李飞飞：人工智能怎样在医疗领域派上用场

2017年04月08日前后，谷歌人工智能首席科学家李飞飞发表演讲《守护天使：迈向人工智能的辅助式护理》，阐述她对AI+医疗的看法。

【李飞飞现场演讲实录】

说实话，和你们在一起，我有些忐忑。我对医学知识了解甚少，所以今天，我抱着学习和交流的目的而来。我演讲的题目是“守护天使：迈向人工智能辅助式护理”。

首先，我要感谢医学博士阿诺德·米尔斯坦（Arnold Milstein），他是我今天要演讲的项目的长期协作者。该项目既是斯坦福工程学院与斯坦福医学院的合作，也是临床卓越研究中心与人工智能辅助护理中一个跨学科项目的合作。

老年人的健康与福祉，人工智能可以做什么？

这是我的祖母。她已经95岁了，住在中国南方一座“只有”1200万人口的小城市，一个人，独自生活。

我们这些小辈都很关心祖母，每天都有人给她打电话。祖母很疼我，我也很关心她的需求。

我知道，到了这个年纪，除了亲情，她也看重身体健康和生活质量。

她有高血压，这是我们比较担心的。同时，她又希望可以尽可能长时间、平安地独自生活。我们都很关注她的这些需求。

如果她去医院，她会得到怎样的护理？医院会把她护理的很好吗？这些，都是我们担心的范畴。

以上基本概括了我涉足医疗以及与医疗领域协作的动机。我开始思考，在这个AI技术时代，我们能做些什么，来帮助患者和医生，改进护理质量，提升生活品质。

今天，我不打算深入探讨医疗本身。小组内的其他演讲者会分享他们最新、最卓越的工作。我会主要谈谈老年人和住院患者的福祉与健康。所以，这就是我们的假设。我们用了很多时间来探讨和思考：人工智能可以做什么？

对此，我们得出一个非常重要的假设。

计算机视觉：我们的灵感和直觉

这就是“守护天使”假设：人工智能技术能改进医疗领域的工作流程。在接下来的演讲中，我会试着阐述这一假设的原理。

我先举一个例子。

这是一位独立生活的老年人在家里的一段录像。在试图就AI辅助护理展开协作的过程中，我们同养老院的医护人员谈了很多，想要了解医护人员需要什么、老年人需要什么，从而确保他们能安全、高质量地独立生活。

医护人员、家属和老年人都有很多担心或顾虑的事情，可以列出一长串：比如饮食、睡眠、跌倒、手脚不稳、痴呆早期症状、昼夜活动模式反转、液体摄入…诸如此类。

实际上，很多临床医生都告诉我们，没有什么好的办法能让他们知晓这些事情。因为我有一个95岁的祖母，所以我很能理解。

我们天天给她打电话，询问她的日常起居，但在那15分钟的电话之外，我们就一无所知了。

你很难掌握持续性的行为和活动。这是我们进入这个领域时，最早的灵感来源。

因为我们的工作涉及很多现代计算机视觉，我们有智能传感器，比如摄像头、深度传感器、热传感器，它们或可以帮助我们监控或观察周围的事情，就像一个守护天使。

这就是我们的灵感和直觉。计算机视觉可以在很多方面帮到我们。

医疗环境中，最迫切的是修正人类的行为

我们跟临床医生谈得越多，就越意识到，在整个医疗过程中，从居家生活到急诊室、手术室、重症监护室、医院病房，人们都需要了解究竟发生了什么，我们要怎么做，才能最大限度确保护理质量及患者安全——这种需求非常庞大。

例如，候诊室和重症监护病房要符合哪些操作规则？我们有没有遵守中央静脉导管插入规程？患者病情如何？……这些都可以通过更好的持续性观察来改善。

关键需求：跟踪、了解并（在必要时）修正人类行为

患者：RASS镇静评分表，疼痛程度，行动能力，生命体征……

临床医生：手部卫生，组合式操作规程，与患者的互动，手术流程……

目前的方法：覆盖不全面，劳动密集型，错漏频出，主观，昂贵……

AI辅助护理：实时，连续，准确，客观，具有成本效益……

我们开始意识到，在医疗环境中，我们迫切需要追踪、了解并（在必要时）修正人类行为。所以对于患者，我们想了解他们的疼痛水平、行动能力、生命体征、生活状况；对于临床医生，我们想了解手部卫生、组合式操作规程、与患者的互动、手术流程，诸如此类。知道了这些，我们就会去看有什么现行办法。

