Continuous Patient Monitoring with AI: Real-Time Analysis of Video in Hospital Care Settings
تقدم هذه الدراسة منصة مدعومة بالذكاء الاصطناعي من شركة LookDeep Health تستخدم تحليل الفيديو في الوقت الفعلي لمراقبة المرضى المعرضين لمخاطر عالية في المستشفيات باستمرار للكشف عن الأحداث الحرجة للسلامة مثل السقوط والتجول، محققة دقة عالية في اكتشاف وجود المرضى وأدوارهم وسلوكياتهم من خلال مجموعة بيانات واسعة النطاق تم التحقق من صحتها عبر 11 شريكاً من المستشفيات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل غرفة المستشفى كمسرح صاخب وعالي المخاطر. عادةً، لا يستطيع "المخرج" (الممرض) إلا إلقاء نظرة خاطفة على المسرح لبضع دقائق كل ساعة. هم يعلمون أن "الممثلين" (المرضى) موجودون هناك، لكنهم يفوتون اللحظات الهادئة بين تلك الفترات: عندما يحاول مريض الوقوف بمفرده في الثالثة صباحاً، أو عندما يتجول قليلاً بعيداً، أو عندما يجلس في صمت لفترة طويلة جداً. هذه اللحظات المفقودة هي غالباً ما تقع فيها الحوادث، مثل السقوط.
تقدم هذه الورقة البحثية نوعاً جديداً من "المراقب الخارق" للمستشفيات: نظام كاميرا أمنية مدعوم بالذكاء الاصطناعي لا يرمش له جفن، ولا يتعب أبداً، ولا يأخذ استراحة لتناول القهوة.
إليك قصة كيفية عمله، مقسمة إلى مفاهيم بسيطة:
1. "الحارس الرقمي الليلي"
فكر في نظام (LookDeep Health) كـ حارس ليلي رقمي يعيش في غرفة المريض.
- كيف يرى: بدلاً من العين البشرية، يستخدم كاميرا متصلة بجهاز كمبيوتر ذكي (مثل جهاز لوحي فائق الذكاء).
- ماذا يفعل: يراقب الغرفة على مدار الساعة طوال أيام الأسبوع. لكنه لا يقوم بمجرد تسجيل الفيديو؛ بل يفهم ما يراه. هو يميز بين المريض، والممرض، والكرسي. ويعرف ما إذا كان المريض في السرير، أو جالساً على كرسي، أو يتجول حول الغرفة.
- اللمسة السحرية: هو لا يكتفي بالقول "هناك شخص يتحرك"، بل يقول: "المريض يتحرك بمفرده"، أو "المريض يتلقى المساعدة من ممرض".
2. "درع الخصوصية" (في مجموعة بيانات البحث)
قد تتساءل: "مهلاً، أليس هذا مريباً؟ مراقبة الناس بملابسهم الداخلية؟"
لقد كان الباحثون حذرين للغاية هنا. فعند بناء مجموعة بيانات البحث المستخدمة لتدريب النظام، قاموا بتطبيق تمويه رقمي على وجوه المرضى في اللقطات التي تم جمعها. ضمن هذا الإجراء أن الأشخاص الذين عملوا لاحقاً على البيانات لم يتمكنوا من رؤية هوية أي شخص؛ بل استطاعوا فقط رؤية الأشكال، والحركات، وما يفعله الأشخاص.
- الأمر يشبه النظر إلى شخص من خلال نافذة زجاجية مغبشة: يمكنك رؤية شكله، وحركته، وما يفعله، ولكن لا يمكنك رؤية وجهه أو التعرف عليه.
- (ملاحظة: خطوة تمويه الوجه هذه حمت مجموعة بيانات البحث؛ وهي ليست موصوفة في الورقة كعملية معالجة فورية تعمل على كل إطار فيديو حي في مستشفى مستخدم فعلياً).
3. "المحقق الذكي"
تم تدريب النظام مثل محقق شاهد آلاف الغرف في المستشفيات.
- التدريب: عرض الفريق على الذكاء الاصطناعي أكثر من 40,000 صورة لغرف المستشفيات. علموه: "هذا سرير"، "هذا كرسي"، "هذا ممرض"، "هذا مريض".
