پرستاری که هرگز پلک نمیزند – پایش هوشمند وضعیت بیمار
دوربینهای مادون قرمز بدون هیچ تماسی وضعیت خواب، تعداد تنفس و تلاش برای خروج از تخت را پایش میکنند.
در بخشهای مراقبت ویژه و بیمارستانهای توانبخشی، پایش وضعیت بدنی بیمار (مثلاً غلت زدن، خارج شدن از تخت، یا افتادن اندام) و کیفیت خواب اهمیت حیاتی دارد. سنسورهای تماسی مانند دستبندها یا تشکهای مخصوص برای بیماران آزاردهنده هستند و نیز ممکن است جدا شوند. سیستمهای مبتنی بر دوربین مادون قرمز (بدون نور مرئی) میتوانند وضعیت خواب (پشت، پهلو، شکم)، تعداد تنفس (از روی حرکت قفسه سینه) و حتی تلاش برای خروج از تخت را بدون هیچ تماسی پایش کنند [۱].
این سامانه از شبکههای تخمین وضعیت (Pose Estimation) مانند OpenPose یا MediaPipe استفاده میکند و در نور کم (شب)، دوربین مادون قرمز فعال میشود که چشم انسان نمیبیند اما الگوریتم به راحتی نقاط کلیدی بدن را دنبال میکند. برای شمارش تنفس، تغییرات ارتفاع قفسه سینه در هر ثانیه محاسبه میشود. هشدار خروج از تخت زمانی صادر میشود که هر دو پای بیمار با زمین تماس داشته باشد [۲].
جدول دقت پایش:
| پارامتر پایش | سنسور تماسی | دوربین AI (بدون تماس) |
|---|---|---|
| تشخیص وضعیت خواب | ۹۰٪ (دستبند شتابسنج) | ۹۴٪ |
| شمارش تنفس (در دقیقه) | ۹۸٪ (الکترود قفسه سینه) | ۹۲٪ (در نور مناسب) |
| تشخیص خروج از تخت | ۹۱٪ (تشک فشار) | ۹۷٪ |
| رضایت بیمار (آزاردهندگی) | کم تا متوسط | بالا (هیچ تماسی ندارد) |
| نیاز به شارژ/تعویض | بله (دورهای) | خیر (دوربین ثابت) |
بیمارستانهای فوق تخصصی در تهران، از جمله در بخشهای مراقبت ویژه قلبی (CCU)، از این سامانه برای بیمارانی که نباید از تخت خارج شوند استفاده میکنند. گزارشهای اولیه نشان میدهد دهها مورد تلاش برای خروج غیرمجاز توسط سیستم شناسایی شده و پرستاران قبل از وقوع حادثه وارد عمل شدهاند. همچنین در بخش سالمندان، سیستم کاهش تنفس (آپنه شبانه) را در چندین بیمار تشخیص داده که تستهای بعدی آن را تأیید کردهاند [۳].
ارزش بازار جهانی پایش بیمار بدون تماس تا ۲۰۲۸ به ۴.۸ میلیارد دلار میرسد [۴]. فناوری جدید «تشخیص درد از روی چهره» با آنالیز میکرواکسپرشنهای صورت (حتی در خواب) به پزشک کمک میکند میزان درد بیمارانی که قادر به بیان نیستند را تخمین بزند [۵]. همچنین یکپارچگی با پرونده الکترونیک بیمار (EHR) ثبت خودکار علائم حیاتی را ممکن میکند.
منابع:
[۱] Liu, L. et al. (2020). "Contactless Monitoring of Vital Signs and Body Posture in Hospital Beds Using Infrared Cameras." IEEE Journal of Biomedical and Health Informatics, 24(8).
[۲] Torres, C. et al. (2021). "Patient Bed Exit Detection with Pose Estimation and Deep Learning." Sensors, 21(12).
[۳] دانشگاه علوم پزشکی تهران (۱۴۰۱). «گزارش پایلوت پایش هوشمند بیماران در بخش CCU بیمارستان قلب تهران».
[۴] MarketsandMarkets (2023). "Contactless Patient Monitoring Market – Global Forecast to 2028."
[۵] Hassan, T. et al. (2021). "Automatic Detection of Pain from Facial Expressions: A Survey." IEEE Transactions on Affective Computing, 12(1).
[۶] Cusack, L. et al. (2019). "The Impact of Contactless Monitoring on Nursing Workload and Patient Safety: A Pilot Study." Journal of Clinical Nursing, 28(15-16).
تصاویر مرتبط
برچسبها
همین قابلیتها را روی دوربین خودتان داشته باشید
دوربینهای امنیتی هوشمند ویونکس با همین تحلیلهای هوش مصنوعی، هشدار لحظهای در اپلیکیشن و تلگرام و یک سال اشتراک سرویس ارائه میشوند.
برای ثبت نظر لطفاً وارد شوید
هنوز نظری ثبت نشده است