人工智能技術(shù)在護(hù)理安全管理中的應(yīng)用研究進(jìn)展

任宏飛，劉常清，張銘光，蔣 艷

四川大學(xué)華西醫(yī)院/華西護(hù)理學(xué)院，四川 610041

病人安全是指將衛(wèi)生保健相關(guān)的不必要傷害減少到可接受的最低程度的風(fēng)險(xiǎn)控制過程[1]，是醫(yī)療、護(hù)理行為的基本原則，在和諧醫(yī)患關(guān)系、控制醫(yī)療費(fèi)用、促進(jìn)全民健康等方面具有重要意義。據(jù)報(bào)道，由于不安全護(hù)理導(dǎo)致的不良事件是全世界十大死亡和殘疾原因之一，其中1/3～1/2 是可以預(yù)防的[2]。由于全球護(hù)理人力資源長(zhǎng)期處于緊缺狀態(tài)，護(hù)理工作負(fù)荷大、方式多變、內(nèi)容繁復(fù)，工作自主性受限于醫(yī)療環(huán)境、護(hù)理資源、個(gè)人水平等多重因素，給病人安全帶來了一定的風(fēng)險(xiǎn)與挑戰(zhàn)。隨著精準(zhǔn)醫(yī)學(xué)時(shí)代的到來，人工智能（artificial intelligence，AI）技術(shù)快速與醫(yī)學(xué)融合，在機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理等醫(yī)療領(lǐng)域得到了大力發(fā)展[3]，并用于疾病診療、健康管理、藥物研發(fā)、精準(zhǔn)醫(yī)學(xué)、跨地域醫(yī)療整合系統(tǒng)等方面[4]。近年來，人工智能在病人安全活動(dòng)領(lǐng)域的研究取得了顯著的成果，對(duì)護(hù)理模式的改變、護(hù)理服務(wù)質(zhì)量的提升具有重要影響?，F(xiàn)綜述人工智能在醫(yī)院感染、壓力性損傷、跌倒及身份識(shí)別等護(hù)理相關(guān)病人安全結(jié)局的研究及應(yīng)用現(xiàn)狀，旨在探索基于人工智能的更為科學(xué)、高效的護(hù)理方法，提高護(hù)理質(zhì)量，促進(jìn)病人安全。

1 人工智能技術(shù)內(nèi)涵

廣義上講，人工智能為一種能夠做出智能決策的計(jì)算機(jī)程序。本研究中的人工智能是指計(jì)算機(jī)或醫(yī)療保健設(shè)備分析廣泛的醫(yī)療保健數(shù)據(jù)、揭示隱藏知識(shí)、識(shí)別風(fēng)險(xiǎn)并加強(qiáng)溝通的能力[5]。人工智能技術(shù)包括機(jī)器學(xué)習(xí)、自然語言處理、計(jì)算機(jī)視覺、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等[6]。其中，機(jī)器學(xué)習(xí)和自然語言處理在醫(yī)療保健領(lǐng)域中的應(yīng)用廣泛[7]。機(jī)器學(xué)習(xí)是指計(jì)算機(jī)能夠利用監(jiān)督學(xué)習(xí)或非監(jiān)督學(xué)習(xí)來識(shí)別潛在信息或?qū)?shù)據(jù)進(jìn)行預(yù)測(cè)。自然語言處理是研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語言進(jìn)行有效通信的各種理論和方法，最終研制能有效實(shí)現(xiàn)自然語言通信的計(jì)算機(jī)系統(tǒng)。研究顯示，在病人安全領(lǐng)域中，機(jī)器學(xué)習(xí)中的支持向量法和自然語言處理應(yīng)用的最多[8]。

