华盛顿大学的研究人员开发了一种基于AI的可穿戴相机，旨在在药物给药前自动检测潜在的临床用药错误。据最近发表在《npj数字医学》杂志上的一项研究显示，药物相关错误（如注射器和小瓶互换错误）是导致患者可预防伤害的主要原因之一，尤其是在手术室、重症监护室和急诊室。研究团队强调，药物管理错误是在麻醉中最常见的关键事件。
这些错误通常发生在静脉注射过程中。在将药物给予患者之前，临床医生必须将其从小瓶转移到注射器中。研究人员指出，大约五分之一的错误与替换有关，即注射器被错误标记或选择了错误的小瓶。同样数量的错误发生在药物被正确标记但错误给药的情况下。
虽然存在一些防护措施，例如读取和确认小瓶内容的条形码系统，但这些工具增加了临床医生的工作流程步骤，使得在高压力情况下可能会忘记检查条形码系统。
为了应对这一问题，研究人员试图创建一个能够更无缝集成以防止用药错误的工具。他们首先构建了一个深度学习模型，该模型能够在药物准备过程中识别注射器和小瓶上的药物标签。然后，该方法与GoPro相机结合，以创建一个潜在用药错误的实时警告系统。
该系统使用来自两家医院、17个手术室和13位麻醉提供者在55天内收集的4K视频数据进行训练。视频捕捉了提供者处理各种药物的注射器和小瓶的过程，这些视频后来被标注以帮助算法在视频和图像中识别它们。
训练模型面临独特的挑战，因为手术室的照明和设置各不相同。此外，系统必须能够确定可能未完全呈现给相机的小瓶或注射器的内容。
“这特别具有挑战性，因为在[手术室]中，一个人拿着注射器和小瓶，你无法完全看到这两个物体。有些字母（在注射器和小瓶上）被手遮住了。而且手移动得很快。他们正在工作，而不是摆姿势拍照，”论文的合著者、华盛顿大学保罗·G·艾伦计算机科学与工程学院教授Shyam Gollakota博士在新闻发布会上解释道。
该工具不是直接读取小瓶上的文字，而是扫描其他视觉线索，如标签字体大小、每个小瓶或注射器的大小和形状以及小瓶盖的颜色。该模型还能够区分前景中的药物并忽略背景中的药物。
经过训练后，该算法在常规护理期间进行的418次药物抽取的视频中进行了评估。该模型在检测小瓶互换错误方面的灵敏度达到99.6%，特异性达到98.8%。
研究团队得出结论，这些结果展示了可穿戴相机在减少用药错误和促进患者安全方面的潜力。
“能够在实时帮助患者或在用药错误发生前预防是非常强大的，”华盛顿大学医学院麻醉学和疼痛医学助理教授Kelly Michaelsen博士说。“人们可以希望达到100%的表现，但即使是人类也无法实现这一点。在对100多名麻醉提供者的调查中，大多数人希望该系统的准确率超过95%，这是我们已经实现的目标。”
(全文结束)
