在新生儿护理中，准确记录出生时间（ToB）至关重要，因为它直接影响复苏工作的有效性。大约10%的新生儿需要帮助呼吸，而5%的新生儿需要适当的通气，出生窒息仍然是新生儿死亡的主要原因之一。然而，传统的ToB记录依赖于医护人员的手动记录，这会因延迟和人为错误导致不一致。
一项名为“AI-Based Thermal Video Analysis in Privacy-Preserving Healthcare: A Case Study on Detecting Time of Birth”的开创性研究，由挪威斯塔万格大学和Laerdal Medical AS的研究人员Jorge García-Torres、Øyvind Meinich-Bache、Siren Rettedal和Kjersti Engan提出了一种基于AI的解决方案，利用热成像自动检测ToB。该方法不仅提高了准确性和效率，还通过避免使用可识别的视觉数据来确保隐私。研究表明，AI模型达到了91.4%的精确度和97.4%的召回率，成功地在中位偏差1秒内检测到ToB，相比手动注释提供了一个新的新生儿复苏记录标准。
AI赋能热成像技术：新生儿护理中保护隐私的创新
传统ToB记录方法依赖于护士或助产士的手动记录，通常精确到分钟级别。这种不精确性可能会影响遵循新生儿复苏算法活动（NRAA）的能力，这些活动要求在出生后的“黄金一分钟”内进行干预，以提高新生儿的存活率。为了解决这一问题，该研究提出了一种基于视频的AI系统，能够自动、准确、实时地检测ToB。
与处理RGB或灰度图像的传统视频AI模型不同，该系统使用热成像，捕捉热量排放而不是可识别的面部或身体特征。通过利用红外（IR）成像，该系统确保了患者的隐私，遵守如《通用数据保护条例》（GDPR）等法规，同时保留关键的出生事件数据。
该研究是NewbornTime项目的一部分，旨在开发一个全自动的AI驱动新生儿护理系统。它基于之前使用单个热帧进行ToB估计的研究，但缺乏时间上下文。通过引入时空AI模型，研究人员通过分析运动动态和温度变化而非仅依赖静态图像，提高了准确性。
AI如何在热成像视频中检测出生时间
该研究使用了挪威斯塔万格大学医院录制的321段分娩视频，采用天花板安装的热成像相机。当温度超过30°C时，这些相机被触发，确保只捕获相关数据。AI模型使用滑动窗口方法进行训练，每个视频秒数在一个3秒的时间序列中进行分析。
为了确保精度，研究人员开发了一种自适应高斯混合模型（GMM）归一化技术，过滤掉由室温波动或传感器自动校准引起的无关温度变化。这种方法提高了AI持续识别新生婴儿出现时较高温度的能力。
然后，系统应用基于深度学习的视频分析，使用三种不同的卷积神经网络（CNN）架构：I3D、X3D和MoViNet。在这三个模型中，MoViNet-A2表现最佳，实现了最高的精确度（91.4%）和召回率（97.4%），确保它可以最小化假阳性和假阴性地检测到ToB事件。
基于AI的ToB检测性能和临床影响
该研究测试了AI模型准确检测ToB和减少新生儿复苏记录差异的能力。结果显示，96%的测试案例被正确识别，中位绝对偏差为1秒，相比手动注释有显著改进。传统方法由于分娩室的混乱性质，手动记录可能会延迟。
通过实施置信阈值机制，该系统减少了假阳性，确保不会误将分娩室中的其他运动识别为ToB。系统中使用的有限脉冲响应（FIR）滤波器进一步优化了概率评分，减少了噪声并提高了检测准确性。
基于AI的系统的临床优势包括更准确的新生儿复苏时间线，确保干预措施在至关重要的“黄金一分钟”内进行。此外，自动化和无偏见的ToB记录减少了手动记录延迟引起的错误，提高了医疗记录的准确性。该系统还通过提供可靠的新生儿复苏性能评估数据，增强了产后研究和总结。重要的是，它在敏感的医疗环境中维护了隐私合规性，不依赖于可识别的视频片段，确保患者保密。
挑战、未来改进和更广泛的应用
尽管该系统前景广阔，但研究指出了挑战和改进领域。一个问题是在某些产妇分娩姿势（例如四肢着地分娩）下，可见性降低，使检测更加困难。未来的工作可能涉及结合热成像和常规视频以提高鲁棒性。
另一个限制是在新生儿部分被医务人员遮挡的情况下可能出现漏检。一种可能的解决方案是集成一个回退系统，使用基于图像和视频的AI模型，允许更全面的分析。
展望未来，研究人员计划将这种基于AI的ToB检测系统整合到一个更大的AI驱动新生儿护理框架——NewbornTimeline中，该框架不仅跟踪出生事件，还包括复苏活动。这可能会彻底改变新生儿护理，为临床医生提供实时决策支持。
除了新生儿护理，基于AI的热成像视频分析的概念在其他隐私敏感的医疗环境中也有潜在应用，如急诊室跟踪关键患者运动、老年人护理中的跌倒检测以及手术监测中的无侵入式记录。
推进新生儿护理的AI和热成像技术
该研究代表了在新生儿护理中使用AI自动化的重大进展。通过利用热成像和深度学习，研究人员开发了一个符合隐私要求、高度准确的ToB检测系统，增强了临床决策和新生儿复苏时间线。
该系统具有超过97%的准确率，有可能彻底改变新生儿复苏数据的记录方式，最终改善婴儿的医疗结果。随着AI在医疗保健领域的不断发展，像热成像这样的隐私保护技术将在确保患者保密性和提高医疗效率方面发挥重要作用。
这一突破突显了AI在变革新生儿护理中的日益重要作用，并为全球医疗保健环境中更可靠、高效和合乎伦理的AI应用铺平了道路。
(全文结束)