2 人工智能在護(hù)理安全事件預(yù)測(cè)中的應(yīng)用

2.1 人工智能在醫(yī)院感染預(yù)防中的應(yīng)用 醫(yī)院感染防控是有效保障病人安全的基本要求。2019 年國(guó)家衛(wèi)健委官網(wǎng)報(bào)道，我國(guó)2014 年以來報(bào)告的醫(yī)院感染現(xiàn)患率為2.3%～2.7%[9]。同期，美國(guó)醫(yī)院相關(guān)感染的發(fā)生率為3.2%[10]。如何早期發(fā)現(xiàn)并及時(shí)控制醫(yī)院感染的發(fā)生已成為關(guān)鍵問題。近年來，國(guó)外對(duì)人工智能在醫(yī)院感染預(yù)防控制方面的作用進(jìn)行了大量的研究。一方面，人工智能可通過提供實(shí)時(shí)、準(zhǔn)確的醫(yī)院感染風(fēng)險(xiǎn)預(yù)測(cè)來預(yù)防、控制感染。如Beeler 等[11]通過人工智能技術(shù)中的隨機(jī)森林分類算法實(shí)現(xiàn)精準(zhǔn)預(yù)測(cè)中心導(dǎo)管相關(guān)性血流感染的發(fā)生。另一方面，通過人工智能技術(shù)規(guī)范醫(yī)務(wù)人員行為，達(dá)到預(yù)防醫(yī)院感染的目的，其中手衛(wèi)生是全球公認(rèn)的預(yù)防、控制醫(yī)院感染最簡(jiǎn)單、有效、經(jīng)濟(jì)的措施[12]。如使用基于攝像頭的增強(qiáng)現(xiàn)實(shí)和游戲化學(xué)習(xí)來培訓(xùn)和評(píng)估手衛(wèi)生技術(shù)[13]，或使用卷積網(wǎng)絡(luò)分類器的計(jì)算機(jī)視覺監(jiān)測(cè)醫(yī)務(wù)人員手衛(wèi)生執(zhí)行情況[14]，從而提高醫(yī)務(wù)人員手衛(wèi)生的依從性。也有研究通過開發(fā)綜合的手衛(wèi)生智能化管理系統(tǒng)，包括Sure Wash 系統(tǒng)、手衛(wèi)生評(píng)估和活動(dòng)監(jiān)測(cè)系統(tǒng)，該系統(tǒng)在不影響臨床工作流程的情況下，使用人工智能改善手衛(wèi)生效果[15]。除此之外，有研究嘗試將可穿戴技術(shù)應(yīng)用于手衛(wèi)生監(jiān)測(cè)，這種設(shè)備可以感應(yīng)到醫(yī)務(wù)工作者洗手或手消毒行為，記錄洗手時(shí)間并監(jiān)測(cè)依從率，進(jìn)而起到改善手衛(wèi)生依從率的作用[16-17]，但其遠(yuǎn)期效果有待進(jìn)一步研究。國(guó)內(nèi)對(duì)于人工智能技術(shù)在醫(yī)院感染預(yù)防、控制方面的研究較少，僅初步探索了醫(yī)院感染發(fā)生的預(yù)測(cè)模型[18]、智能監(jiān)測(cè)系統(tǒng)在手衛(wèi)生中的應(yīng)用[19]，尚缺乏深入、細(xì)致的研究。國(guó)外針對(duì)人工智能技術(shù)在醫(yī)院感染預(yù)防、控制方面的研究較多，但也存在一些局限性。首先，人工智能在醫(yī)院感染預(yù)測(cè)中的準(zhǔn)確性值得商榷，因?yàn)榫珳?zhǔn)的模型開發(fā)需要一個(gè)高質(zhì)量的數(shù)據(jù)集，而目前的數(shù)據(jù)庫(kù)質(zhì)量有待提高。其次，目前開發(fā)的手衛(wèi)生智能化系統(tǒng)，會(huì)將實(shí)時(shí)反饋整合到人工智能應(yīng)用程序中以強(qiáng)調(diào)手衛(wèi)生行為的重要性，雖然提高了洗手的數(shù)量及質(zhì)量，但員工會(huì)對(duì)反饋產(chǎn)生依賴性，當(dāng)反饋被刪除時(shí)，洗手行為又回到了基線水平。再者，在使用人工智能視覺模擬時(shí)，如何更好地考慮現(xiàn)實(shí)醫(yī)院情景中的環(huán)境及人流量所帶來的干擾問題尚未得到很好的解決。最后，可穿戴技術(shù)的應(yīng)用及研究，需要進(jìn)一步考慮用戶態(tài)度、設(shè)備功能和可用性（設(shè)備設(shè)計(jì)、尺寸或重量）等重要因素。未來，我國(guó)護(hù)理學(xué)者可深入探索人工智能技術(shù)在護(hù)理操作相關(guān)感染的預(yù)測(cè)、干預(yù)以及手衛(wèi)生執(zhí)行質(zhì)量等領(lǐng)域的研究。

