利用人工智能的智能眼镜以减少手术室中的用药错误

西雅图UW医学中心的护士麻醉师约翰·维德斯潘(John Wiederspan)深知在高压手术室环境中错误如何发生,特别是在紧急情况下,肾上腺素和紧迫感促使医护人员匆忙给药。尽管持续进行患者安全措施,药物错误仍然普遍存在,据世界卫生组织统计,每20名患者中至少就有1人受到影响,美国每天大约有130万起伤害和1人死亡。药物错误常常涉及错误用药或剂量不正确。医院已采取色码标签和条码扫描等安全措施以减少失误,但错误仍在发生。 UW医学中心和华盛顿大学的麻醉学专家兼工程师凯莉·米歇尔森(Kelly Michaelsen)指出,90%的麻醉师在职业生涯中都承认曾出现过用药错误。她设想人工智能可以作为“第二只眼睛”,实时检测错误,因为大约99%的药物都集中在10至20种常用药物中。她特别关注“瓶子置换”错误,这类错误约占药物差错的20%,发生在错误的药瓶或注射器标签导致患者被注射了不正确的药物时。一例悲剧发生在范德比尔特大学医学中心,一名75岁的女性因误用麻痹剂而非镇静剂导致死亡。 为了预防此类错误,米歇尔森开发了一种嵌入摄像头的智能眼镜系统,将其集成在手术时佩戴的保护眼镜中。该系统可以扫描、读取并比对瓶子和注射器上的标签,一旦发现不匹配便向医护人员发出警示。该AI系统的研发和培训超过三年,期间获得了使用预录药物制备视频及模拟错误场景的批准,因伦理限制不能在真实患者身上故意制造错误。测试结果显示,该系统在检测瓶子置换错误方面的准确率达99. 6%。下一步,将研究如何最有效地提供警示,偏向于优先采用声音警报,获待FDA批准。该研究由独立资助。 维德斯潘对该设备的潜力充满信心,认为它能增强患者安全,但他也指出现有的GoPro风格头戴设备较笨重,若体积更小将更易推广。像UCLA医疗的丹·科尔博士(Dr.
Dan Cole)和失去儿子的梅利莎·谢尔德里克(Melissa Sheldrick)等患者安全倡导者都支持人工智能的前景,但同时提醒技术不能解决所有错误。谢尔德里克强调,错误往往由沟通不畅、医院系统碎片化等多种因素造成,技术应作为辅助支持,而非绝对保障。 专家指出,传统通过提高警觉性或检查清单等干预措施,常会增加过度紧张的医护人员的认知负担,效果有限。来自波士顿大学的尼古拉斯·科德拉(Nicholas Cordella)表示,配备AI的摄像头提供了被动监控,不会增加医护人员的工作负担,能在繁忙的手术和急诊环境中提高安全性。 展望未来,米歇尔森希望扩展人工智能的功能,能够测量针管中的药物剂量,以避免用药错误,尤其在儿科领域尤为重要,因为患者体型差异巨大,药物稀释普遍。维德斯潘也设想将此技术应用于急诊室和医院病区,协助管理口服药物的发放,涉及每位患者的多种药物管理。 然而,将人工智能更广泛应用于医院也引发隐私和数据安全的担忧,尤其是在设备可能捕捉到患者面容或敏感信息的情况下。米歇尔森保证,他们的系统只扫描注射器标签,不存储个人数据。科德拉强调,需要建立明确的标准、确保透明和监控,以应对隐私风险,并警示医护人员不要过度依赖AI,以免降低警觉性或忽视传统安全检查。 总体而言,基于人工智能的穿戴式设备在复杂临床环境中展现出显著潜力,有望减少药物错误,补充现有的安全措施,帮助医疗提供者改善患者结局,同时也提醒我们在追求创新时必须兼顾伦理、实用性与隐私保护。
Brief news summary
华盛顿大学医学中心的麻醉护士约翰·维德斯潘强调在高压手术室中频繁发生的用药错误,紧急情况增加了风险。一个关键问题是药瓶交换,即使用错误的药物或剂量,每年在美国就造成约130万人受到伤害。尽管已有如色码和条码等安全措施,但错误仍然出现。为了解决这一问题,华盛顿大学的麻醉学家兼工程师凯莉·米歇尔森博士开发了结合AI技术的智能眼镜,可以实时扫描和验证注射器及药瓶标签,检测不符之处,准确率达99.6%。该设备在模拟环境中已完成测试,正在等待美国食品药品监督管理局(FDA)的批准。它通过及时的语音提示,旨在避免员工被过多信息淹没。专家认为,AI是一种有助于减少快节奏临床场所中错误的有用工具,可以与人工警觉性相辅相成,而不是取代。未来,该技术计划扩展应用于剂量验证及其他医疗领域,同时须应对隐私问题,并防止对AI的过度依赖。
AI-powered Lead Generation in Social Media
and Search Engines
Let AI take control and automatically generate leads for you!

I'm your Content Manager, ready to handle your first test assignment
Learn how AI can help your business.
Let’s talk!

