作者:by University of Washington School of Medicine
一组研究人员表示,他们开发了第一款可穿戴相机系统,该系统借助人工智能的帮助可以检测药物输送中的潜在错误。
10月22日发布的一份测试结果显示npj数字医学视频系统在繁忙的临床环境中熟练地识别和确定了正在抽取的药物。该AI在检测瓶交换错误方面达到了99.6%的灵敏度和98.8%的特异度。
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莉·米歇尔博士表示,该系统可以成为关键的安全保障,特别是在手术室、重症监护病房和急诊科环境中。
“能够实时帮助患者或在药物错误发生之前加以预防的想法非常有力量,”她说。“可以期望达到100%的表现,但即使是人类也无法做到这一点。在对超过100名麻醉提供者的调查中,大多数人希望系统准确率超过95%,这是我们已经实现的目标。”
药物管理错误是最常报告的重大事件在麻醉中,也是重症监护中最常见的严重医疗错误的原因。从更大的角度来看,一个估计5%到10%所有药物中的错误与给药有关。
与注射药物相关的不良事件是估计的每年影响120万患者,耗资51亿美元。
注射器和安瓿交换错误最常发生在静脉注射过程中,此时医务人员必须将药物从安瓿转移到注射器中注射器对患者而言。大约20%的错误是替代错误,即选择了错误的小瓶或药筒被误标。另外20%的错误发生在药物正确标记但施用时出错的情况。
安全措施,例如能够快速读取并确认安瓿内容物的条形码系统,已到位以防止此类事故。但在高压力情况下,操作人员有时可能会忘记进行这一步检查,因为它是在其工作流程中的额外步骤。
研究人员的目标是建立一个深度学习与GoPro相机配对的模型足够先进,能够识别圆柱形小瓶和注射器的内容,并在必要时适当发出警告前的提示。药物患者进入。
训练模型花了数月时间。调查人员收集了13名麻醉师在手术室里进行的418次药物抽取的4K视频,这些手术室的布置和照明条件各不相同。视频记录了临床医生管理选定药品的小瓶和注射器的过程。后来将这些视频片段记录下来,并标注出注射器和小瓶内的内容物,以训练模型识别药品的内容和容器。
视频系统不直接读取每个小瓶上的文字,而是扫描其他信息。视觉线索:安瓿和注射器的尺寸和形状,安瓿盖颜色,标签印刷大小。
“这非常具有挑战性,因为在手术室里的人拿着注射器和药瓶,你并不能完全看到这些物体。注射器和药瓶上的某些字母被手遮住了,并且手的动作很快。他们在工作,而不是为相机摆姿势,”该论文的合著者、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。
进一步,计算模型必须训练它专注于画面前景中的药物,并忽略背景中的药瓶和注射器。
"人工智能正在做所有这些事情:检测特定的注射器用于:"医疗服务提供者戈拉科塔说:“摄像头能够检测到放在桌子上的手机,但无法检测到躺在桌上的注射器。”
这项研究显示,人工智能和深度学习有潜力提升多个医疗实践的安全性和效率。研究人员才刚刚开始探索其潜在能力,Michaelsen说。
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。丰田研究院建造并测试了该系统。
更多信息:利用人工智能和可穿戴相机检测临床用药错误npj数字医学 (2024). DOI: 10.1038/s41746-024-01295-2
引用穿戴式相机允许AI检测用药错误(2024年10月22日) 检索于2024年10月23日 从https://medicalxpress.com/news/2024-10-wearable-cameras-ai-medication-errors.html
本文件受版权保护。除个人研究或学习目的的合理使用外,未经书面许可,不得以任何形式复制部分内容。所提供的内容仅用于信息用途。