2.2 人工智能在壓力性損傷監(jiān)測(cè)及預(yù)防中的應(yīng)用壓力性損傷是反映病人安全相關(guān)護(hù)理不良事件的主要指標(biāo)之一。一項(xiàng)針對(duì)壓力性損傷患病率的系統(tǒng)綜述指出，全球壓力性損傷患病率為3.4%～32.4%[20]，其中97%的醫(yī)院獲得性壓力性損傷是可以預(yù)防的[21]。目前，人工智能技術(shù)對(duì)壓力性損傷的研究大多側(cè)重于風(fēng)險(xiǎn)預(yù)測(cè)和創(chuàng)面評(píng)估、測(cè)量和分析。在風(fēng)險(xiǎn)預(yù)測(cè)方面，Alderden 等[22]采用隨機(jī)森林模型，利用電子健康病歷中的數(shù)據(jù)，對(duì)危重病人壓力性損傷發(fā)生風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，與傳統(tǒng)Braden 量表相比，其準(zhǔn)確性更高[受試者工作特征曲線下面積（AUC）為0.79，0.68）]。Song 等[23]利用豐富的電子健康記錄數(shù)據(jù)，開發(fā)了基于機(jī)器學(xué)習(xí)的非醫(yī)院獲得性壓力損傷和醫(yī)院獲得性壓力損傷兩種預(yù)測(cè)模型，并證實(shí)其具有較高的準(zhǔn)確性。宋杰等[24-25]利用機(jī)器學(xué)習(xí)算法中的隨機(jī)森林模型構(gòu)建了壓力性損傷預(yù)測(cè)模型，準(zhǔn)確率高達(dá)90%以上。另外，也有研究分別采用模糊邏輯和機(jī)器學(xué)習(xí)，研發(fā)了智能床和輪椅墊，通過分析嵌入式傳感器的數(shù)據(jù)，實(shí)現(xiàn)特定皮膚區(qū)域發(fā)生壓力性損傷的風(fēng)險(xiǎn)預(yù)測(cè)[26]。這些模型雖然具有非常高的預(yù)測(cè)準(zhǔn)確率，能夠幫助臨床護(hù)理人員早期識(shí)別壓力性損傷發(fā)生的高危人群，但這些模型在及時(shí)提醒護(hù)理干預(yù)者和促進(jìn)早期干預(yù)方面的應(yīng)用仍有待于進(jìn)一步研究。在評(píng)估和分析方面，目前有針對(duì)壓力性損傷創(chuàng)面分析的光譜相機(jī)[27]和創(chuàng)面照片學(xué)習(xí)測(cè)量工具[28]，前者通過光譜相機(jī)對(duì)皮膚不同組織的不同反射率進(jìn)行特征處理，進(jìn)行潰瘍面積測(cè)量；后者將創(chuàng)面照片與機(jī)器學(xué)習(xí)中的貝葉斯算法結(jié)合進(jìn)行創(chuàng)面測(cè)量。這兩種方法通過相機(jī)拍攝進(jìn)行創(chuàng)面測(cè)量，但分析速度較慢，且分析質(zhì)量有待進(jìn)一步提高。Wang 等[29]采用卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)算法，在5 s 內(nèi)完成壓力性損傷圖像數(shù)據(jù)的收集與分析，準(zhǔn)確率高達(dá)95.0%。此外，Zahia 等[30]通過卷積神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)了壓力性損傷創(chuàng)面的不同組織類型的測(cè)量，包括創(chuàng)面面積和深度測(cè)量，平均測(cè)量準(zhǔn)確率均超過92%。有研究顯示，利用機(jī)器學(xué)習(xí)算法開發(fā)的壓力性損傷創(chuàng)面評(píng)估、測(cè)量和分析等技術(shù)，實(shí)現(xiàn)了對(duì)壓力性損傷非結(jié)構(gòu)性數(shù)據(jù)分析，能夠準(zhǔn)確、高效地評(píng)估和監(jiān)測(cè)壓力性損傷，具有實(shí)時(shí)、客觀、安全等優(yōu)點(diǎn)，有助于提高壓力性損傷評(píng)估的準(zhǔn)確性，減輕護(hù)理人員在壓力性損傷管理方面的工作負(fù)擔(dān)[31]。未來，可進(jìn)一步探索人工智能在壓力性損傷干預(yù)和預(yù)后評(píng)價(jià)等方面的應(yīng)用研究。

