边缘计算如何推动医疗保健分析领域的进步

了解无处不在的智能如何提供工具来帮助健康 IT 取得长足进步。

医疗保健边缘计算的好处:

  • 采用边缘 AI 技术的实时成像和数据分析,显著地帮助改善了对于分诊和临床医生的支持。

  • 通过使用边缘服务器,实现数据的本地存储和处理,从而满足数据的本地化和隐私要求。

  • 利用智能边缘设备,使数据分析和智能更接近数据产生的源头,即患者、供应商和诊断设备。

BUILT IN - ARTICLE INTRO SECOND COMPONENT

借助英特尔® 技术,医疗保健服务提供商可以使用边缘计算和分析来将数据转换为新的洞察,以帮助改善患者结果,同时提供财务和运营价值。

边缘计算推动医疗保健的进步

现代卫生系统、医院和服务提供商正在部署新工具,并构建令人兴奋的新护理模式,以便更好地为患者服务。这些策略侧重于临床决策支持 (CDS),帮助提供及时的、经过筛选的、特定于患者的信息,供临床医生加强护理。

在过去的几年里,这种追求已经见证了越来越多的医疗设备被引入医疗环境。这些设备包括平板电脑、可穿戴设备、健康监测器和人工智能 (AI) 成像系统。

可穿戴设备可以让临床医生及时了解重要患者的生命体征,如心率和血压,在问题出现之前提醒医护人员。健康监测器可以收集患者的数据,并根据结果触发相应的行动,从而帮助远程护理——例如,监测血糖水平,并将信息发送到配套设备(如胰岛素泵)以给予胰岛素。人工智能成像模型可以检测出 X 射线中潜在的问题,并优先让放射科医生或内科医生查看这些图像。

这些新兴创新的潜力是深远的,能带来更好的临床工作流程、更低的成本和更好的患者护理。但是这些边缘设备有其他共同点:它们都生成数据。

因此,医疗保健系统和健康服务提供者必须决定如何管理和充分利用这些前所未有的海量数据。考虑到带宽开销、访问权限和隐私,应该将哪些数据发送到云,哪些数据留在本地管理?

边缘计算使数据处理、分析和存储更接近于产生数据的源头——例如,医院的本地服务器或患者家中的移动设备。边缘计算作为云计算的补充,允许 IT 决策者选择工作负载合适的计算位置。这种策略可以帮助卫生系统优化数据的收集、存储和分析——对于一般的医院来说,每年的数据量已经达到了 50 PB。1

结合云计算和边缘计算

近年来,卫生系统和健康服务提供者在很大程度上依赖于云来存储、分析和处理数据。在英特尔的帮助下,健康和生命科学行业现在正在形成一种新的数据管理战略,根据需要、成本和收益战略性地采用云计算或边缘计算。例如,可能需要限制从患者可穿戴设备向云传输的读数,仅按规定间隔发送报告汇总。

相反,对于捕获更大运营或财务数据的系统,云可能仍然是预测组织范围成本、采购和计费计划以及供应链需求的首选路径。

此外,将个人或敏感数据保留在本地,卫生系统和健康服务提供者就能遵守严格的数据处理和隐私要求。其中包括 1996 年 Health Insurance Portability and Accountability Act (HIPAA) 法案中的规定。HIPAA 现在还包括国会为应对数字技术激增而授权的针对个人可识别健康信息的联邦隐私保护。

用于边缘计算的英特尔® 技术

英特尔拥有一整套全面的产品和技术,来支持边缘计算、边缘人工智能和从边缘到云的连接,从而更好地捕获、分析和整合健康数据。通过广泛的软硬件构建块和工具组合,英特尔帮助简化了在需要的地方获得合适的智能的过程。

英特尔® QuickAssist 技术(英特尔® QAT)是一种能提高边缘服务器或云服务器性能的技术。英特尔 QAT2 是为了加速计算密集型操作而开发的,它能够压缩和解压医学图像(包括 MRI 和 CT 扫描)以及视频(如手术录像)。

英特尔® 虚拟化技术(英特尔® VT)代表了一系列技术,通过消除性能开销和帮助提高安全性,使虚拟化变得实用。借助英特尔® 虚拟化技术(英特尔® VT),多个应用程序可以在一台服务器上运行。因此,卫生系统和健康服务提供者可以更有效地确定关键流量的优先级,减轻 IT 负担,并帮助降低成本。

通过实现从边缘到云的分析和人工智能,英特尔进一步推动医疗保健行业追求卓越的 CDS、更快的诊断以及更好的患者监控和恢复。

临床边缘计算应用程序

英特尔带来了一个广泛的行业合作伙伴和合作者生态系统,旨在寻求医疗保健领域的边缘计算解决方案。英特尔正在与合作伙伴合作开发适用于现有云和数据中心资源的解决方案,以便在一个通用平台上支持多个边缘设备、应用程序和服务。

在最近的两个例子中,英特尔与合作伙伴合作,采用边缘计算和边缘分析技术,为供应商带来新的临床价值。

英特尔® 分发式 OpenVINO™ 工具包的使用改善了算法性能,帮助 GE 医疗在 Optima XR240amx X 射线系统上的肺尘埃检测速度提高了 3 倍以上。2

人工智能成像

GE 医疗 向英特尔寻求其重症监护套件 (Critical Care Suite) 的开发支持。这是一套人工智能算法,用于检测 X 光胸片上的重要发现,包括一种危及生命的肺部疾病——气胸。英特尔使用英特尔® 分发式 OpenVINO™ 工具包帮助优化了重症监护套件的算法。

