亚利桑那大学正在开发"智能绷带"来检测手术后的感染——这项技术也可能帮助亚利桑那州南部高发的糖尿病患者。
这是亚利桑那大学将人工智能与医疗保健研究相结合的战略优先事项的一部分，大学研究人员表示，这已经在改变医疗护理方式。
亚利桑那大学首席AI和数据科学官David Ebert表示，该校拥有超过1亿美元的活跃AI健康护理拨款，包括机器学习和LLM（大型语言模型）支持的研究。
机器学习是人工智能的一个子集，专注于构建能够从数据中学习和改进的系统，而LLM是一种在大量文本上训练的人工智能，能够理解和生成类似人类的语言。
Ebert表示，将人工智能与医疗保健相结合的想法发生在他去年四月来到亚利桑那大学之前。他说，他之前曾与现任亚利桑那大学研究和合作伙伴关系高级副总裁Tomás Díaz de la Rubia在与AI、数据科学和健康相关的事务上合作过。当Díaz de la Rubia和亚利桑那大学校长Suresh Garimella讨论这些领域的创新可能性并决定将其作为大学的战略优先事项时，他加入了进来。
"加速和凝聚所有正在进行的令人难以置信的工作——AI的卓越、技术的进步以及校园内医疗保健领域的惊人工作——是我们从亚利桑那州立大学董事会获取资金的目的，"Ebert在接受《亚利桑那每日星报》采访时说。
智能绷带
亚利桑那大学外科系主任Geoffrey Gurtner表示，智能绷带的想法源于UA研究人员在手术过程中识别出患者治疗中的一个缺口。目标是监测接受手术或直接护理的患者，监测他们在治疗和就诊之间回家的这段时间。
Gurtner指出，"在大多数手术过程中，感染是一种可怕的并发症。"
他还说，对于患有糖尿病并且脚部可能有伤口的患者来说，从他们离开医院到下次就诊或检查的这段时间内，可能会发生很多不好的事情。他们最终可能需要住院和截肢。
梅奥诊所网站上指出，糖尿病患者感染伤口的风险更高，糖尿病并发症可能包括神经损伤和血液循环不良。神经损伤可能使糖尿病患者感觉不到皮肤上的疮或溃疡，而血液循环不良会使疮更难愈合。当溃疡导致严重的组织损失或威胁患者生命的感染时，可能需要进行截肢。
根据美国糖尿病协会的数据，亚利桑那州约有11%的成年人被诊断患有糖尿病，而34.5%的成年人患有糖尿病前期。
美国国立卫生研究院表示，亚利桑那州南部的特定人群，特别是皮马(Pima/Akimel O'odham)和托霍诺奥奥德汉(Tohono O'odham)民族，拥有世界上记录在案的最高2型糖尿病率，超过50%的成年人受到影响。
因此，Gurtner说，能够无需护士或医生参与就能诊断恶化和感染的目标为亚利桑那大学提供了最初的推动力。
智能绷带具有"检测阻抗、温度、pH值的传感器，这些指标表明感染。"
人类可以看到发红的感染迹象，但"这是使用传感器让机器做出感染的诊断，因为你不可能让医生一周168小时都看着你的切口，"他解释道。
医疗专业人员将在患者接受治疗后回家前给患者使用智能绷带。
绷带接触水不是问题。
Gurtner表示，美国国防部对这类技术也会感兴趣，因为在未来冲突中，可能无法从艰苦环境中撤离受伤士兵5到7天。
他说，这种情况促使亚利桑那大学研究人员思考在资源有限的条件下对患者进行远程监测和自主治疗。
他指出，目前医疗市场上存在类似产品，但他说像Apple Watch这样的产品——提供一系列从被动后台跟踪到主动诊断测试（如检测心率）的健康和医疗监测工具——无法像智能绷带那样诊断感染。如果你做了膝关节置换手术，Apple手表离膝盖很远，而且"仍需要科学上的巨大飞跃，这尚未被发现"，才能让手表检测膝盖的感染。
他表示，绷带现在才开始在患者身上使用，但对小鼠等进行使用实验的前期临床工作大约始于三到四年前。最终，他说，亚利桑那大学的目标是让这些设备在"世界上每位患者"手术切口后用于监测不愈合的伤口。
目前，临床试验将在亚利桑那大学进行，让患者在医生就诊之间佩戴它们，并从设备中收集"大量数据"，他说。
"当患者来到办公室时，我们使用这些手持设备收集所有这些数据，然后将这些数据与患者发生的情况相关联——他们需要截肢吗？他们会败血症吗？他们会死亡吗？"Gurtner说。
"我们发现，即使只是使用这些传感器的一瞬间，你也能预测谁会表现不佳，"他说。"如果你有168小时的数据——我们对AI、大数据和机器学习的所有理论都表明，你拥有的数据越多，你的预测价值就越好。但即使只有一瞬间，我们实际上也能在医生预测之前预测谁最终会感染。"
