什么是智慧医院？

智慧医院使用数据和 AI 洞察推动各个患者服务阶段的决策，为专业医务人员提供洞察以实现更好、更快的护理。

智慧医院使用数据和技术加速和改进目前专业医务人员和医院管理层的工作，例如追踪医院的床位占用率、监测患者的生命体征、分析放射学检查等。

智慧医院和传统医院的区别是什么？

医院正在不断生成和采集数据，其中大部分数据已实现了数字化。这使得他们能够使用数据分析和 AI 等技术来获得更好的洞察。

曾以纸质文件形式存储的患者病史、检验结果和免疫信息数据现已被转换成电子病历（EHR）。数字 CT 和磁共振成像扫描仪以及包括 PACS 医疗影像存储系统在内的软件正在取代模拟放射学工具。医院病房和手术室的互联传感器可以记录多个连续数据流，用于实时和回顾性分析。

普通医院正在越来越多地使用数字工具，以过渡转型为智慧医院。智慧医院不仅可以采集数据，而且还可以通过分析数据提供有价值的、及时的洞察。

自然语言处理模型可以从复杂的病理报告中快速提取有益于癌症护理的洞察；数据科学可以监测急诊室的等待时间以解决各种瓶颈；AI 机器人可以在手术室协助外科医生；视频分析可以检测到洗手液供应情况或患者需要注意的情景（例如医院或家中的跌倒风险）。

智慧医院有哪些优点？

智慧医院技术为医疗系统、专业医护人员和患者带来了以下益处：

医疗服务提供者：智慧医院的数据可用于帮助医疗机构优化其有限的资源，提高运营效率，更好地以患者为中心；传感器可以监测到独自一人的患者；AI 算法可以根据病情的严重程度告知需要优先治疗的患者；而远程医疗解决方案可以为医院外的患者提供护理。

临床医生：智慧医院工具可以帮助医生、护士、医学影像技术人员和其他医疗专家处理常规或繁重的任务，例如记录与患者的每一次互动、分割核磁共振中的解剖结构或将医生的诊断书转化为医疗保险编码，使他们能有更多的时间专注于患者护理。智慧医院工具还可以在 AI 算法的帮助下帮助做出临床决策，根据历史数据为个别患者提供第二诊疗意见或分诊建议。

患者：智慧医院技术可以帮助全球任何地方的医生提供更加一致和更高质量的患者护理服务。临床医生在技能水平、专业领域、资源获取和每个患者的时间投入上都有所不同。通过部署 AI 和机器人技术来实时监测并自动执行耗时的任务，智慧医院可以让临床医生更专注于与患者的互动，以优化患者体验。

如何打造智慧医院？

在运营智慧医院时，需要将完整的硬件和软件解决方案生态系统与临床医生的工作流程相协调。为了加快和改善患者护理，该系统中的每个应用、设备、传感器和 AI 模型都必须实现在整个机构中共享数据和洞察。

如果把智慧医院比作章鱼，那么章鱼的头部就是负责存储和处理所有数据的安全服务器。每个触手则代表急诊室、重症监护室、手术室、放射科实验室等部门，上面覆盖着能够从周围环境中获取数据的传感器（章鱼吸盘）。

如果每个触手都各自运作，那么这只章鱼的身体就会因为只能收到一条手臂感应到的信息而无法采取快速行动。只有每个触手都将数据传回章鱼的中央大脑，才能使它能够灵活应对不断变化的环境。

同样，智慧医院采用的也是这种辐射模型：分布在整个设施中的传感器可以将关键洞察送回中央“大脑”，帮助做出整体决策。例如，如果手术室的摄像头显示手术即将完成，AI 就会提醒恢复室的工作人员做好迎接患者到来的准备。

为了驱动智慧医院解决方案，医疗器械公司、学术医疗中心和初创企业纷纷使用 NVIDIA Clara。从运行实时应用的医疗设备到长期存储和处理数据的安全服务器，这个端到端 AI 平台可以与整个医院网络相整合，支持边缘、数据中心和云基础设施、众多软件库以及全球合作伙伴生态系统，为新一代智慧医院提供动力。