该工具套件提供了计算机视觉和深度学习推断工具,包括针对 GE 医疗成像系统中使用的英特尔® 处理器优化的基于卷积影像的分类模型。使用工具包和人工智能辅助的医务人员识别和分类显示气胸可能性的图像,使放射科医生能够更好地确定查看的优先级

通过提高算法性能,英特尔帮助 GE 医疗将 Optima XR240amx X 射线系统上的气胸检测速度提高了 3 倍以上。3

远程护理

英特尔与 HARMAN 合作,在医疗保健行业推进另一个有前景的领域:可靠的远程护理 两家公司开发了一种远程患者监护解决方案,可以通过连接大量医疗和非医疗设备来访问健康数据。

HARMAN 远程护理平台 (RCP) 使用基于英特尔® 架构的网关,构建在英特尔的前沿平台之上,适用于远程患者监护。应用包括患者护理服务、慢性病管理和患者健康方案。该平台还能帮助患者和老年人在家中得到持续的护理,同时帮助尽量减少成本。

基于边缘计算的远程护理可能带来显著的好处。2015 年的一项研究发现,在接受远程护理的患者中,30 天的再入院率减少了 50%,180 天的再入院率减少了 19%。4 据估计,仅远程医疗一项就能帮助美国雇主每年削减高达 60 亿美元的医疗成本。5

医疗保健边缘分析改善患者的治疗结果

对于卫生系统和健康服务提供者来说,这是一个全新的世界,一个由新型移动设备和护理点设备激增所推动和支持的世界。英特尔具有独特的优势,可以帮助他们利用这些边缘设备以及健康服务提供者现有的云战略来增强 CDS 和护理。

通过行业知识、技术和广泛的生态系统,英特尔使健康服务提供者能够从数据中提取可操作的价值。麦肯锡估计,目前的医疗保健数据可能有助于每年减少 3,000 多亿美元的成本。6 边缘计算和边缘分析的影响只会越来越大,因为它们带来了新的机会,可以在整个护理统一体中提升运营、临床和财务价值。

我们随时提供帮助


准备好与英特尔探讨您接下来的技术项目需求了吗?

相关内容

了解更多有关医疗保健边缘分析的资源,以及为边缘分析提供支持的英特尔® 技术。

人工智能改变 X 射线成像

GE 医疗的重症监护套件将人工智能嵌入 X 射线设备,助其在几秒钟内检测到威胁生命的状况。

阅读该故事

医疗行业预测性分析

了解预测性分析如何帮助卫生系统和健康服务提供者改善患者护理并帮助降低成本。

了解更多

加快精准医疗的发展

了解健康服务提供者如何使用精准医疗来改善患者护理和治疗结果。

了解更多

创造医疗保健的未来

从癌症治疗到医疗成像,了解像人工智能和虚拟现实这样的创新如何改变医疗保健。

了解更多

通知和免责声明

性能测试中使用的软件和工作负载仅在英特尔® 微处理器上进行了性能优化。

SYSmark 和 MobileMark 等性能测试使用特定的计算机系统、组件、软件、操作和功能进行测量。上述任何要素的变动都有可能导致测试结果的变化。您应该查询其他信息和性能测试,以帮助您对正在考虑购买的产品作出全面的评估,包括该产品在与其他产品结合使用时的性能。如需更详细的信息,请访问 www.intel.cn/benchmarks

性能结果基于配置中的测试日期,且可能并未反映所有公开可用的安全更新。有关详细信息,请参见配置信息披露。没有任何产品或组件能保证绝对安全。

产品和性能信息

1Bresnick,Jennifer。“Desire for Predictive Analytics Outpaces Hospital Investment”(对预测性分析的渴望超过了医院投资),Health IT Analytics(《健康 IT 分析》),2016 年 9 月 8 日:healthitanalytics.com/news/desire-for-predictive-analytics-outpaces-hospital-investment
2

英特尔® 技术的功能和优势取决于系统配置,可能需要启用硬件、软件或激活服务。随着系统配置的变化,性能也会发生变化。没有任何产品或组件能够做到绝对安全。请咨询您的系统制造商或零售商,或访问 https://www.intel.cn 获取更多信息。

3 系统测试配置公开:英特尔® 酷睿™ i5-4590S CPU @ 3.00GHZ,x86_64,启用 VT-x,16GB 内存;操作系统:Linux magic x86_64 GNU/Linux,Ubuntu 16.04 推理服务 Docker 容器。GE 医疗于 2018 年 9 月完成的测试。测试将 TensorFlow 模型(总推断时间 3.092 秒)与英特尔® 分发式 OpenVINO™ 工具包优化的同一模型进行了比较,后者优化了 TF 模型,总推断时间为 0.913 秒
4“Enabling Healthcare Innovation at the Edge”(在边缘实现医疗创新):https://www.intel.cn/content/www/cn/zh/healthcare-it/solutions/documents/enabling-healthcare-innovation-at-the-edge.html
5“Current Telemedicine Technology Could Mean Big Savings”(最新的远程医疗技术可节省大笔费用)MarketWatch(《市场观察》),2014 年 8 月:https://www.marketwatch.com/press-release/current-telemedicine-technology-could-mean-big-savings-2014-08-11
6“Using It or Losing It?:The Case for Data Scientists Inside Health Care”(使用它还是失去它?:医疗保健内数据科学家的案例),NEJM Catalyst,2017 年 5 月 4 日:https://catalyst.nejm.org/doi/full/10.1056/CAT.17.0493