药物错误——即给患者使用了错误的药物或剂量——是医学中最为常见的错误之一。尽管持续努力改善患者安全，但估计至少每20名患者中就有一人会经历医疗错误。其中最常见的错误类型之一是药物错误，即由于某种原因，患者被给予了错误剂量的药物或完全错误的药物。据世界卫生组织统计，在美国，这些错误每年导致约1.3万人受伤，并且每天造成一人死亡。
作为回应，许多医院引入了各种防护措施，从使类似名称的药物更容易区分的颜色编码方案，到验证正确药物是否已给予正确患者的条形码扫描仪。
“在创伤情况或患者状况不佳时，我们真的需要尽快将急救药物注入患者体内，”西雅图UW Medicine的护士麻醉师John Wiederspan说。“这就是错误可能发生的时候，当你慌乱、肾上腺素飙升，正在抽取药物并试图推注时。”
尽管采取了这些措施，药物错误仍然频繁发生。
“我读过一些研究，说基本上90%的麻醉医师承认在职业生涯中的某个时刻犯过药物错误，”Wiederspan的同事、华盛顿大学麻醉学和疼痛医学助理教授Kelly Michaelsen博士说。她开始思考新兴技术是否能提供帮助。
作为一名医疗专业人员和训练有素的工程师，她认为利用人工智能识别即将发生的错误并在实时提醒麻醉医师应该是可行的。“我觉得这应该不是太难的事情，”她说。“我们使用的注射药物中，大约90%都是这10-20种药物，所以我的想法是，我们可以训练一个人工智能来识别它们，并充当第二双眼睛。”
研究
Michaelsen专注于小瓶交换错误，这类错误占所有药物错误的约20%。
所有注射药物都装在标有标签的小瓶中，然后转移到手术室药品车上的标有标签的注射器中。但在某些情况下，有人选择了错误的小瓶，或者注射器标签错误，结果患者被注射了错误的药物。
在一个特别臭名昭著的小瓶交换错误案例中，一名75岁的妇女在田纳西州范德比尔特大学医学中心接受治疗时，被注射了致命剂量的麻痹药物维库溴铵，而不是镇静剂咪达唑仑，导致她的死亡和随后的高调刑事审判。
Michaelsen认为，这样的悲剧可以通过“智能眼镜”来预防——在手术期间所有工作人员佩戴的防护眼镜上增加一个AI驱动的可穿戴摄像头。与她在华盛顿大学计算机科学系的同事们合作，她设计了一个系统，可以扫描周围环境中的注射器和小瓶标签，读取它们并检测它们是否匹配。
“它会放大标签，检测到注射器内含有丙泊酚，但小瓶内含有昂丹司琼，因此会发出警告，”她说。“或者两个标签相同，那么一切正常，继续你的工作。”
构建这个设备花了Michaelsen和她的团队三年多的时间，其中一半时间用于获得批准，以便使用预先录制的视频流，记录麻醉医师在手术室内正确准备药物的过程。一旦获得批准，她就可以用这些数据训练AI，再加上在实验室环境中故意制造错误的额外镜头。
“手术室里有很多警报疲劳的问题，所以我们必须确保它非常有效，能够近乎完美地检测错误，这样在实际使用时就不会产生误报，”她说。“出于明显的伦理原因，我们不能在有患者参与的情况下故意犯错，所以我们是在模拟手术室中进行的。”
在去年年底发表的一项研究中，Michaelsen报告说，该设备检测小瓶交换错误的准确率为99.6%。剩下的就是决定如何传达警告信息，等待食品和药物管理局的批准即可投入使用。这项研究没有得到AI技术公司的资助。
所有注射药物都装在标有标签的小瓶中，然后转移到标有标签的注射器中。
“我倾向于采用听觉反馈，因为像GoPro或Google眼镜这样的头戴设备都有内置麦克风，”她说。“只需一条简短的警告信息，确保人们停下来确认他们正在做的事情。”
Wiederspan已经测试了这个设备，并表示他对这种设备提高患者安全性的潜力感到乐观，尽管他描述目前的GoPro头戴设备有点笨重。
“一旦它变得更小巧一点，我认为会有更多的麻醉医师愿意使用它，”Wiederspan说。“但我认为这将非常好。任何能让我们的工作更轻松一点，发现潜在错误并帮助我们将注意力重新集中在患者身上的东西都是好事。”
这不是万无一失的
