机构名称：
¥ 3.0
远程病人监护 (RPM) 是医疗保健领域一个快速发展的领域，旨在为临床医生提供额外支持，以便在一系列综合医院内科和外科病房提供护理，并使用柔性材料制作可穿戴传感器（Joshi 等人，2021 年；刘，王等人，2022 年；Weenk 等人，2020 年）。这是通过在医疗保健中融入新的物联网 (IoT) 方法来实现的，例如远程医疗应用（Heijmans 等人，2019 年）、可穿戴设备（Dias & Cunha，2018 年）和基于接触的传感器（Malasinghe 等人，2017 年）。 RPM 通常用于测量生命体征或其他生理参数，如运动识别，可协助对运动障碍或心理疾病等状况进行临床判断或治疗计划 (Shaik, Tao, Higgins, Gururajan, et al., 2022; Shaik, Tao, Higgins, Xie, et al., 2022)。人工智能 (AI) 算法已被用于对医学图像进行分析，并从临床数据中关联症状和生物标志物，以表征疾病及其预后 (Miller & Brown, 2018; Schnyer et al., 2017)。AI 在医疗服务提供方面具有巨大潜力，临床医生正在探索各种实际问题，以评估疾病风险、持续的患者护理，以及 AI 如何帮助临床医生缓解或减少病情进展中的并发症 (Torous et al., 2018)。医学研究也受益于人工智能，它有助于加快基因组测序以及新药和治疗方法的开发，而这些新药和治疗方法是从以前无法从如此复杂的数据中获得或观察到的知识中得出的。机器学习是人工智能的一个子集，它可以帮助临床医生在相对较短的时间内使用专门的算法解释复杂数据（Helm 等人，2020 年；Krittanawong 等人，2022 年）。他们可以协助对患者进行评估，以帮助预测其健康状况的早期恶化，甚至对他们的动作或活动类型进行分类（Z. Liu、Zhu 等人，2022 年；Huang 等人，2022 年）。这些人工智能算法可以处理大型数据集，以识别和学习复杂的决策模式（Dean 等人，2022 年）。最近，计算速度的提高导致了更强大的人工神经网络和深度学习算法的开发，这些算法可以处理和优化非常复杂的数据集（Bini，2018 年；Kalfa 等人，2020 年）。通过将物联网模型与集中控制单元和界面结合起来，许多常规任务可以实现自动化。这可能会避免人为错误，并提高患者安全性（Tandel 等人，2022 年）。RPM 传统上已应用于使用远程医疗技术远程监控农村地区的患者、使用可穿戴设备或传感器监控慢性病患者和家中的老年人，但非侵入性方面也适用于医院用于术后患者，以及使用无线身体传感器的重症监护病房。通过引入允许患者日常活动的非侵入式数字技术，可以将这些监测系统提升到一个新的水平。为了支持医疗保健专业人员根据生命体征和活动识别可视化患者的健康状况，可以实施机器学习 (ML) 和人工智能，如图 1 所示。这些类型的应用程序可以呈现与诊断和预测患者健康状况相关的数据，并协助临床决策。本综述的动机是医疗保健领域可能利用人工智能和机器学习来改变现有的传统医疗实践。本综述旨在研究当前 RPM 系统中采用的非侵入式技术。RPM 的当前趋势和人工智能的应用，以监测患者的生命体征、身体活动、紧急事件和慢性疾病，并协助临床医生诊断和提供有效的护理。讨论了人工智能对 RPM 应用的影响，用于早期发现健康恶化、个性化监测和自适应学习。最后，介绍了当前在医疗保健领域广泛采用人工智能或机器学习远程监控所面临的挑战，并确定了应对这些挑战的措施。本研究的贡献如下：
使用人工智能进行远程病人监控
主要关键词
相关文件推荐
