編譯：羅彬杰

　　編者注：本文的作者是 William Van Winkle，在本文中，William 探討了 AI、5G 和物聯網技術如何助力實現精準快速醫療，以及“當日完成診療”的愿景。

　　我兒子還在蹣跚學步的時候，就去兒科醫生那里做常規的 CAT 掃描。這原本是一件很簡單的事情，只需要讓他昏睡幾分鐘。他很快就會醒過來，完成后續檢查。

　　只是我兒子沒醒。他躺在診所的床上，沒有反應，他的生命體征開始慢慢下降。診所沒有能力診斷他的病情。五分鐘后，他上了救護車。我的妻子和我無能為力，只能眼睜睜地看著，為我們兒子的生命擔憂得發瘋。

　　原來他對一種普通的鹽酸鎮靜劑過敏。一旦弄清楚了原因，醫生很快就把他帶了回來，他也沒事了。

　　如果有了精準醫療技術，一切都會不一樣

　　如果通過開創性的計算機、數據庫和人工智能技術的結合，對他的血液和基因組進行一輪快速分析，就能在他的這種過敏反應成為一個關鍵問題之前揭示出這種潛在的危險，那會怎么樣呢?

　　如果有可能針對他和他身體的特殊情況設計一個療程，而不是接受一種千篇一律的醫療方法，然后立即處理疾病的影響，那會怎么樣呢?

　　如果可以用小型的，甚至是便攜式的醫療設備來連接到更大的資源，那會怎么樣呢?

　　簡而言之，如果通過超級計算機和下一代無線連接技術的力量，數百萬像我兒子這樣的人能夠在現場得到快速、準確的治療，而不是承受傳統醫療方法的成本和創傷，情況會有怎樣的變化?

　　我問的這些關于我兒子的問題正是如今精準醫療努力的核心。這是一種根據個人特點量身定制治療方法的實踐。精準醫療涵蓋了越來越多的領域，包括腫瘤學、免疫學、精神病學和呼吸系統疾病等，其后端充斥著大數據分析。

　　關鍵點：

　　精準醫療利用病人的個人特征，包括基因，來識別高度具體、優化的醫療步驟。

　　需要 5G 和新一代的無線技術以及處理器來提供所需的速度和可訪問性。

　　為并行處理優化工作負載，使精準醫療更加實用。

　　英特爾“一天完成診療”的愿景，就是利用人工智能、5G 和醫療物聯網，在 24 小時內將病人從檢查帶到精確治療。

　　通過數據來驅動以個人為中心的護理。

　　根據基因特征配對藥物，只涵蓋可集中用于特定患者護理的數據類型中的一小部分。

　　以布朗克斯區的 Montefiore 醫療系統為例。它已經部署了語義數據庫，這是一種收集大量不同數據并在人工智能的幫助下將它們整理成可用形式的架構。除了廣泛的病人的特定數據收集現場（包括大量的醫療傳感器和設備），Montefiore 醫療專家也根據需要整理數據來源，包括網頁數據庫（遺傳變異和藥物反應等）、美國國立衛生研究院統一醫療語言系統（UMLS）和在線 Mendelian 人類遺傳數據庫（人類基因組數據）。

　　基于英特爾/Cloudera/Franz 的解決方案被證明能夠準確地為患者創建風險評分，預測他們是否會有嚴重的呼吸事件，并建議醫生采取什么行動。

　　Montefiore 醫療系統高級副總裁兼首席醫療官 Andrew Racine 醫生指出：“我們正在利用醫療機構中最危重病人的信息，試圖識別那些有發展為呼吸衰竭風險的病人，這樣我們就可以改變病情的發展軌跡。”

　　現在，像 Montefiore 這樣的機構可以在許多數據庫中執行人工智能驅動的分析，下一步可能是通過 5G 網絡整合異地通信。這樣做將使普通醫生能夠快速提供從現場、緊急現場到日常家訪所獲得的數據，并得到如何進行治療的實時建議。這不僅可以使醫療專業人員提供更快、更準確的診斷，還可以使普通醫生根據特定患者的個人需要提供專門的建議。研究人員表示，到 2030 年，全世界將面臨 1500 萬醫護人員的短缺，在這種情況下，讓護理人員能夠在遠程指導下進行護理至關重要。

