一种新的可穿戴AI系统能够在实时预防药物错误，提供了一种变革性的解决方案，以改善临床环境中的患者安全。（图片来源：CC BY-SA 4.0）
防止可避免的患者伤害仍然是医疗保健领域的一个紧迫问题，其中药物错误构成了重大威胁。据估计，在美国每年因药物错误导致的死亡人数在14万至44万人之间。与药物管理相关的不良事件占了这一数字的很大一部分，尤其是在像手术室和重症监护病房这样的高风险环境中。仅注射药物每年就影响到120万住院患者，产生了51亿美元的成本。
药物管理错误发生在各种医疗环境中，包括手术、急诊科和初级护理。研究表明，所有给药中约有5%到10%涉及某种形式的错误。在麻醉学中，这些错误是最常报告的关键事件，41%的不良事件发生在手术室内。特别是注射器和小瓶互换错误尤为令人担忧，20%的错误发生在选择错误的小瓶或标签错误的情况下。另外20%的错误是在正确药物被贴上标签但未按规定方式给药时发生的。
视频片段的静态图像展示了AI如何实时识别医生手中持有的物品。（图片来源：UW Medicine）
小瓶互换错误通常发生在准备静脉注射时，当医护人员将药物从小瓶转移到注射器的过程中。在这种情况下，错误标记或选择错误的小瓶可能导致严重伤害甚至死亡。这种类型的错误在儿科、急诊医学和康复部门都有记录。令人担忧的是，在普通病房中，只有2%的此类错误在到达患者之前被拦截。
医疗机构已经采取了几项措施来减少药物错误。这包括使用颜色编码标签、大写字母标注药品名称差异以及标准化的安全协议。预填充注射器和条形码扫描也被用来降低风险。然而，这些方法往往需要医护人员的积极参与，而他们为了节省时间可能会绕过这些安全机制。研究表明，高达62%的医护人员在给药过程中会绕过既定的安全机制，使得错误的可能性增加了三倍。这凸显了急需一个可以无缝集成到临床工作流程中并提供实时检查的系统。
一项突破性的解决方案是以可穿戴相机系统的形式出现，旨在检测和防止小瓶互换错误。该系统由研究人员使用深度学习算法开发，可以在实时识别注射器和小瓶标签。通过分析头戴式摄像机捕捉的视频片段，该系统可以比较注射器和小瓶标签以检测不匹配情况，在药物给药前发出警报。
该可穿戴系统在一个大型药物准备事件数据集上进行了测试，表现出色。它在识别小瓶互换错误方面的敏感性达到了99.6%，特异性为98.8%。这意味着该技术可以作为可靠的二次检查手段，及时提醒医护人员，从而防止潜在的灾难性错误。
研究人员收集了大量数据来训练AI模型，包括在真实手术室环境中捕捉麻醉师准备药物的4K视频。在超过55天的时间里，两个医院和17个手术室共记录了418次药物抽取事件。视频数据集涵盖了光照条件、医护人员操作技术和药物类型的多样性，确保了模型的鲁棒性训练。
头戴式摄像机（GoPro Hero8）安装在头带上，并由外部电池包供电。b 使用可穿戴摄像机系统记录药物准备事件。c 将咪达唑仑小瓶中的药物转移到带有昂丹司琼标签的注射器中。（图片来源：UW Medicine）
与需要手动交互的条形码扫描不同，可穿戴系统被动地分析视觉线索，如小瓶盖颜色、标签字体大小和注射器形状。这一功能在动态临床环境中特别有价值，因为医护人员工作迅速，可能不会完全暴露标签。
AI模型还能够区分前景中的药物和背景中的无关物品，专注于正在准备的药物。
凯利·米歇尔森博士（Kelly Michaelsen），麻醉学教授兼研究共同负责人，强调了在错误发生前预防的重要性。“能够在实时帮助患者或防止药物错误发生是非常强大的。”她说道。米歇尔森补充说，尽管完美的准确性是一个理想目标，但系统的性能超过了大多数麻醉师期望的95%阈值。
计算机科学教授、另一位合著者Shyam Gollakota指出了训练AI模型的挑战。“特别具有挑战性的是，手术室里的人手持注射器和小瓶，而你无法完全看到这两个物体。”他解释道。尽管存在这些障碍，该系统分析部分视图和快速手部动作的能力展示了其复杂性和可靠性。
可穿戴相机系统代表了患者安全方面的重要进展。通过提供实时反馈，它有可能改变手术室、重症监护病房和紧急情况下的药物管理实践。
研究人员设想更广泛地应用AI和深度学习技术于医疗保健领域，以提高各种临床工作流程的安全性和效率。
这项发表在npj Digital Medicine上的研究强调了AI驱动解决方案在解决关键医疗挑战方面的变革潜力。研究团队包括来自卡内基梅隆大学和麦克雷雷大学的专家，希望他们的工作能激发该领域的进一步创新。
随着医疗系统继续面临日益增长的需求，像可穿戴相机系统这样的技术为未来提供了有希望的方向。通过将先进的AI能力整合到日常临床实践中，医疗界可以减少可预防的伤害，提升患者的治疗效果。
虽然仍存在挑战，但这些创新带来的潜在好处使其成为未来医疗投资的值得选择。
(全文结束)
