John Wiederspan, sestrski anesteziolog na UW Medicine v Seattlu, je dobro seznanjen z načinom, kako lahko pride do napak v okolju operacijske dvorane pod velikim pritiskom, še posebej med nujnimi primoki, ko adrenalin in občutek nujnosti pripeljeta do prehitevanja z dajanjem nujnih zdravil. Kljub stalnim prizadevanjem za varnost pacientov ostajajo medicinske napake pogoste in prizadenejo vsakega dvajsetega pacienta, v Združenih državah pa naj bi vsako dnevno zaradi tega utrpelo okoli 1, 3 milijona poškodb in na tisoče smrti, poroča Svetovna zdravstvena organizacija. Pogoste so napake pri dajanju napačnega zdravila ali nepravilnih odmerkih. Bolnišnice so uvedle različne zaščitne ukrepe, kot so barvno kodirane etikete in skenerji s črtno kodo, da bi zmanjšale možnosti napak, vendar napake še vedno prizadenejo. Dr. Kelly Michaelsen, anesteziologinja in inženirka na UW Medicine in Univerzi v Washingtonu, je omenila, da se 90 % anesteziologov kdaj v svojih karierah poistoveti z medicinskimi napakami. Vizualizirala je, da bi lahko umetna inteligenca pomagala kot dodaten par oči pri odkrivanju napak v realnem času, saj približno 99 % zdravil spada v omejeno skupino 10–20 zdravil. Njena osredotočenost je bila na napake pri zamenjavi ampul, ki povzročajo okoli 20 % napak pri zdravilih, kar se zgodi, ko etiketa na napačni ampuli ali brizgi vodi do injiciranja napačnega zdravila. Tragičen primer je smrt 75-letne ženske na Vanderbilt University Medical Center, ki je prejela paralizacijsko zdravilo namesto sedativa. Da bi preprečila takšne napake, je Michaelsen razvila pametno očala z umetno inteligenco, združena s kamero, vgrajeno v zaščitne očala, ki jih nosijo med operacijami. Ta sistem skenira, bere in primerja etikete na ampulah in brizgah ter opozori zdravnike, če zazna neskladja. Izdelava in usposabljanje umetne inteligence je trajalo več kot tri leta, vključno z pridobivanjem dovoljenj za uporabo vnaprej posnetih posnetkov zdravljenja in simuliranih scenarijev napak za usposabljanje, zaradi etičnih omejitev, da se kašlje z namernimi napakami pri resničnih pacientih. Umetna inteligenca je dosegla 99, 6 % natančnost pri odkrivanju napak pri zamenjavi ampul.

Naslednji koraki vključujejo odločitev, kako bo opozorila najbolj učinkovita, prednost dajajo zvočnim opozorilom, v pričakovanju odobritve FDA. Študijo je financirala neodvisna organizacija. Wiederspan, ki je testiral napravo, je optimističen glede njenega potenciala za izboljšanje varnosti pacientov, vendar opozarja, da so trenutne očala v stilu GoPro-a nepraktična in da bi manjši oblikovni faktor povečal sprejemanje med medicinskimi delavci. Zastopniki varnosti pacientov, kot je dr. Dan Cole z UCLA Health in Melissa Sheldrick, ki je izgubila sina zaradi medicinske napake, podpirajo obetavne možnosti umetne inteligence, vendar opozarjajo, da sama tehnologija ne more preprečiti vseh napak. Sheldrick poudarja, da napake pogosto izhajajo iz več dejavnikov, kot so slaba komunikacija in razdrobljeni bolnišnični sistemi, zato tehnologijo treba obravnavati kot podporni sloj in ne kot popolno rešitev. Strokovnjaki opozarjajo, da tradicionalni ukrepi, kot so povečana previdnost ali kontrolni seznami, pogosto povzročijo dodaten kognitivni napor že tako preobremenjenim zdravnikom in imajo omejeno učinkovitost. Dr. Nicholas Cordella s Boston University poudarja, da kamere, podprte z umetno inteligenco, ponujajo pasivno spremljanje brez dodatnega bremena za zdravnike, s čimer bi lahko izboljšale varnost v natrpanih okoljih, kot so operacijske dvorane in reševalne enote. Glede prihodnosti si Michaelsen želi razširiti zmogljivosti umetne inteligence, da bi lahko merila volumen zdravil v brizgah, kar je še posebej pomembno pri pediatriji, kjer se velikosti pacientov zelo razlikujejo, in kjer je pogosta razredčitev zdravil. Wiederspan pa vidi tudi možnost prilagoditve tehnologije za uporabo v zdravniških urgentnih sobah in na oddelkih, da bi pomagali pri izdajanju zdravil na ustni način, kjer je treba upravljati z veliko vrstami zdravil na pacienta. Vendar pa široka uporaba umetne inteligence v bolnišnicah odpira tudi pomembne pomisleke glede zasebnosti in varnosti podatkov, še posebej pri napravah, ki bi lahko zajemale obraze pacientov ali občutljive informacije. Michaelsen zagotavlja, da njihov sistem skenira le etikete na brizgah in ne shranjuje osebnih podatkov. Cordella poudarja, da so potrebni jasni standardi, preglednost in nadzor, da se preprečijo tveganja glede zasebnosti, ter opozarja, da ne bi smeli zdravniki postati preveč odvisni od umetne inteligence, saj bi to lahko zmanjša njihovo pozornost in odpornost do tradicionalnih varnostnih ukrepov. Na splošno kaže, da oblačila in tehnologije, ki jih podpira umetna inteligenca, obetajo veliko potenciala za zmanjšanje medicinskih napak v kompleksnih kliničnih okoljih, kar lahko dopolni obstoječe varnostne ukrepe in pomaga zdravstvenim delavcem izboljšati izide zdravljenja, hkrati pa opozarja na pomen etičnih, praktičnih in varnostnih vidikov.