Continuous Patient Monitoring with AI: Real-Time Analysis of Video in Hospital Care Settings

要約

この研究では、LookDeep Health が開発した、病院環境における継続的かつ受動的な患者モニタリングのための AI 駆動プラットフォームを紹介します。
このプラットフォームは、高度なコンピューター ビジョンを活用し、ビデオ分析を通じて患者の行動や相互作用に関するリアルタイムの洞察を提供し、推論結果を遡及評価のためにクラウドに安全に保存します。
病院パートナー 11 社と協力して編集されたこのデータセットには、300 人を超える高リスク転倒患者と 1,000 日を超える推論が含まれており、転倒検出や脆弱な患者集団の安全監視などのアプリケーションが可能になります。
革新性と再現性を促進するために、このデータセットの匿名化されたサブセットが公開されています。
AI システムは、個人の存在と役割、家具の位置、動きの大きさ、境界線の交差など、病室の主要なコンポーネントを検出します。
パフォーマンス評価では、物体検出 (マクロ F1 スコア = 0.92) および患者役割分類 (F1 スコア = 0.98) における高い精度と、「患者単独」指標の信頼できる傾向分析 (平均ロジスティック回帰精度 = 0.82) が実証されています。
午後0.15）。
これらの機能により、患者の孤立、徘徊、転倒リスクやその他の有害事象の重要な指標となる監視されていない動きの自動検出が可能になります。
この研究では、AI 駆動の患者監視システムを検証するためのベンチマークを確立し、患者の行動と相互作用に関する継続的なデータ駆動型の洞察を提供することで、患者の安全とケアを強化するプラットフォームの可能性を強調しています。

要約(オリジナル)

This study introduces an AI-driven platform for continuous and passive patient monitoring in hospital settings, developed by LookDeep Health. Leveraging advanced computer vision, the platform provides real-time insights into patient behavior and interactions through video analysis, securely storing inference results in the cloud for retrospective evaluation. The dataset, compiled in collaboration with 11 hospital partners, encompasses over 300 high-risk fall patients and over 1,000 days of inference, enabling applications such as fall detection and safety monitoring for vulnerable patient populations. To foster innovation and reproducibility, an anonymized subset of this dataset is publicly available. The AI system detects key components in hospital rooms, including individual presence and role, furniture location, motion magnitude, and boundary crossings. Performance evaluation demonstrates strong accuracy in object detection (macro F1-score = 0.92) and patient-role classification (F1-score = 0.98), as well as reliable trend analysis for the ‘patient alone’ metric (mean logistic regression accuracy = 0.82 \pm 0.15). These capabilities enable automated detection of patient isolation, wandering, or unsupervised movement-key indicators for fall risk and other adverse events. This work establishes benchmarks for validating AI-driven patient monitoring systems, highlighting the platform’s potential to enhance patient safety and care by providing continuous, data-driven insights into patient behavior and interactions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google