一组研究人员表示，他们已经开发出首个可穿戴摄像头系统，该系统在人工智能的帮助下，可以检测到药物输送过程中的潜在错误。

　　在今天公布的一项测试结果中，视频系统高度熟练地识别并确定了在繁忙的临床环境中正在抽取哪些药物。人工智能检测小瓶交换错误的灵敏度为99.6%，特异性为98.8%。

　　研究结果发表在10月22日的《npj数字医学》杂志上。

　　华盛顿大学医学院麻醉学和疼痛医学助理教授凯利·迈克尔森（Kelly Michaelsen）博士说，该系统可能成为一种关键的保障措施，尤其是在手术室、重症监护病房和急诊环境中。

　　她说：“能够实时帮助患者或在药物错误发生之前防止它的想法非常强大。”“人们可以期望100%的表现，但即使是人类也无法做到这一点。在对100多家麻醉提供者的调查中，大多数人希望系统的准确率超过95%，这是我们实现的目标。”

　　药物给药错误是麻醉中最常见的危重事件，也是重症监护中最常见的严重医疗错误原因。从更大的角度来看，估计所有给药的药物中有5%到10%与用药错误有关。与注射药物相关的不良事件估计每年影响120万患者，造成51亿美元的损失。

　　注射器和小瓶交换错误最常发生在静脉注射期间，临床医生必须将药物从小瓶转移到注射器给患者。大约20%的错误是替代错误，其中选择了错误的小瓶或注射器贴错了标签。另外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，以防止此类事故的发生。但是从业者有时可能会在高压力的情况下忘记这个检查，因为这是他们工作流程中的一个额外步骤。

　　研究人员的目标是建立一个深度学习模型，与GoPro相机配合使用，该模型足够复杂，可以识别圆柱形小瓶和注射器的内容，并在药物进入患者之前适当地发出警告。

　　训练这个模型花了几个月的时间。调查人员收集了13名麻醉师在手术室进行的418次药物抽吸的4K视频，这些手术室的设备和照明各不相同。该视频记录了临床医生管理选定药物的小瓶和注射器的过程。这些视频片段随后被记录下来，并标记注射器和小瓶的内容物，以训练模型识别内容物和容器。

　　视频系统不直接读取每个小瓶上的文字，而是扫描其他视觉线索：小瓶和注射器的尺寸和形状，小瓶盖的颜色，标签打印尺寸。

　　“这尤其具有挑战性，因为手术室里的人拿着注射器和小瓶，你根本看不见这两个东西。有些字母（注射器和小瓶上的）被手盖住了。手在快速移动。他们正在做这项工作。他们不是在拍照，”希亚姆·戈尔拉科塔（Shyam Gollakota）说，他是这篇论文的合著者之一，也是华盛顿大学保罗·g·艾伦计算机科学与工程学院的教授。

　　此外，计算模型必须经过训练，以关注框架前景中的药物，而忽略背景中的小瓶和注射器。

　　Gollakota说：“人工智能正在做所有这些事情：检测医疗保健提供者拿起的特定注射器，而不是检测放在桌子上的注射器。”

　　这项工作表明，人工智能和深度学习有潜力提高许多医疗保健实践的安全性和效率。Michaelsen说，研究人员刚刚开始探索这种可能性。

　　这项研究还包括来自卡耐基梅隆大学和乌干达马凯雷雷大学的研究人员。丰田研究所建造并测试了该系统。

　　华盛顿研究基金会、麻醉教育与研究基金会和美国国立卫生研究院拨款（K08GM153069）资助了这项工作。

　　作者在他们的论文中声明了他们的潜在利益冲突，这将在要求时提供。

　　访问可下载的视频文件，展示人工智能如何实时识别小瓶交换错误和适当的药物转移。