打造視覺智能醫(yī)院技術解決方案是斯坦福及其世界各地的合作者多年以來的努力方向。

盡管還有很多的工作要做，但斯坦福希望該技術可以幫助醫(yī)院降低感染率，改善患者的健康狀況。

而就在11月15日，前谷歌人工智能中國中心負責人李佳已經(jīng)離開谷歌，并開始在斯坦福醫(yī)學院的新工作，希望去追求醫(yī)療等人工智能可以產(chǎn)生積極影響的事，以后能做一些對現(xiàn)實世界有影響的事。

目前，李佳已全職投身智能醫(yī)院項目，預計2019年正式運營。

1、利用視覺讓智能落地

人類對世界的認識及感知，有80％的信息來自于視覺，因此對視覺信息的搜集與處理，將成為人工智能下一階段最重要的技術引擎。

一直以來，AI技術被認為在醫(yī)療領域具有廣闊的應用前景。

未來，基于AI技術的應用能夠提高數(shù)以百萬計人的健康和生活質(zhì)量。

但是，AI技術在醫(yī)療領域的應用要取決于醫(yī)生，護士，病人對該技術的信任，獲得政策，法律法規(guī)，商業(yè)市場的支持。

同AI技術在其他領域的應用相同，數(shù)據(jù)資源起到舉足輕重的作用。

現(xiàn)今，主要從以下途徑獲取醫(yī)療數(shù)據(jù)：個人監(jiān)控設備和移動應用程序，臨床環(huán)境下的電子醫(yī)療記錄，及用于醫(yī)療程序與手術的輔助機器人。

在大量數(shù)據(jù)的支持下，該技術的主要應用包括醫(yī)療分析，支持臨床決策，監(jiān)控與輔導病人，能夠幫助手術或看護病人的自動化設備，醫(yī)療系統(tǒng)管理，研發(fā)醫(yī)療機器人，移動健康應用程序，老年保健等。

視覺智能將為醫(yī)院帶來突破性革命首先，AI可以減少醫(yī)院里的交叉感染。

美國醫(yī)院每年平均會發(fā)生9900起交叉感染，但上千年以來，醫(yī)院解決這個問題的唯一方式是配置觀察員。

這個方法無法全天候覆蓋，而且?guī)в兄饔^偏見。斯坦福試點了智能傳感器，從不同的角度認知衛(wèi)生活動，算法的精確程度大大超過人類觀察員。

第二，AI可以提高重癥監(jiān)護室（ICU）的效率和質(zhì)量。ICU是所有醫(yī)療活動中成本最高的部門，每年要消耗美國1％的GDP。

用AI檢測ICU里的病人活動，可以細節(jié)地了解病人的身體狀況，降低致命錯誤發(fā)生的概率。同時，這個方法兼顧了廉價和精準。

第三，AI可以幫助照顧老人。隨著世界范圍內(nèi)出現(xiàn)老齡化現(xiàn)象，未來養(yǎng)老的成本會越來越高。

李飛飛團隊在舊金山的老人家中進行了熱傳感器試點。不過，由于目前在這個領域缺乏訓練數(shù)據(jù)，科研團隊需要用其他方法解決AI的限制。

比如，他們開發(fā)出了一個專門識別跌倒的算法。

2、視覺嘗試運用在醫(yī)療之中

在斯坦福視覺智能試點醫(yī)院，在住院部裝了20多個深度傳感器，通過這個來監(jiān)控整個醫(yī)療人員的行為。

這是兩個不同的傳感器，可以看到這個人的進出，如果是紅色的就說明他沒有洗手，綠色的就是他有做洗手這個動作。

這個背后是需要一個計算機視覺的模型來觀測和計算這個人的動作的。

它分成兩步，第一步是對人類的跟蹤，每一個人他的流程和工作要通過這個傳感器跟蹤。

第二步是當他走到快進這個病人的門的時候，他有沒有做洗手這個動作，這一步叫動作檢測，這是一個通過深度學習的模型來做的一個判斷。

計算機視覺在臨床應用上的價值將會得到證明，計算機視覺注定將在臨床分析的醫(yī)療圖像篩查方面站穩(wěn)腳跟。

斯坦福研究發(fā)現(xiàn)：計算機視覺在分類良性和惡性皮膚病變上的表現(xiàn)可以媲美21位經(jīng)過認證的皮膚科醫(yī)生。

還有一些小型研究也在放射影像和病理學影像的解讀上得到了類似的早期進展。

這種使用來自環(huán)境傳感器的數(shù)據(jù)的計算機視覺在評估病床邊行為上有相對于當前系統(tǒng)的結(jié)構(gòu)性優(yōu)勢，比如觀察手部清潔合規(guī)性或讓護士觀察醫(yī)生是否按照規(guī)范進行了中心線插入。

環(huán)境計算機視覺可以不停止地工作且不會疲勞，而且運行的可變成本非常低，也不受不完美的安全文化的影響。

因為基于計算機視覺的識別系統(tǒng)可以被訓練用來識別不同的病床邊活動，所以如果與電子病歷整合到一起，可能還能免去臨床醫(yī)生的讓人沮喪的文檔和數(shù)據(jù)錄入任務，從而讓他們能專注以病人為中心的活動。

3、視覺智慧等人工智能才剛開始

在新時代中，人工智能變革了現(xiàn)實世界場景，例如交通運輸、圖像處理和醫(yī)療健康行業(yè)的計算方式。

由于一系列的進步，包括算法（例如基于神經(jīng)網(wǎng)絡的深度學習方法）、計算技術（例如摩爾定律、GPU，以及正在發(fā)展的TPU）和可用數(shù)據(jù)集（例如ImageNet），人工智能應用正在帶來真正的改變。

實際上，這還只是起步階段。人工智能將成為“第四次工業(yè)革命”最重要的驅(qū)動力，而這將改變斯坦福目前所知的各個行業(yè)，這也令人工智能領域變得更令人興奮。