告让公众意识到，我们需要注意医疗环境中出现的问题。

 

图丨to err is human

针对这类问题，李飞飞和她的团队认为，ICU 等医院环境中其实可以允许一种非常规的“人工智能”的存在，这种人工智能能够自动实现对环境与病人治疗需求的感应，例如能够通过防止诸如病人跌倒、卫生感染、海绵意外留在病人体内等可避免的错误，从而挽救更多的生命。

 

李飞飞提出，创造这样的医疗环境智能 AI 需要三个因素：赋予医疗空间感知能力，AI 对人类活动的视觉理解，整合可用的临床数据。

 

图丨AI辅助医疗中的环境感知智能的三大关键要素

在赋予医疗空间感知能力的问题上，研究团队考虑到隐私的顾虑，这里没有使用常规的视频相机，而是使用了深度传感器和热传感器来收集数据。其中，深度传感器可以收集反射的红外信号创建轮廓图像，而热传感器则负责揭示运动中的人体外形的热图。目前也有很多研究者正在探索综合应用多种图像感知能力的方法来准确识别人类的行为。

 

李飞飞称，这个研究的灵感其实来自自动驾驶。如果计算机视觉可以检测到驾驶员的危险变道并安全控制车辆转向，那么它能否能用以检测同样重要的临床行为，或病人活动中的意外偏差？

 

两者的共同点是都需要识别人类的行为，对于人类活动的理解，也一直是计算机视觉中的核心问题。得益于深度学习这种使用多层神经网络的机器学习方法，这种理解不再是幻想，现在，研究人员已经训练了一个检测手部清洁活动的神经网络。要知道，即使是简单的手部清洁，也有可能最终导致疗法偏离预期。

 

事实上，李飞飞领导的团队在 5 年前就已经开始了相关的研究，如今也取得了很多成果。李飞飞希望，未来能够在医疗环境中使用基于计算机视觉的 AI，来理解并帮助需要进行复杂护理的临床医生。

 

她认为，这样的 AI 应用是非常必要的。因为迄今为止，很多医疗环境仍未达成对病人零伤害的目标。

 

而李飞飞和她的团队相信，通过加入 AI 技术的辅助，改进临床过程，甚至是能将医疗环境数据整合到更广泛的临床数据生态系统中，计算机视觉能成为临床治疗的一大援手，我们会真正接近对病人零伤害的极限。

-End-