　　首先需要的是人工智能

　　在任何方面，啟用這樣的服務都不是一件小事?？紤]到數百萬人可能需要進行基因測序，以獲得足夠廣泛的樣本人群進行此類診斷。而這只是開始。不同的數據庫必須合并，這通常需要通過云服務進行長距離的合并，同時不需要犧牲患者的權利或隱私。據《華爾街日報》報道，盡管有明確的需要，但在美國臨床試驗中，只有4% 的癌癥患者的基因組數據可用于研究，這讓研究和診斷界對大多數治療結果一無所知。保持患者匿名性，同時具備跨系統和數據庫的數據安全性，這些新方法在糾正這一問題上有很長的路要走。

　　一個很有前途的例子：使用 Intel Xeon 平臺的處理效率來處理 Epic EHR 患者信息的透明數據加密（TDE）和甲骨文數據庫。支持者表示，從醫療邊緣設備到核心數據中心，加密和可信執行技術（如 SGX）整合得越多，公眾就越能學會允許其數據被收集和使用。

　　除了安全性之外，精準醫療還需要非凡的計算能力。它必須進行分子建模和模擬，以評估藥物如何與特定的患者群體相互作用，然后可能再次運行，以查看藥物如何在其他藥物存在的情況下執行相同的操作。這就是為什么要花費數十億美元和十多年的時間才能將一種藥物推向市場。

　　幸運的是，許多組織正在使用新技術來從根本上加速這一進程。人工智能在加速和改善許多醫療和生命科學任務中涉及的重復、機械操作方面起著關鍵作用。

　　例如，制藥巨頭諾華（Novartis）利用深度神經網絡技術加速高含量篩選，即分析細胞層面的圖像，以確定它們在不同基因或化學相互作用下的反應。通過將處理平臺升級到最新的 Xeon 一代，并行化工作負載，并使用諸如英特爾數據分析加速器庫（DAAL）和 Intel Caffe 等工具，諾華實現了與以前配置相比近 22 倍的性能改進。這些都是醫療組織可以期待的好處，它們可以使用通過人工智能和高水平并行化優化加速的平臺來更新遺留的流程。

　　比訓練有素的放射科醫生還要快

　　有趣的是，這種能力上的數量級飛躍，雖然對于控制流入醫療數據庫的數據洪流至關重要，但也可以應用于醫療物聯網設備。想想X光機，它們基本上只是是特殊的攝像機，還需要人類專家（放射科醫生）檢查圖像，尋找健康或疾病的癥狀，然后將結果傳遞給醫生。根據 GE Healthcare 的數據，現在醫院每年產生 50 PB（1PB 相當于2^50 字節）的數據，令人震驚的是，90% 都來自醫學成像，”GE 表示，其中有 97% 以上未經分析或未使用。除了使用人工智能來幫助減少大量的無用圖像，從而在多個方面減少數據浪費外，GE 還與英特爾公司合作，創造了一個X射線系統，能夠捕捉圖像并在幾秒鐘內檢測出一個收縮的肺（氣胸）。

　　僅僅能夠用人工智能檢測氣胸就已經是一個巨大的飛躍。然而，該項目的部分目標是更快地提供準確的結果，從而幫助自動化地診斷一部分工作量，減輕了許多放射科的工作。英特爾幫助集成了 OpenVINO 工具包，該工具包支持開發模擬人類視覺和視覺模式識別的應用程序。然后，這些工作負載可以跨 CPU、GPU、AI 特定的加速器和其他處理器進行處理。