但实际上，很多问题都没有现行的解决办法。很多流程都是让人来观察人，这样做成本极高，而且覆盖面小。

就像我给祖母打电话，每天最多只打10至15分钟，至于她一天24小时的情况，我无从知道。而且这个过程错漏频出，比如，不同医生对同一个患者行动能力的判断可能是截然不同的。这个过程不仅主观，而且代价很高。

我们的假说认为，人工智能也许可以解决这个问题。人工智能技术正变得越来越成熟、强大。它可以实时、持续运作。如果模型训练得当，它可以相当准确、相对客观，且节约成本。

在思考如何改进医疗、同时又压低成本时，我们想到的就是人工智能。

这是大局，也是本次演讲中最关键的部分。接下来，我会给大家介绍理解环境和人类行为的基本技术。我也会简短地展示几个正在进行的项目。

火车站人的行为，在急诊室也能派上用场

我们将使用计算机视觉技术，观察并理解视觉世界。

当今很大一部分计算机视觉技术都依赖于一种名为深度学习的技能，就是利用神经网络架构，来学习如何观察与理解世界，比如识别猫咪，因为它们随处可见。

又比如，探测场景中的物件。有时，病房里的物件会比较杂乱，而我们可以识别出人、环境和背景物件，甚至可以利用深度学习技术，生成一些句子，与不在场的人进行沟通。

我们还可以深入到细节层面，讨论特定区域。打个比方，有个老人在厨房里忙活，我们可以只专注于做饭这一件事，看她使用了哪些物件，是否做了很多肉，有没有吃水果，等等。

我们还能以视频为对象，观察不同的行为，这是我们正在进行的另一项工作，即探讨如何在视频中锁定不同的人物。在医院情境中，这就可以派上用场，用来理解个体行为。

这是我们在医院所做的一项工作，即在追踪人们的同时，不泄露他们的身份信息。如果涉及隐私问题，我们就会在追踪人类、理解人类行为时，只用深度传感器。

这是我们在做的另一个项目：在欧洲的一个火车站，追踪很多人的行动，观察他们的行为。在忙碌的医院或急诊室，这可能非常有用。

这是我们实验室正在开发的基本技术，用来理解、观察世界。我们将其应用于诸多领域，其中之一就是用于斯坦福大学露西尔帕卡德儿童医院，内容是手部卫生操作。这是医疗领域的一个重要问题，医院和政府为应对该问题投入了上百亿美元。

问题出在哪里？

医院获得性感染（HAI/HCAI）

*《新英格兰医学杂志》2014年3月刊：

每25名患者中，就有1人存在 HCAI

*美国疾病控制与预防中心2007年报告：

HCAI成本：357亿至450亿美元

*手部卫生是导致HAI的主要因素

我们与露西尔帕卡德儿童医院的一个科室合作，在病房内外安置深度传感器，覆盖几乎所有区域，用于监控临床医生的手部卫生操作。我们希望通过这些监控，就手部卫生习惯做出更好的评估，并提供解决方案。

重症监护科（ICU）

任何医院中死亡率最高的科室（8-19%）

护理复杂性最高

1名护士对1-2名患者

20%的患者曾经历过一次不良事件

平均住院延长天数=31天

50%可预防

另一个项目是智能ICU项目。重症监护科是医院中死亡率最高的科室。我们希望使用现代化的传感器，帮助医生评估患者病情，比如镇静水平、疼痛、行动能力等，并自动记录这些数据，从而减轻人工记录的负担。

最后一项关注的是老年人独立生活，今天就不具体展开了。这是我备感亲切的一个项目。我们正在和旧金山一个名为On Lok的养老院合作，评估老年人的生活，并帮助临床医生更好地评估他们的状况。

因此，在人工智能辅助医疗领域，还有很多事情可做。这是一个令人无比兴奋的崭新领域，我们才刚刚入门。我真诚欢迎更多的人加入研究。我个人感到非常庆幸的是，我能与斯坦福这些聪明的学生和博士后合作，促成了这些事情。