长期以来，患者安全倡导者一直在呼吁实施防止错误的人工智能工具。加州大学洛杉矶分校健康麻醉科副主任Dan Cole博士兼麻醉患者安全基金会主席将这些工具减少风险的潜力比作自动驾驶汽车对道路安全的改进。
虽然Cole对UW的研究和其他旨在防止药房处方和配药错误的人工智能研究项目感到鼓舞，但他表示，关于如何将这些技术最有效地整合到临床护理中仍存在疑问。
“UW试验的想法确实是一个突破，”他说。“就像无人驾驶出租车一样，我现在有点不愿意使用这项技术，但基于其提高安全性的潜力，我相信将来我会使用它。”
来自安大略省的患者安全倡导者Melissa Sheldrick在2016年因药物错误失去了8岁的儿子Andrew，她也表达了类似的观点。
在去年年底发表的一项研究中，Michaelsen及其团队报告称，该设备检测小瓶交换错误的准确率为99.6%。
Sheldrick说，虽然技术可以发挥作用，但许多医疗错误的根本原因是多种因素造成的，包括沟通不畅以及关键数据被隔离在不同的医院部门或系统中。
“技术是安全的重要一层，但它只是一层，不能依赖它作为万无一失的保障，”她说。
其他人则认为，人工智能可以在防止错误方面发挥关键作用，特别是在手术室和急诊室等高压环境中，增加检查清单和要求更高的警惕性已被证明无法阻止错误。
“这些干预措施要么增加了摩擦，要么要求已经在过度负担下的医护人员保持完美的注意力，而现实往往是混乱的，有许多干扰和竞争优先事项，”波士顿大学Chobanian & Avedisian医学院助理教授Nicholas Cordella博士说。“AI启用的摄像头允许被动监控，而不增加医护人员的认知负担。”
人工智能只会被更多地使用
人工智能工具可能会被部署以防止更广泛情况下的错误。在UW Medicine，Michaelsen正在考虑扩展她的设备，以检测注射器中药物的体积，作为一种防止低剂量和高剂量错误的方法。
“这是另一个可能导致伤害的领域，尤其是在儿科，因为在同一科室里，患者的体型差异可能达到百倍，从新生儿早产儿到超重的18岁青少年都有，”她说。“有时我们需要稀释药物，但在稀释过程中容易出错。这种情况不会发生在每个患者身上，但我们每天要这样做很多次，涉及很多人，因此有可能有人会受到伤害。”
Wiederspan表示，他还看到了AI驱动的可穿戴摄像头在急诊室和病房中用于防止口服药物错误的可能性。
可穿戴摄像头扫描周围的注射器和小瓶标签，读取它们并检测它们是否匹配。
“我知道Kelly目前正在研究静脉药物的使用，但如果它可以调整为适用于口服药物，我认为这也会有所帮助，”Wiederspan说。“我以前在心脏科工作，有时这些患者需要服用大量药物，一个小杯子里装满了各种药片。所以也许AI也可以在那里发现错误。”
当然，医院更广泛地使用人工智能还伴随着数据保护和隐私问题，特别是如果技术碰巧扫描到了患者的面部或包含其医疗信息的屏幕或文件。在UW Medicine的情况下，Michaelsen表示这不是问题，因为该工具仅训练识别注射器标签，并不主动存储任何数据。
“隐私问题是始终开启的被动摄像技术的重大挑战，”Cordella说。“需要有明确的标准和监控违规行为的机制，技术的引入应完全透明，让患者和医护人员了解。”
他还指出，可能存在更隐蔽的问题，例如医护人员过度依赖AI，降低自己的警惕性，忽视传统的安全实践。
“这里还有一个潜在的滑坡效应，”Cordella说。“如果这项技术在药物错误检测方面证明成功，可能会有压力将其扩展到监控医护人员的其他行为，引发关于支持性安全工具和侵入性工作场所监控之间界限的伦理问题。”
尽管人工智能进入医院的前景无疑需要严格的监督，但许多在手术室工作的人都认为，它具有巨大的潜力，可以帮助保持患者的安全，并在关键时刻为医务人员争取宝贵的时间。
“在紧急情况下，你试图输血、给予救命药物、监测生命体征，试图迅速完成这些过程，”Wiederspan说。“我认为这种可穿戴技术在这种情况下可以真正发挥作用，帮助我们节省宝贵的几秒钟，并创造更多时间让我们真正关注患者。”
(全文结束)
