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”——對通常來自多個來源的大型數(shù)據(jù)集進行操作。 例如，在醫(yī)院環(huán)境中，人工智能和實時定位系統(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設(shè)備何時需要維護?

　　然而，在每個物聯(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。 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。

　　人工智能和實時定位系統(tǒng)

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

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

　　然而，如果潔凈室的庫存水平?jīng)]有得到正確的維護，那么設(shè)備可能無法使用，迫使醫(yī)院進行長時間的搜索，從而影響患者安全和員工的生產(chǎn)力，最終迫使醫(yī)院過度購買昂貴的設(shè)備(通常是兩倍)，以確保有多余的可用性。

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

　　如果您可以自動確定設(shè)備的位置，您就可以輕松地跟蹤每個潔凈室中可用設(shè)備的數(shù)量，并在庫存不足時自動觸發(fā)補充。這是RTLS的一個用途，需要確定設(shè)備在哪個房間。是在病房里嗎?那就沒貨了。它在一個干凈的房間里嗎?那么它會影響可用設(shè)備的數(shù)量。

　　因此，以非常高的置信度確定設(shè)備位于哪個房間是至關(guān)重要的:位置錯誤使您認為您正在尋找的三個IV泵在12號病房，而實際上它們在隔壁的潔凈室中，這將由于過高估計可用的泵而導(dǎo)致過程中斷。

　　使用RTLS時，移動標(biāo)簽貼在資產(chǎn)上，固定的基礎(chǔ)設(shè)施(通常在天花板上或墻上)決定標(biāo)簽的位置。各種無線技術(shù)被用來實現(xiàn)這一點，這就是人工智能正在產(chǎn)生重大積極影響的地方。所使用的技術(shù)屬于兩個陣營之一:

　　1.不穿墻的無線技術(shù)，例如超聲波和紅外線。通過在每個房間放置一個接收器并監(jiān)聽傳輸?shù)囊苿訕?biāo)簽，可以實現(xiàn)房間級別的準(zhǔn)確性。如果你能聽到標(biāo)簽，那一定是和你在同一個房間。實現(xiàn)了房間級別的精度。

　　2.穿透墻壁的無線技術(shù)，例如Wi-Fi和藍牙(最常見的是藍牙低能耗或BLE)。接收器遍布整個建筑，測量接收到的標(biāo)簽傳輸?shù)男盘枏姸�，通過算法確定標(biāo)簽的位置。

　　常見問題

　　1號營地的問題是多方面的——非穿墻技術(shù)。當(dāng)有人把門打開時會發(fā)生什么?(這是大多數(shù)醫(yī)院的常見政策)。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)。

　　答案是在每個房間都放置一個設(shè)備的成本已經(jīng)非常高的要求基礎(chǔ)上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變得成本高昂，而且部署起來非常麻煩。

　　2號營地需要更少的基礎(chǔ)設(shè)施，從價格角度來看更具吸引力，但也有局限性。在多個固定接收器處測量從單個標(biāo)簽接收的信號強度支持標(biāo)簽位置的確定性計算。通過使用信號強度如何隨距離下降的通用模型，可以進行粗略的距離估計，并且三個距離估計產(chǎn)生2D位置估計。軟件中的地理圍欄將這些二維坐標(biāo)轉(zhuǎn)換為房間占用率。

　　問題是，信號在范圍內(nèi)下降的方式是復(fù)雜而混亂的，不僅受到信號阻塞(墻壁、設(shè)備、人員)的影響，還受到多個信號反射的相互作用(“多徑衰落”)的影響。最終的結(jié)果是，位置的確定精度為8到10米或更差，幾乎不足以確定物體所在的房間。

　　機器學(xué)習(xí)

　　具有機器學(xué)習(xí)背景的人可能已經(jīng)發(fā)現(xiàn)了一個機會：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，新一代的實時定位系統(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)來實現(xiàn)與 1 號營地相同的性能水平會怎么樣? 如果您可以在不付出成本的情況下提供所有價值怎么辦? 通過利用 BLE 傳感器并應(yīng)用機器學(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度作為特征來訓(xùn)練分類算法，而不是根據(jù)信號強度做出非常差的范圍估計呢? 由于信號穿透多堵墻，單個標(biāo)簽可以聽到來自多個固定基礎(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造成信號強度的巨大變化，從而混淆范圍估計算法。

　　結(jié)果是精度非常差，但相反，從一個地方到另一個地方信號強度的相同變化正是使 ML 成為如此強大工具的特征變化。 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)進入了一個新時代，在云大小的大腦上運行的復(fù)雜機器學(xué)習(xí)算法可以采用分類方法來定位對象。 人工智能和實時定位系統(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。