亚马逊首席执行官警告:人工智能将导致企业岗位缩减
亚马逊CEO安迪·贾西(Andy Jassy)就公司未来的劳动力战略发出了重大警告,强调随着人工智能(AI)在运营中的不断融合,AI的部署,尤其是在物流和关键运营领域,将导致亚马逊部分岗位的减少。虽然AI的进步可能会创造新的就业类别,但整体公司劳动力预计将缩减。此声明正值股东对科技巨头如亚马逊、微软和谷歌在AI研发与部署上的巨大投资要求明确回报之际,他们希望看到在效率、生产力和盈利能力方面的显著改善。 亚马逊计划在本财年投入约1000亿美元的巨额资金,其中大部分将用于建设和拓展AI基础设施。这项投资旨在通过其云计算部门亚马逊Web服务(AWS),巩固亚马逊在云计算领域的领导地位,融合先进的AI技术以提升服务质量、优化运营流程,并推动创新的客户解决方案。贾西的评论反映了对AI将如何改变劳动力的现实预期:虽然自动化和机器学习将提升效率,减少一些传统岗位的需求,但同时也会带来对与AI管理、开发和监督相关的新技能的需求。这表明公司正采取一种过渡战略,旨在将人力资源与不断发展的技术基础设施相结合。 物流行业——包括仓储、配送和供应链管理——是AI集成的主要领域。利用AI优化路线规划、库存管理和配送的系统可以显著降低成本、加快服务速度,但也会减少一部分传统岗位的需求。此外,亚马逊将AWS作为其AI基础设施的核心,凸显了基于云的AI解决方案的重要性,它提供可扩展的计算能力和存储空间,使AI模型的开发与部署变得更加便捷。这一战略投资旨在让亚马逊在不断扩展的AI即服务(AI-as-a-Service)市场中占据更大份额,为企业提供无需自行搭建基础设施的AI工具。 由于这些投资规模巨大并面临激烈的竞争压力,股东的压力也十分紧迫。科技公司必须在引领AI技术创新的同时,确保这些技术转化为盈利增长、持续的市场领导和股东价值的提升。贾西对于劳动力缩减的谨慎态度,既反映了亚马逊对提升运营效率的承诺,也揭示了AI在美国企业中推广的更广泛的就业影响。 总的来说,亚马逊正准备通过AI彻底改变其商业模式,在创新与责任管理劳动力之间寻求平衡。其雄心勃勃的1000亿美元AI投资,不仅旨在巩固AWS的市场主导地位,也希望通过提升运营效率,重塑就业格局。随着AI逐渐深入企业各个职能领域,像亚马逊这样的公司将不断调整其劳动力战略,以充分发挥AI的潜力,同时应对由此带来的劳动转型挑战。

比特币储备公司让审计师头疼不已
比特币财务公司最近在审计实践方面受到密切关注,揭示了这个新兴行业中存在的重大透明度和验证挑战。一份新发表的批评指出这些审计的晦涩性质,幽默地将其比作一个涉及英镑硬币国库公司的虚构阴谋。这一类比揭示了在缺乏标准化和透明度的情况下,资产高估、混乱甚至欺骗的风险。 传统的财务审计采用已被验证的方法来确认现金或证券等资产。审计员通常通过银行对账单确认现金余额,并能轻松核实交易。然而,加密货币——尤其是由财务公司持有的比特币——打破了这些传统技术。未披露的钱包地址、依赖第三方托管、模糊的抵押或再质押,以及重叠的所有权声明等问题,令试图验证加密资产持有情况的审计变得复杂。 与用于现金审计的简单程序不同,加密货币审计在不同公司之间差异很大。这种差异源于缺乏统一的加密审计标准和全球监管的限制。因此,审计的严格程度从彻底验证到最小或表面检查不等。 在主要公开交易的比特币持有者中,MicroStrategy比较突出,因为它聘请了像KPMG这样的传统审计机构。这些审计机构采用判断性强的验证流程,针对加密资产的特殊挑战,旨在维护投资者和监管机构的信心。相比之下,Metaplanet、Cleanspark 和 Semler Scientific 等公司在披露和审计透明度方面表现参差不齐,反映出行业实践的碎片化。 许多较小或国际化的比特币财务公司提供关于其审计方法的信息很少。这种缺乏透明度引发了对资产验证可靠性的担忧,也隐藏着潜在风险。如果没有清晰的审计程序信息,投资者和利益相关方难以准确评估这些实体的财务状况和实际的比特币持有量。 缺乏统一的加密资产审计标准使这些问题进一步恶化。现行的监管框架无法跟上快速发展的数字资产创新,形成了一个漏洞,使得欺诈或误导性行为可能无法被发现。这种缺陷威胁到市场的完整性,也可能阻碍机构更广泛地将加密货币作为财务资产的采用。 在一则讽刺而发人深省的结论中,批评指出,假如存在一个完全透明账目的虚构的“斯特林国库公司”,其运作方式类似金字塔骗局。这一讽刺提议突显了加密财务行业的矛盾:一方面高声宣扬“不要相信,要验证”,另一方面却在极少可验证的环境中操作。它强调了迫切需要加强透明度、实现标准化和加强监管,以使区块链的理想与现实的审计挑战相契合。 随着比特币财务公司变得越来越重要,并在企业资产负债表中占据日益重要的地位,相关利益方必须要求更强的审计措施,以确保资产的真实验证。在这些改进尚未到位之前,行业普遍的封闭性可能掩盖财务真实情况,危及投资者和整个金融生态系统的安全。

