每年有多達幾十萬人因醫療錯誤而死亡，但是，通過使用電子傳感器和人工智能來幫助醫療專業人員監控和治療易受傷害的患者，以改善結果并同時尊重隱私的方式，可以避免許多此類死亡。

　　“我們有能力在提供醫療保健的物理空間中構建技術，以幫助減少由于患者人數眾多和醫療保健的復雜性而導致的致命錯誤的發生率，”斯坦福大學臨床卓越研究中心（CERC）醫學教授ArnoldMilstein說。

米爾斯坦（Milstein）與計算機科學教授李飛飛（Fei-FeiLi），以及研究生阿爾伯特·哈克（AlbertHaque）共同探討了在醫療保健領域的“環境智能”領域，如何創建配備AI的智能病房系統以做助力醫療。

　　例如，傳感器和AI可以在臨床醫生和病人進入醫院之前，提醒他們對手進行消毒。還有可以將AI工具內置到智能家居中，在智能家居中，技術可以毫不費力地監視虛弱的老人，了解即將發生的健康危機的行為線索。他們會提示家庭護理人員，偏遠的臨床醫生和患者本人及時進行挽救生命的干預措施。

　　5G天線PCB小編認為，周圍環境技術有很多潛在的好處，但是它們也會引發法律和法規問題，以及必須在解決方案中識別和解決的隱私問題。以一種公開的方式贏得患者和醫療服務提供者以及支付醫療費用的各種機構的信任。

　　李說：“保護醫學上脆弱人群健康的技術本質上是以人為本。”“研究人員必須聽取所有利益相關者的意見，以創建一種系統來補充護士，醫生和其他護理人員以及患者自身的工作”。

　　Li和Milstein共同領導了成立8年的斯坦福AI-AssistedCare合作伙伴關系（PAC），這是越來越多的中心之一。電路板廠了解到，其中包括約翰霍普金斯大學和多倫多大學的技術人員和臨床醫生合作的中心開發環境情報技術以幫助醫療保健提供者管理如此龐大的病人數量：大約有2400萬美國人在2018年需要住院過夜，哪怕是最小的誤差也可能會導致很多生命損失。

　　米爾斯坦說：“我們在床邊護理的復雜性中參與競爭。根據最近的一項統計，醫院新生兒重癥監護病房的臨床醫生每天每位患者每天要進行600次床旁手術。如果沒有技術援助，那么執行大量復雜的手術將會超出臨床團隊的負荷。”　　解決方法：由AI控制的不可見光？

　　Haque表示，該領域主要基于兩種技術趨勢的融合：價格低廉的紅外傳感器可用于構建高風險的護理環境；以及機器學習系統的興起，以使用傳感器輸入來訓練醫療保健中的專用AI應用程序。

　　紅外技術有兩種類型。第一種是主動紅外，例如電視遙控器使用的不可見光束。但是，新的主動紅外系統不再像電視遙控器那樣簡單地向一個方向發射不可見光，而是使用AI來計算不可見光線反彈回源所花費的時間，例如基于光的雷達形式將3-D一個人或物體的輪廓。