每年約有40萬美國人死於醫療事故。近期一份發表在《自然》期刊上的審議報告認為，使用電子感應器和人工智能系統，可以在尊重病患隱私的基礎上，改善醫護人員監控病患的效果，從而挽救很多因為照顧疏忽而失去的生命。
斯坦福大學臨床卓越研究中心（CERC）主任米爾斯坦（Arnold Milstein）與幾位合作者共同撰寫的一份審議報告，對「環境情報」（ambient intelligence）技術進行了審議。
「環境情報」技術是近年來開始發展的、由多領域合作創造的人工智能病房護理系統。比如，感應器和人工智能系統結合偵測醫護人員或探視者在進入病房前是否進行了手部消毒，發出警訊。這類系統還可以與居家護理、養老院的環境結合，在受監護者行動出現異常的時候發出警訊。
米爾斯坦和同事在這個領域已經進行了八年的合作，是多個在這個領域開發人工智能護理系統的團隊之一。2018年，約二千四百萬美國人需要醫院提供夜間護理，很小的疏忽有時就造成患者的死亡。
「我們面臨的是複雜的床邊護理需要。」米爾斯坦說：「近期一項統計顯示，一家醫院的新生兒重症監護室每天每位病患需要醫護人員600個床邊護理操作。如果沒有輔助技術，要完成這樣大量的複雜的操作很難做到完美，即使是最有責任心的團隊也難免出差錯。」
哈克在這份審議中綜合了170份研究論文，總結說這個領域目前主要使用了兩種技術，一是紅外感應器，這成本不高，適用於高風險護理環境；另外是基於人工智能的系統，通過感應器輸入的數據訓練人工智能系統。
紅外感應器也有兩個類型，一類是主動感應器，就是像電視機遙控器那樣主動發射不可見光束。除了像遙控器這樣單向的不可見光束，新系統也結合人工智能，從光束彈回的時間，構建出人體或物體的立體形象，類似激光雷達繪製地圖的方法。
這種紅外深度感應器已經在醫院之外的地方投入使用，比如上面提到的偵測進入病房的人士是否已經消毒過手部。在斯坦福大學進行的一項實驗中，研究人員在病房門邊掛了一個平板電腦，當人們沒消毒手部進入病房的時候，顯示屏將顯示紅燈。研究人員在聽取了醫護人員的意見後，採用了這種視覺信號提醒的方式，而不是採用發出警訊聲音的信號。因為醫療專業人員表示，病房環境下發出警訊信號的設備太多了，視覺信號效果更好。
另一個類型是被動紅外感應器，類似使用紅外夜視鏡，通過感應接收人體熱量產生圖像。比如在重症監護室內病床上方安裝一個熱感應器，配合人工智能系統偵測患者是否出現異樣，諸如身體抽搐等意外狀況，代替現在醫護人員不停地查房監護。
這樣的輪廓式畫面已足以達到監控患者是否出現意外的目的，而無需高分辨率照片，保護病人的尊嚴和隱私。
另外，利用這種監控技術在居家護理環境也很有用，當老人或病人突然出現行動遲緩、進食失去規律等情況時，有可能是跌倒、情緒出現抑鬱等症狀，提醒護理人員干預。
現在研究人員正在開發人體行為活動的偵測算法，以更準確地在大量的日常紅外感應數據中發現異常。
這份審議報告說，在居家護理和養老院的環境下，受護理人的尊嚴和隱私很重要，「對這些技術的初步審議結果證實，環境感應技術能為我們減少醫療失誤。」米爾斯坦說：「這份審議顯示這個領域正朝著正確的方向發展。」