　　通過優化，GE 的X射線系統進行推斷(圖像評估)的速度比沒有優化的快 3.3 倍。每幅圖像的評估完成時間不到一秒，大大快于訓練有素的放射科醫生。GE 的 Optima XR240amx X 射線系統是便攜式的，因此，這種物聯網設備可以從大范圍的地方發送結果，并通過 5G 等快速連接將結果實時直接發送到醫生的設備上。未來的版本可以將分析過的X射線直接輸入病人的記錄。在那里，它們成為構成患者數據集的多元數據庫中的另一個因素，從而使醫生能夠提出個性化的建議。

　　我們正在解決的問題

　　以下是目前我們所面臨的問題和一些解決方案：

　　隨著全球人口的不斷增長和老齡化，傳統醫療在擴大規模方面遇到了困難。部分問題源于醫療行業產生的數據遠遠超過其基礎設施目前所能處理的數據。

　　人工智能可以幫助自動化完成許多由衛生專家執行的任務。

　　通過將人工智能應用于一系列醫療數據類型和來源，護理建議可以根據患者的具體特征量身定制，以獲得更高的準確性和有效性，而不是建議采用更有可能產生副作用的籠統做法。

　　人工智能可以通過使用專門為這些工作負載設計的硬件或軟件平臺來加速。

　　支持人工智能的平臺可以嵌入并連接到醫療物聯網設備，提供新的功能和使用價值。

　　物聯網設備及其附屬的生態系統可以配備 5G 等連接，以將其效用和價值擴展到那些不斷增長的人口中。

　　美國為這一進程中人口增長帶來的影響提供了有力的例證。根據美國疾病控制中心的信息，盡管在過去幾年里，癌癥新發病例的比例已經趨于平穩，但不斷增長的人口使新發病例的數量從 2010 年的 150 萬上升到 2020 年的 190 萬，部分原因是超重、肥胖和傳染病的比例上升。

　　白皮書《加速臨床基因組學轉變癌癥護理》描繪了從最初的病人就診到數據驅動的治療，傳統方法處理新癌癥病例的整個過程。在每一個步驟中，不斷的拖延都在折磨著病人——延長病人的焦慮，增加疼痛，甚至導致不必要的死亡。

　　當日完成診療

　　英特爾發起了一項名為“當日完成診療”的倡議，為醫療行業設定了一個目標：讓患者在 24 小時內完成從最初的掃描到基于精準醫療的醫治行動。這包括基因測序，對癌癥相關的細胞和分子水平通路的分析，以及識別能夠提供最安全、最有效治療的基因靶向藥物。

　　為了使這一切在一天之內成為可能，該行業將需要安全、廣受信任的方法來定期交換 PB 級的數據。英特爾指出，一個典型的基因序列大約產生 1TB 的數據。現在，在涉及許多基因組分析操作的數千個基因組序列中，需要將其相乘。這些龐大數據集的處理需要人工智能和計算能力，這超出了當今大規模并行加速器的能力范圍。但這一愿景馬上就要實現了。

　　由于醫生將不得不為越來越多的患者服務，因此他們可能需要數據結果和可視化，這些數據和可視化可以傳遞到任何地方，包括以動畫形式或在虛擬現實中呈現的形式。這將需要 5G 類型的無線連接，以便為正在使用的任何醫療物聯網設備提供足夠的數據帶寬。

　　如果成功了，會有更多的人得到個性化的醫學幫助和病癥緩解。醫療物聯網和 5G 與當前重塑現代醫學的其他趨勢相吻合，使這些愿景成為日常現實。2018 年英特爾的一項調查顯示，37% 的醫療行業受訪者已經在使用人工智能；到 2023 年，這一數字將上升到 54%。有前途的新產品和方法每天都在出現。一些最近的例子隨處可見。

　　隨著人工智能繼續被采用，并與更快的硬件、更多樣化的醫療設備和更快的連接配對，也許我們很快就會看到這樣一個時代：沒有父母會因為孩子出現不良反應而眼睜睜地看著失去意識的孩子被救護車帶走，而這些不良反應本可以通過精準醫療和新一代技術得以避免。

總結

以上是生活随笔為你收集整理的实现精准快速医疗，AI、5G和IoT能做什么？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。