AI和医疗保健项目
Ebert表示，亚利桑那大学希望利用亚利桑那州立大学董事会的资金，创建一个AI健康创新中心，作为一个促进者和中心点，将人工智能和医疗保健联系起来，加速研究。
其目标包括改善发现、研究和转化，拥有AI驱动的精准医疗，增加全州的医疗保健获取途径，包括为亚利桑那州的农村人口，并提高医疗保健质量。
"我们的关键目标是确保无论你位于图森Banner UA研究医院附近，还是位于尤马(Yuma)郊区，你都能获得相同的医疗保健和相同的看诊能力，"Ebert说。"我们正在通过创新和传感技术（如智能可穿戴设备）、远程医疗以及我们正在进行的创新来实现这一目标，这些创新甚至使我们能够开始与患者进行远程对话，并确定监测和医疗保健质量方面的情况，以便不存在这些障碍。"
癌症研究是亚利桑那大学的一个重点，Ebert指出，学校已经连续49年专注于其癌症中心，此外，心血管和神经血管研究也是亚利桑那大学擅长的领域。
Ebert还表示，亚利桑那大学在精准衰老、神经退行性疾病、免疫疗法和癌症研究方面拥有专业知识。另一个重点是"解决农村医疗保健的挑战"。
Ebert还强调了亚利桑那大学的亚利桑那模拟技术与教育中心，该中心为医学、健康科学、护理等提供基于模拟的培训。他说，亚利桑那州一直在这些模拟方面处于领先地位，现在这些模拟由AI驱动，这是一种更快、更有效地培训人员并给予他们真实体验的方式。
他说，大学正在为特定目标制定时间表，包括每年将机器学习和LLM支持的研究率提高10%，以发表论文和外部资金。对于外部资金，亚利桑那大学正在关注基金会以及与联邦机构的合作伙伴关系，包括国防部和能源部、国家科学基金会和国立卫生研究院。
在亚利桑那大学位于图森和菲尼克斯的医学院，以及与Onvida Health合作新开放的尤马医学分院，Ebert表示，AI的使用正在整合到医学教育和实践中。
他说，这些学院了解AI可以在哪些领域被信任，例如总结预后，以及哪些领域需要人工输入，例如在查看预后后决定治疗和解决方案。
几个月前，在一个亚利桑那生物技术小组讨论中，他了解到70-80%的医生时间都花在文书工作和整理患者记录上，而不是实际看诊患者。Ebert说，AI将允许自动转录和总结信息，因此医生可以花更多时间与患者互动和治疗患者。
他说，这样的转型也可能有助于缓解全国初级保健医生短缺的危机，因为如果每位医生花更多时间与患者相处，就不需要那么多医生。
总体AI在医疗保健中的应用
Ebert表示，AI和医疗的交叉已经进行了一段时间，但采用这些技术的加速步伐开始显示出更有希望大幅改变医疗保健提供方式的前景。
例如，他希望在五年内，将有轻量级传感器连接到人们的手机上，分析他们身体中发生的一切。当这些传感器检测到身体异常时，它们会自动通知患者的医生，医生可以立即开始关于治疗的知情对话。
"能够检测到疾病，甚至在你感到症状之前，我们现在开始能够做到这一点。例如，这已经发生在呼吸系统综合症和COVID上，许多其他情况下，基本上，我们现在可以从单次呼吸中检测到某人是否有问题，提前5到14天，"Ebert说。
"如果你想到能够检测到身体中T细胞没有响应的癌细胞的第一实例，并能够在那时采取主动行动，你就可以产生巨大影响。"
他给出的另一个在医疗保健中使用AI的例子是在活检或特定癌症的基因构成中。AI可用于查看可能发生的所有潜在变异和基因突变，并创建疗法，使T细胞能够识别其中50%以上。在这些情况下，医疗专业人员可以为患者创建注射或药物，使他们能够在癌症第四阶段被治愈，因为他们可以让患者的免疫系统立即开始响应，Ebert说。
Gurtner表示，AI在医疗保健中的使用将改变医学，因为目前存在的数据量对人类来说是难以理解的。虽然可能需要数千人来查看医疗数据并分析趋势，但AI可以非常快速地识别趋势并做出可能实际发生在患者身上的相关性，他说。他表示，AI的数据处理能力将非常有帮助。
他还希望它"降低成本并使医学民主化。"
"有很多事情是相对可以自动化的，如果我们能自动化这些可自动化的事情，我认为它有希望降低成本并增加获取途径，这目前是圣杯，"Gurtner说。
目前，他说，"我们正在朝着相反的方向发展。我们正在为一些患者取消医疗补助。我们有一个非常低效的系统，许多患者无法获得，而且非常昂贵。
"所以，我认为技术让你想象一个未来，你有一个更低成本的系统，可供每个人使用，更高效，每个人花费更少。"
【全文结束】
