人工智能如何克服醫(yī)院室內(nèi)資產(chǎn)跟蹤的挑戰(zhàn)

在物聯(lián)網(wǎng)應(yīng)用中，人工智能最常用于數(shù)據(jù)堆棧的“頂端”——對通常來自多個(gè)來源的大型數(shù)據(jù)集進(jìn)行操作。例如，在醫(yī)院環(huán)境中，人工智能和實(shí)時(shí)定位系統(tǒng)可用于預(yù)測分析：您能否根據(jù)天氣預(yù)測急診室入院率？您能否根據(jù)使用情況更好地估計(jì)設(shè)備何時(shí)需要維護(hù)？

然而，在每個(gè)物聯(lián)網(wǎng)堆棧的“底層”，人工智能開始應(yīng)用于傳感器本身，并產(chǎn)生非常重要的影響：人工智能使低質(zhì)量的傳感器能夠?qū)崿F(xiàn)非常高質(zhì)量的性能，從而帶來一直以來的投資回報(bào)。到目前為止，許多物聯(lián)網(wǎng)解決方案中還沒有出現(xiàn)這種情況。

人工智能和實(shí)時(shí)定位系統(tǒng)

人工智能在傳感器中的應(yīng)用之一是實(shí)時(shí)定位系統(tǒng)(RTLS)。許多行業(yè)都采用人工智能和實(shí)時(shí)定位系統(tǒng)來跟蹤移動(dòng)資產(chǎn)，以更好地監(jiān)控、優(yōu)化和自動(dòng)化關(guān)鍵流程。

醫(yī)院中一個(gè)簡單的例子是潔凈設(shè)備室的管理——遍布整個(gè)醫(yī)院的儲(chǔ)藏室，存放潔凈設(shè)備以供使用。需要設(shè)備的護(hù)士應(yīng)該能夠在潔凈室中準(zhǔn)確找到他們需要的東西。

然而，如果潔凈室?guī)齑嫠經(jīng)]有得到正確維護(hù)，那么設(shè)備可能無法使用，從而迫使醫(yī)院進(jìn)行漫長的搜索，從而影響患者的安全和員工的工作效率，最終迫使醫(yī)院過度購買昂貴的設(shè)備（通常是兩倍），以確保有足夠的設(shè)備可用性過剩。

如果您可以自動(dòng)確定設(shè)備的位置，您就可以輕松跟蹤每個(gè)潔凈室中可用設(shè)備的數(shù)量，并在庫存不足時(shí)自動(dòng)觸發(fā)補(bǔ)貨。這是 RTLS 的一種用途，其中要求確定設(shè)備位于哪個(gè)房間。是在病房中嗎？那么就無法使用了。是在潔凈室里嗎？然后它會(huì)影響可用設(shè)備的數(shù)量。

因此，以極高的置信度確定設(shè)備位于哪個(gè)房間至關(guān)重要：位置錯(cuò)誤會(huì)讓您認(rèn)為您正在尋找的三個(gè) IV 泵位于 12 號病房，而實(shí)際上它們位于隔壁的潔凈室，這會(huì)導(dǎo)致通過高估可用泵來破壞過程。

通過 RTLS，移動(dòng)標(biāo)簽被附加到資產(chǎn)上，固定基礎(chǔ)設(shè)施（通常在天花板或墻壁上）確定標(biāo)簽的位置。各種無線技術(shù)被用來實(shí)現(xiàn)這一目標(biāo)，而這正是人工智能產(chǎn)生重大積極影響的地方。使用的技術(shù)屬于兩個(gè)陣營之一：

1.      不穿透墻壁的無線技術(shù)，例如超聲波和紅外線。通過在每個(gè)房間放置接收器并偵聽移動(dòng)標(biāo)簽的傳輸來實(shí)現(xiàn)房間級精度。如果您能聽到標(biāo)簽的聲音，則它一定與您在同一個(gè)房間。達(dá)到房間級精度。

2.      確實(shí)可以穿透墻壁的無線技術(shù)，例如 Wi-Fi 和藍(lán)牙（最常見的是低功耗藍(lán)牙或 BLE）。接收器遍布整個(gè)建筑物，測量接收到的標(biāo)簽傳輸?shù)男盘枏?qiáng)度，從而通過算法確定標(biāo)簽的位置。

