可穿戴相机允许AI检测药物错误。通过高效率的深度学习模型，该模型能够识别小瓶和注射器的内容物，确认药物传输是否正确。经过同行评审的出版物，华盛顿大学医学院/UW Medicine。视频示例中，神经网络（人工智能）识别到小瓶中的药物与指定的注射器不匹配。
研究团队表示，他们已经开发出首个可穿戴相机系统，该系统在人工智能的帮助下，可以检测药物传输中的潜在错误。在今天公布的测试结果中，该视频系统在繁忙的临床环境中高效地识别和确认了被抽取的药物。AI在检测小瓶替换错误方面的灵敏度达到99.6%，特异性达到98.8%。这些发现于10月22日发表在《npj数字医学》上。
该系统的共同主要作者、华盛顿大学医学院麻醉学和疼痛医学助理教授凯利·米查尔森博士说：“能够在实时帮助患者或在错误发生前预防药物错误是非常强大的。虽然我们希望达到100%的性能，但即使是人类也无法实现这一点。在对100多名麻醉提供者的调查中，大多数人希望该系统的准确性超过95%，这是我们已经实现的目标。”
药物管理错误是在麻醉中最常报告的严重事件，也是重症监护中最常见的严重医疗错误的原因。总体而言，估计所有给予的药物中有5%至10%与错误相关。与注射药物相关的不良事件每年影响约120万名患者，成本约为51亿美元。注射器和小瓶替换错误最常发生在静脉注射过程中，此时临床医生必须将药物从小瓶转移到注射器再到患者。大约20%的错误是替代错误，即选择了错误的小瓶或注射器标签错误。另有20%的错误发生在药物标签正确但给药错误的情况下。
安全措施，如条形码系统，可以快速读取和确认小瓶的内容物，以防止此类事故。但在高压力情况下，从业者有时会忘记这一步骤，因为它增加了他们的工作流程。
研究人员的目标是建立一个深度学习模型，该模型与GoPro相机配对，能够识别圆柱形小瓶和注射器的内容物，并在药物进入患者之前适当地发出警告。训练模型花费了几个月的时间。研究人员收集了13名麻醉提供者在手术室中进行的418次药物抽取的4K视频，其中环境和照明各不相同。视频捕捉了临床医生管理选定药物的小瓶和注射器的过程。这些视频片段后来被记录下来，注射器和小瓶的内容物被标记，以训练模型识别内容物和容器。该视频系统不会直接读取每个小瓶上的文字，而是扫描其他视觉线索：小瓶和注射器的大小和形状、小瓶盖的颜色、标签字体大小。
“这尤其具有挑战性，因为手术室里的人拿着注射器和小瓶，你无法完全看到这两个物体。一些字母（在注射器和小瓶上）被手遮住了。而且手移动得很快。他们在做自己的工作，不是在摆姿势拍照。”论文的共同作者、华盛顿大学保罗·G·艾伦计算机科学与工程学院教授Shyam Gollakota说。此外，计算模型还必须训练成专注于画面前景中的药物，忽略背景中的小瓶和注射器。
“AI正在做这一切：检测医护人员正在拿起的具体注射器，而不是检测躺在桌子上的注射器。”Gollakota说。这项工作表明，AI和深度学习有潜力改善多种医疗实践的安全性和效率。Michaelsen说，研究人员才刚刚开始探索这一潜力。
该研究还包括来自卡内基梅隆大学和乌干达马凯雷雷大学的研究人员。丰田研究所构建并测试了该系统。华盛顿研究基金会、麻醉教育和研究基金会以及美国国立卫生研究院拨款（K08GM153069）资助了这项工作。作者在论文中声明了他们的潜在利益冲突，该论文将在请求时提供。
(全文结束)