智慧医院运营和患者监测

一家繁忙的医院由患者、员工、药品、设备等无数动态元素而组成，使用 AI 自动化技术能够优化设施的运营。

虽然医生或护士不可能在患者住院期间的每一刻都陪伴在他们身边，但智能视频分析在其他智能传感器的配合下可以密切监测患者，在患者处于困境并需要关注时提醒医疗服务提供者。

例如重症监护室中的患者被连接到持续采集生命体征的监测设备上。其中的许多设备会不断发出各种警报，这可能导致医务工作者有时会忽略某个传感器的警报。

通过将来自多个设备的流式传输数据汇总到一条通道，AI 算法可对数据进行实时分析，更快检测出患者的病情是否突然转好或转坏。

休斯顿卫理公会学术医学中心正在与 NVIDIA 合作伙伴网络中的精英成员 Mark III Systems 一起部署一种名为 DeepStroke 的 AI 工具。该工具可以根据患者的语言和面部动作，更加准确地提前检测出卒中症状。通过将这些 AI 模型集成到急诊室的工作流程中，医院可以更加迅速地确定如何正确治疗卒中患者，帮助临床医生不遗漏仍可以挽救生命的患者。

NVIDIA 初创加速计划成员 Artisight 正在使用由 GPU 加速的戴尔 PowerEdge 服务器、NVIDIA Fleet Command 混合云系统和用于 AI 流式传输分析的 DeepStream 软件开发套件等戴尔和 NVIDIA 的企业级解决方案来管理一个智慧医院网络，该网络包含了西北大学医学院的 2000 多个摄像头和麦克风。

Artisight 所提供的一个模型提醒护士和医生注意有受伤风险的患者。另一个基于室内定位系统数据的系统实现了诊所工作流程的自动化，最大程度地提高员工的生产力和患者的满意度。还有一个系统通过检测术前、术中和术后事件协调手术室的吞吐量。

这些系统都可以轻松添加功能而不受地点的限制。一个 AI 支持的传感器网络可以监测医院的房间以防止患者跌倒，也可以检测医院用品是否不足或者手术室是否需要清洁。这些系统甚至可以通过 Artisight 的集成式远程咨询工具延伸到医院以外，监测位于家中的高危患者。

医疗服务的最后一个关键要素是医疗编码，也就是把临床医生的笔记转化成一组代表每项诊断和程序的字母数字代码。这些代码在美国具有特别重要的意义，它们是医生、诊所和医院向保险公司、患者等相关者提交账单的依据。

NVIDIA 初创加速企业 Fathom 所开发出的一个 AI 模型能够自动执行复杂的医疗编码流程，在降低成本的同时提高速度和精度。这家成立于 2016 年的公司与全国最大的卫生系统、计费公司和医生团体合作，每年为超过 2000 万名患者进行编码。

智慧医院中的医疗影像

深度学习最开始被用于识别图像中的物体并因此而普及。这也是这项技术在医疗行业最早的用途之一。目前在医疗影像领域，有几十个 AI 模型已经获得监管部门的批准，帮助智慧医院的放射科加快对 CT、MRI 和 X 光数据的分析。

AI 可以对检查图像进行预筛，标记出需要放射科医生注意的区域。这可以节省医生的时间，让他们有更多的余力查看其他检查图像或向患者解释结果。该技术可以将脑出血等关键病例移到放射科医生工作清单的首位，进而缩短诊断和治疗危及生命的病例的时间。而且它还可以提高放射学影像的分辨率，使临床医生能够减少每个患者所需要的剂量。

领先的医疗影像公司和研究者正在使用 NVIDIA 的技术驱动可用于智慧医院环境的新一代应用。

西门子医疗（Siemens Healthineers）开发了基于深度学习的自动轮廓绘制解决方案，能够对放射治疗中的危险器官进行精准的轮廓绘制。

富士医疗使用 NVIDIA GPU 驱动其 Cardio StillShot 软件，该软件可在 CT 扫描期间生成精准的心脏影像。为了加快该软件的工作速度，该团队使用了包括 NVIDIA Optical Flow SDK 在内的软件来估计像素级运动，并使用 NVIDIA Nsight Compute 来优化性能。