2.3 人工智能在跌倒監(jiān)測(cè)及預(yù)防中的應(yīng)用 跌倒是反映病人安全相關(guān)護(hù)理不良事件的又一主要指標(biāo)。研究顯示，美國(guó)65 歲及以上成年人中，有1.1%的住院病人發(fā)生跌倒[32]，其中87.5% 的跌倒是可以預(yù)防的[21]。我國(guó)65 歲以上老年住院病人中跌倒發(fā)生率為30%[33]。跌倒不僅嚴(yán)重威脅病人人身安全，而且會(huì)延長(zhǎng)住院時(shí)間，增加醫(yī)療成本。因此，準(zhǔn)確預(yù)測(cè)跌倒的發(fā)生并及時(shí)予以干預(yù)可以有效降低跌倒的傷害。近年來，利用人工智能方法實(shí)現(xiàn)病人跌倒的風(fēng)險(xiǎn)預(yù)測(cè)已成為現(xiàn)實(shí)。有研究通過計(jì)算機(jī)視覺技術(shù)實(shí)施實(shí)時(shí)視頻監(jiān)控，對(duì)步態(tài)參數(shù)建模并實(shí)施跌倒監(jiān)測(cè)，進(jìn)而預(yù)測(cè)跌倒風(fēng)險(xiǎn)，有助于實(shí)施相應(yīng)的防范對(duì)策[34]。我國(guó)學(xué)者韓錕等[35]基于Open Pose 深度卷積網(wǎng)絡(luò)自圖像提取的人體姿態(tài)關(guān)鍵點(diǎn)獲取人體傾斜姿態(tài)動(dòng)態(tài)特征，使用基于線性核的支持向量機(jī)完成跌倒行為預(yù)測(cè)，該方法在人體動(dòng)作數(shù)據(jù)集上測(cè)試取得了97.33%的準(zhǔn)確率與94.80%的精確率，與現(xiàn)有基于圖像的跌倒識(shí)別方法相比具有更優(yōu)的性能?？纱┐魇降箼z測(cè)系統(tǒng)可以自動(dòng)發(fā)現(xiàn)跌倒并有效降低跌倒相關(guān)并發(fā)癥發(fā)生的風(fēng)險(xiǎn)。成功應(yīng)用可穿戴式跌倒檢測(cè)系統(tǒng)主要取決于3 種因素：算法性能、電池壽命以及用戶接受程度[36]。已有研究顯示，可穿戴傳感器數(shù)據(jù)的分類模型顯示，根據(jù)受試者摔倒的風(fēng)險(xiǎn)，在試驗(yàn)環(huán)境中預(yù)測(cè)的準(zhǔn)確率相對(duì)較高[37-39]。然而，它們?cè)诂F(xiàn)實(shí)世界中的可用性和適用性還需要進(jìn)一步測(cè)試。但基于可穿戴設(shè)備的跌倒檢測(cè)技術(shù)受限于算法的穩(wěn)定性和識(shí)別的準(zhǔn)確率,技術(shù)的靈敏度和特異度難以同時(shí)得到保證。其中，基于計(jì)算機(jī)視覺的跌倒檢測(cè)技術(shù)在無干擾的場(chǎng)景下檢測(cè)較為有效，但其易受環(huán)境變化（如背景光線、人群遮擋）影響。因此，張子浩等[40]提出了一種融合計(jì)算機(jī)視覺和可穿戴計(jì)算數(shù)據(jù)的跌倒檢測(cè)的新方法，并進(jìn)行算法檢測(cè)，得出離線和在線測(cè)試數(shù)據(jù)的準(zhǔn)確率、敏感度和特異度均超過了99%，證明了該方法具有較高的準(zhǔn)確率和靈敏性。為幫助老年人獲得及時(shí)救助、減少因跌倒造成的傷害提供了技術(shù)支持。未來，可進(jìn)一步探索人工智能技術(shù)在跌倒預(yù)防干預(yù)方面的可行性。