- النتيجة: أصبح الذكاء الاصطناعي بارعاً للغاية في رصد الأشياء. وفي الاختبارات، كانت دقة النظام تتراوح بين 92% إلى 98%. لقد استطاع تحديد ما إذا كان المريض بمفرده في الغرفة بدقة شبه مثالية.
4. "راصد الاتجاهات"
هذا هو الجزء الأكثر قوة. قد يلاحظ الممرض البشري سقوط المريض بعد وقوعه. أما هذا الذكاء الاصطناعي فهو يشبه متنبئ الطقس لسلامة المرضى.
- هو يراقب "أنماط الطقس" ليوم المريض.
- مثال: "مهلاً، هذا المريض عادة ما يبقى في السرير حتى الساعة 2 ظهراً، لكنه اليوم يتجول بمفرده منذ الساعة 10 صباحاً".
- يمكن للنظام رصد هذه التغييرات الدقيقة على مدار الساعات أو الأيام، من خلال تتبع المؤشرات السلوكية مثل مقدار الوقت الذي يقضيه المريض بمفرده وأنماط حركته. هذه المؤشرات قد تشير إلى ارتفاع مستوى المخاطر، لكن النظام لا يتنبأ بأحداث محددة مثل السقوط — بل يمنح الطاقم صورة أوضح عن حالة المريض ليتسنى لهم اتخاذ قرار بضرية تفقد المريض.
5. لماذا هذا مهم؟
حالياً، يعاني الممرضون من ضغط العمل الشديد. فهم يقضون معظم وقتهم في الأعمال الورقية أو التنقل بين الغرف، ولا يمكنهم التواجد في كل غرفة في آن واحد.
- الطريقة القديمة: يقوم الممرض بتفقد المريض كل ساعتين. إذا حاول المريض النهوض في الساعة 1:55 مساءً، فقد يسقط قبل عودة الممرض في الساعة 2:00 مساءً.
- الطريقة الجديدة: لأن النظام يرى المريض وهو ينهض في الساعة 1:55 مساءً ويتعرف على أن المريض بمفرده، يمكن منح الطاقم وعياً أفضل بحالة المريض — معرفة من هو بمفرده، ومن يتلقى الرعاية، ومن يتحرك، بشكل أكثر دقة وسرعة. (الورقة نفسها لا تفرض آلية تنبيه محددة مثل الإشعارات على هاتف الممرض؛ بل تركز على إنتاج هذا الوعي، وتترك كيفية التصرف بناءً عليه للمستشفى).
- مجموعة البيانات المفتوحة: إلى جانب النظام نفسه، نشر المؤلفون مجموعة بيانات مجهولة المصدر (
lookdeep/ai-norms-2024) تحتوي على أكثر من 300 مريض وأكثر من 1,000 يوم مراقبة. وهذا يعني أن مجموعات بحثية أخرى يمكنها اختبار أنظمة المراقبة المستمرة الخاصة بها مقابل نفس البيانات، مما يعد مساهمة كبيرة في جعل هذا النوع من الأبحاث قابلاً للتكرار.
الصورة الكبيرة
اختبر الباحثون هذا النظام في 11 مستشفى مختلفاً مع أكثر من 300 مريض من الفئات عالية الخطورة. وقد أثبتوا أن:
- الذكاء الاصطناعي يعمل حتى لو كانت الكاميرا مثبتة على عربة متحركة (وليست ثابتة في الجدار).
- الذكاء الاصطناعي يعمل حتى لو تغيرت الإضاءة أو بدا شكل الغرفة مختلفاً.
- الذكاء الاصطناعي دقيق بما يكفي ليتم الوثوق به في سلامة المرضى الحقيقية.
باختصار: تصف هذه الورقة أداة تمنح المستشفيات "رؤية خارقة". فهي تحول كاميرا الفيديو السلبية إلى شريك سلام نشط، مما يضمن عدم بقاء أي مريض وحيداً حقاً عندما يحتاج للمساعدة، كل ذلك مع الحفاظ على خصوصية هويته تماماً. إنه يشبه منح كل مريض ملاكاً حارساً مصنوعاً من الأكواد البرمجية.
ملاحظة: هذه الورقة خضعت لمراجعة الأقران ونُشرت في Frontiers؛ والنسخة المقبولة موجودة عبر رابط arXiv (https://arxiv.org/abs/2412.13152).
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.