八年心血力作！李飞飞团队：用“环境智能”照亮医疗黑暗空间，登顶《Nature》！(3)

当然，与其他技术类似，大规模转换为临床应用必须克服严峻的临床验证，适当的数据隐私以及模型透明性等挑战。
论文中，研究人员通过几个示例性的临床使用案例和患者结果，验证了其研究算法和可行性和有效性，并且进一步讨论了更广泛的社会和道德因素，包括隐私，公平，透明等问题。
AI传感器助力多维度医疗空间
2018年，约有7.4%的美国人需要过夜的医护人员。同年，英国国家卫生服务局（NHS）报告了1700万入院病例，医护人员超负荷工作，人手不足，资源有限的问题已经相当严峻。
李飞飞研究团队认为，环境智能可以在缓解临床服务的压力，提高医疗服务质量和效果方面发挥重要作用，并且可应用于多个医疗空间中。
重症监护室（ICU）环境智能在其中发挥作用的一个用例是计算机辅助患者运动监测。
据统计，在美国，重症监护病房每年需要花费1,080亿美元，占医院总费用的13％。在重症患者中，神经肌肉损害可能导致一年死亡率增加两倍，住院费用增加30％，尽早动员患者接受环境智能的监测可使得相对发生率降低40％。
目前，面对面评估的方法存在成本高、观察者偏见以及人为失误等问题的限制，而非接触式环境传感器可以有效地解决以上问题，并提供连续且准确的患者运动数据。
在一项开创性研究中，研究人员在ICU室中安装了环境传感器（Ambient Sensors ），从八名患者中收集了362小时的数据。

与三位医师的人工检查相比，机器学习算法将患者运动分为床内活动，床外活动和步行活动，其准确性达到了87％。
此外，在另一项更大的测试中，研究人员在八个ICU病房中安装了深度传感器，其算法在379个视频上训练了卷积神经网络，并将移动性活动分为了四类。
当在184个视频的样本数据集上进行验证时，该算法显示出87％的灵敏度，以及89％的特殊性。