常見問題

第 一陣營——非穿墻技術(shù)——的問題是多方面的。當(dāng)有人沒關(guān)門時(shí)會(huì)發(fā)生什么？（大多數(shù)醫(yī)院的共同政策）。在沒有墻壁的情況下如何確定設(shè)備的位置？（設(shè)備通常存放在露天區(qū)域）。

答案是在每個(gè)房間放置設(shè)備的成本已經(jīng)非常高的要求中添加越來越多的基礎(chǔ)設(shè)施設(shè)備，這意味著這些解決方案很快就會(huì)變得成本高昂，而且部署起來非常麻煩。

2 號營地需要的基礎(chǔ)設(shè)施要少得多，從價(jià)格的角度來看更有吸引力，但也有局限性。測量多個(gè)固定接收器處從單個(gè)標(biāo)簽接收到的信號強(qiáng)度支持標(biāo)簽位置的確定性計(jì)算。通過使用信號強(qiáng)度如何隨距離下降的通用模型，可以進(jìn)行粗略的范圍估計(jì)，并且三個(gè)范圍估計(jì)產(chǎn)生 2D 位置估計(jì)。軟件中的地理圍欄將這些二維坐標(biāo)轉(zhuǎn)換為房間占用情況。

問題在于，信號在該范圍內(nèi)下降的方式復(fù)雜且混亂，不僅受到信號阻擋（墻壁、設(shè)備、人員）的影響，而且還受到多個(gè)信號反射相互作用（“多徑衰落”）的影響。最終結(jié)果是確定位置的精度為 8 到 10 米或更差，不足以確定物體位于哪個(gè)房間。

機(jī)器學(xué)習(xí)

具有機(jī)器學(xué)習(xí)背景的人可能已經(jīng)發(fā)現(xiàn)了一個(gè)機(jī)會(huì)：確定物體所在的房間不是跟蹤問題，而是分類問題。與所有的頓悟一樣，新一代的實(shí)時(shí)定位系統(tǒng)公司需要從他們的算法中退一步，以新的眼光來看待這個(gè)問題。正是在這里，人工智能正在改變 RTLS。

如果您可以利用 2 號營地的低成本技術(shù)來實(shí)現(xiàn)與 1 號營地相同的性能水平會(huì)怎么樣？如果您可以在不付出成本的情況下提供所有價(jià)值怎么辦？通過利用 BLE 傳感器并應(yīng)用機(jī)器學(xué)習(xí)，這正是人工智能為派對帶來的效果。

為什么不利用信號強(qiáng)度作為特征來訓(xùn)練分類算法，而不是根據(jù)信號強(qiáng)度做出非常差的范圍估計(jì)呢？由于信號穿透多堵墻，單個(gè)標(biāo)簽可以聽到來自多個(gè)固定基礎(chǔ)設(shè)施設(shè)備的信號，這些設(shè)備提供大量功能，可以對房間占用情況進(jìn)行非常高置信度的推斷。AI 在安裝過程中接受一次訓(xùn)練，學(xué)習(xí)足以區(qū)分房間 1 和房間 2 等的特征。

這是思維方式的根本性轉(zhuǎn)變，具有非常深遠(yuǎn)的成果。對于傳統(tǒng) Wi-Fi 和 BLE 系統(tǒng)，建筑物中的混沌信號傳播會(huì)造成信號強(qiáng)度的巨大變化，從而混淆范圍估計(jì)算法。

結(jié)果是精度非常差，但相反，從一個(gè)地方到另一個(gè)地方信號強(qiáng)度的相同變化正是使 ML 成為如此強(qiáng)大工具的特征變化。碾壓傳統(tǒng)方法的信號傳播特性正是人工智能所需的素材。

RTLS 已經(jīng)進(jìn)入了一個(gè)新時(shí)代，在云大小的大腦上運(yùn)行的復(fù)雜機(jī)器學(xué)習(xí)算法可以采用分類方法來定位對象。人工智能和實(shí)時(shí)定位系統(tǒng)的成果是高性能、低成本的傳感器，這些傳感器正在改進(jìn)關(guān)鍵流程，并使醫(yī)院能夠以更低的成本提供更好的服務(wù)并取得更好的結(jié)果。