NVIDIA 初创加速计划中的初创企业也在使用 AI 推进医疗影像工作流程，例如上海联影智能的 uAI 平台可以为设备、医生和研究者提供功能齐全的 AI 应用，涵盖了影像、筛查、随访、诊断、治疗和评估领域。该公司的 uVision 智能扫描系统在 NVIDIA Jetson 边缘 AI 平台上运行。

智慧医院中的数字和机器人手术

为了获取数据并为外科医生提供 AI 驱动的警报和指导，智慧医院的手术室加入了智能视频分析和机器人技术。

医疗设备开发商和初创企业正在开发推动手术培训的工具，帮助外科医生提前计划手术、在手术中提供实时支持和监测并协助术后的记录和回顾性分析。

总部位于巴黎的机器人手术公司 Moon Surgical 正在设计一个可与手术室现有设备和工作流程配合使用的无障碍、自适应外科手术辅助机器人系统—— Maestro 。这家初创企业采用 NVIDIA Clara Holoscan 节省时间和资源，缩短了开发时间。

Activ Surgical 选择使用 Holoscan 加快开发用于提供实时手术指导的 AI 和增强现实解决方案。这家波士顿公司的 ActivSight 技术让外科医生能够查看肉眼无法看到的重要生理结构和功能，比如血流。

位于伦敦的 Proximie 将使用 Holoscan 技术实现手术室的远程呈现，把专业的外科医生和 AI 解决方案带入到每一场手术中。该公司希望通过将这些信息集成到外科影像系统来降低手术并发症的发生率，提升患者的安全和护理质量。

远程医疗——家中的智慧医院技术

另一些智慧医院技术确保不需要入院的患者可以通过可穿戴设备、智能手机应用、视频约诊、电话和文本信息收发工具在家中接受护理。此类工具减少了医疗机构的负担，例如能与患者有效沟通的 AI 聊天机器人。

Curai 等公司正在使用自然语言处理 AI 驱动智能语音助手和远程医疗聊天机器人。Curai 是 NVIDIA 初创加速计划这一全球初创企业网络中的一员。

Curai 正在使用 GPU 驱动的 AI，通过一个基于聊天的应用连接患者、医疗机构和护理团队。患者可以输入有关他们病情的信息、查阅他们的医疗档案并随时与医疗服务提供者聊天。该应用还通过提供基于 Curai 深度学习算法的诊断和治疗建议来支持医疗服务提供者。

Curai 所专注的 AI 领域是自然语言处理（用于从医疗对话中提取数据）、医学推理（用于提供诊断和治疗建议）以及图像处理和分类（主要用于患者上传的图像）。

像 Curai 这样的线上护理工具可以在任何时候用于预防性的和简易的护理，或在患者就诊后确保他们能够良好地响应治疗。

利用智慧医院数据开展医学研究

智慧医院数据的用处并不会在患者出院后而结束，它们可以为持续多年的研究提供信息，并作为医疗机构数据库的一部分来帮助改善运营效率、预防护理、药物研发等。凭借像联邦学习这样的协作工具，数据的作用将从一座医疗机构扩展到全球，推动整个医疗领域的研究。

Neurosurgical Atlas 是全球最大的神经外科医生协会。该协会通过新的高效外科技术推进神经外科疾病患者的护理。Atlas 包含一个手术记录和模拟库，让神经外科医生在进行手术前能够对潜在的隐患有前所未有的了解，创造了新的技术标杆。未来，Neurosurgical Atlas 计划为个体患者创建数字孪生。

佛罗里达大学的医疗学术中心 UF Health 使用包含了 200 万名患者的 5000 多万次互动信息的数字病历来训练 GatorTron。这个模型可以帮助确定哪些患者参加挽救生命的临床试验、预测并提醒医疗团队危及生命的情况并为医生提供临床决策方面的支持。

电子病历还被用于开发 SynGatorTron。这个语言模型可以生成帮助增强小型数据集的合成病历，或在保护真实患者数据隐私的同时实现AI模型的共享。

在得克萨斯州，MD Anderson 正在使用医院存档记录进行人口数据分析。研究者使用自然语言处理工具包 NVIDIA NeMo 开发了一个对话式 AI 平台。该平台可以利用癌症全像数据进行基因组分析，包括生存率分析、突变分析、测序数据处理等。

免责声明

本文来源为其他媒体的内容转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们