3 人工智能在其他病人安全領(lǐng)域的應(yīng)用探索

在病人身份識(shí)別方面，2019 年中國(guó)醫(yī)院協(xié)會(huì)最新發(fā)布的病人安全目標(biāo)中明確提出，鼓勵(lì)應(yīng)用條碼掃描、人臉識(shí)別等身份信息識(shí)別技術(shù)。目前，國(guó)內(nèi)多家醫(yī)院已經(jīng)引進(jìn)了人臉識(shí)別系統(tǒng)，包含病人信息建檔、分診掛號(hào)、科室診療、報(bào)告讀取、醫(yī)保支付、后勤安全管理等多個(gè)場(chǎng)景。計(jì)算機(jī)視覺可以快速完成病人身份匹配，提高身份識(shí)別的準(zhǔn)確率，減少用藥、采血及其他護(hù)理操作失誤?？煽俊⒁仔?、低廉的識(shí)別設(shè)備和系統(tǒng)設(shè)計(jì)仍然是目前亟待深入探索的重要方向[41]。此外，通過環(huán)境或可穿戴設(shè)備收集的計(jì)算機(jī)視覺資料，可以提取病人的圖像行為，識(shí)別異常數(shù)值，從而輔助醫(yī)生快速判斷病人的身體和心理狀態(tài)，實(shí)現(xiàn)病情觀察、疼痛評(píng)估、心理危機(jī)預(yù)警、自傷自殺行為危機(jī)預(yù)警等，亦可輔助急診快速分檢，門診病人突發(fā)心搏驟停等特殊事件的應(yīng)急響應(yīng)和處置[42]。因此，在大數(shù)據(jù)背景下，以智能機(jī)器人、監(jiān)控?cái)z像頭或傳感設(shè)備為載體，整合動(dòng)作行為、步態(tài)、表情識(shí)別等關(guān)鍵信息的計(jì)算機(jī)視覺技術(shù)，在特殊風(fēng)險(xiǎn)病人群體的動(dòng)態(tài)評(píng)估、病情監(jiān)護(hù)、風(fēng)險(xiǎn)預(yù)測(cè)、自動(dòng)報(bào)警等方面具有巨大潛力[43]。同時(shí)，計(jì)算機(jī)視覺智能輔助醫(yī)療、護(hù)理質(zhì)量“結(jié)構(gòu)-過程-結(jié)果”管理體系，形成病人安全閉環(huán)管理，可對(duì)臨床護(hù)理質(zhì)量和工作效率做出重大貢獻(xiàn)，使臨床護(hù)理人員能夠?qū)Ｗ⒂诩?xì)微的決策與護(hù)理，切實(shí)保障醫(yī)療、護(hù)理安全。

4 小結(jié)

人工智能助益臨床病人安全管理是未來臨床護(hù)理發(fā)展的趨勢(shì)。人工智能在護(hù)理領(lǐng)域中病人安全相關(guān)結(jié)局的風(fēng)險(xiǎn)預(yù)測(cè)已較成熟，包括導(dǎo)管相關(guān)性感染、壓力性損傷以及跌倒等發(fā)生風(fēng)險(xiǎn)預(yù)測(cè)。但這些研究大部分基于人工智能的預(yù)測(cè)模型的開發(fā)，缺乏臨床研究來評(píng)價(jià)在臨床層面使用人工智能對(duì)病人安全結(jié)果的作用和影響。另外，現(xiàn)有的數(shù)據(jù)質(zhì)量參差不齊，開發(fā)的預(yù)測(cè)模型的準(zhǔn)確性和可行性有待探究，加之，研究者多為大數(shù)據(jù)分析人員，較少有醫(yī)護(hù)人員參加，部分工具的研發(fā)無法與臨床工作相吻合，導(dǎo)致研究結(jié)果的準(zhǔn)確性有待進(jìn)一步證實(shí)。因此，未來的工作仍然需要在前瞻性和臨床實(shí)際環(huán)境中對(duì)這些系統(tǒng)進(jìn)行強(qiáng)有力的驗(yàn)證，以了解人工智能在衛(wèi)生保健環(huán)境中如何預(yù)測(cè)病人安全結(jié)果，也可進(jìn)一步探索人工智能輔助護(hù)理干預(yù)新技術(shù)、新方法在病人安全中應(yīng)用及效果評(píng)價(jià)，不斷提升護(hù)理質(zhì)量，促進(jìn)病人安全。