孙正义的Tron通过反向合并实现上市
孙宇晨(Justin Sun),价值260亿美元的Tron区块链生态系统的创始人,宣布计划通过与纳斯达克上市公司SRM娱乐的反向合并,将Tron推向公众市场,这是Tron在金融和科技领域发展及提升知名度的关键一步。交易完成后,SRM娱乐将更名为Tron Inc

特朗普劳工部高级官员:美国工人不信任雇主使用人工智能
凯斯·桑德林(Keith Sonderling),前特朗普政府时期的劳工部副部长,近日强调了美国劳动力在AI普及方面面临的一个主要障碍:员工的不信任。在一次商业圆桌会议上,他解释说,员工对雇主使用AI的怀疑心态大大减缓了AI在各行业的融合。人们普遍认为AI具有变革性,能够提升生产力、决策能力和创新能力。然而,许多员工担心自动化会导致失业,这导致他们对AI驱动工具产生抵触情绪。 桑德林承认这些担忧是合理的,因为研究预测随着自动化程度的提高和AI取代常规及部分复杂任务,会造成大量职位流失。这种对工作安全的焦虑对AI的顺利推广构成挑战。为应对这一问题,特朗普政府倡导采取主动的教育策略。桑德林强调,应在教育早期引入AI知识,帮助未来的工作人员掌握相关技能并通过提高认知和理解减少恐惧。 为此,联邦政府发布行政命令,要求在全国各地学校开发AI课程。这项举措旨在揭开AI的神秘面纱,为学生适应融合AI的工作环境做准备,同时通过从根本上解决问题,增强公众的信任。关于AI在工作场所的更广泛讨论,既展现了技术的潜力,也直面了对岗位替代和伦理问题的合理担忧。桑德林的发言强调,除了技术进步之外,处理人类因素——即信任和接受——同样至关重要。 随着AI在商业职能中扮演越来越重要的角色,透明的沟通和员工的参与将变得尤为关键。雇主需要负责任地部署AI,并让员工了解其对岗位的影响。这一教育重点体现了一种前瞻性的战略,旨在确保劳动力的适应能力,并最大限度地发挥AI的经济潜力。尽管面临挑战,这些努力力求建立一支信息充分、自信且适应能力强的劳动力队伍,让AI成为一种推动进步的工具,而非威胁。 总之,克服员工的不信任是成功推广AI的关键。通过教育和透明化,企业与政府可以合作,将AI转变为增强和推动发展的工具,培育一支具有韧性、技能高、适应性强的美国劳动力,为未来的经济做好准备。

Avail 全面布局,抢占价值3000亿美元的全球区块链基础设施市场
2025年6月17日 — 迪拜,阿联酋 Avail推出了唯一可实现水平扩展性、跨链连接和统一流动性,同时保持去中心化的区块链技术栈。在Founders Fund、Dragonfly等顶级风险投资的支持下,Avail赋能于Lens、Sophon、Space & Time、Lumia、Skate以及机构化Token化平台等开创性Web 3

微软与OpenAI就AI合作展开复杂谈判
微软与OpenAI目前正陷入一场复杂且紧张的谈判,可能会显著重塑双方的战略合作关系,并影响整个人工智能行业。近年来,微软在OpenAI上投入了数十亿美元,深度整合其技术到自身的AI战略中。尽管双方关系紧密,但他们常常处于竞争状态。争议的主要源于OpenAI在企业重组前必须获得微软批准的义务,这是其向最近投资者做出的承诺。在这些谈判中,一个特别敏感的问题是关于WindSurf的,WindSurf是一个由OpenAI最近收购的编程创业公司。争论焦点在于微软是否可以访问和利用与WindSurf相关的知识产权。据报道,如果谈判陷入僵局,OpenAI已考虑对微软提起反垄断指控。尽管面临这些挑战和紧张关系,双方仍对达成彼此都能接受的解决方案充满希望。同时,各自也在准备备选方案,以保护自身利益。微软专注于增强其内部的AI开发能力,而OpenAI则通过与甲骨文、软银、谷歌等主要企业建立合作伙伴关系,扩大其计算资源。反映出双方持续合作并共同致力于AI发展,微软与OpenAI发表联合声明,强调其长期合作关系的富有成效,并希望在谈判推进中继续合作。这些谈判的结果预计将会影响未来AI发展的方向以及行业内的战略联盟。

加密货币集团Tron将通过与SRM的反向并购在美国上市
总部位于香港的加密货币创业者孙正义旗下的区块链公司Tron正准备通过与SRM娱乐公司(SRM