在26日举行的红杉全球医疗健康产业峰会上，斯坦福大学教授李飞飞提出了基于环境智能的人工智能在医疗领域的应用新趋势。李飞飞和他的团队在2020年9月的《自然》杂志上发表了一篇相关论文，这篇论文题为“Illuminatingthedarkspacesofhealthcarewithambientintelligence（照亮医疗保健的黑暗空间与环境智能）”，主要涉及到环境智能化在重症监护病房（ICU）、手术室、心理健康、慢病管理、养老等领域的应用，通过嵌入更多的被动式非接触式传感器（摄像头、深度、热量等）射频和声学传感器等）来实现。具体来说，以医院的ICU为例。美国每年ICU的支出占整个GDP的1%。ICU患者容易发生褥疮，这会导致患者的安全，增加医疗费用。患者的翻身等运动对预防褥疮非常重要。传统的方式是每隔一段时间手动记录患者的翻身情况，但这种记录并不准确。在这种情况下，非接触式环境传感器可以提供连续和细微的感知，相对准确地测量ICU中患者的各种运动。在论文中，李飞飞和他的团队提到，他们在ICU病房安装了环境传感器，收集了8名患者362小时的数据。与三位医生的人工回测相比，使用机器学习算法对活动进行分类的准确率接近90%。环境智能在心理健康领域也能派上用场。论文称，美国有4300万人，欧洲有1.65亿人受到抑郁症、焦虑症和躁郁症等精神疾病的影响。56%的精神疾病患者由于经济成本等因素没有寻求治疗。目前，精神疾病的诊断主要依靠自我报告问卷和临床评估。在这种情况下，环境智能可以提供持续且低成本的症状筛查。此外，环境智能还可以干预和帮助老年人进行慢病管理。李飞飞当天在红杉全球医疗健康产业峰会上提到，如果老年人的一些慢性病在发病之初就被发现，抗生素或许可以解决问题。老年人对可穿戴设备比较不习惯。在这种情况下，环境智能可以持续观察老人的行为变化和饮食、睡眠、心率、呼吸等重要医疗信息，及时反馈给家属和医护人员。李飞飞表示，她和她的团队专注于人类在医疗健康场景下的行为和动作，不局限于实验数据、图像光片和细胞。无论是ICU病人的运动轨迹，还是心理急诊病人的行为，还是老人的初始感染状态，这些都是医疗场景下的人为行为。环境智能感知、监测、分析人体在医疗场景中的行为状态，或许可以弥补以往医疗领域在这方面的不足。但这些技术若要在临床上大规模应用，还必须经过进一步的临床验证，同时还要通过数据安全、模型透明、伦理合规、法律许可等方面的挑战。
