ديف ريان، المدير العام لشركة إنتل للرعاية الصحية والعلوم الحياتية – سلسلة المقابلات

يدعم ديف ريان وحدة أعمال إنتل العالمية للرعاية الصحية والعلوم الحياتية التي تركز على التحول الرقمي من الحافة إلى السحابة من أجل جعل الرعاية الدقيقة والقائمة على القيمة حقيقة واقعة. العملاء هم مصنعو أدوات العلوم الحياتية والمعدات الطبية والنظم السريرية وأجهزة الحوسبة والأجهزة المستخدمة في مراكز البحث والمستشفيات والعيادات والرعاية السكنية والمنزل. وقد شغل ديف مناصب في مجالس إدارة جمعية تكنولوجيا المستهلك للصحة واللياقة البدنية، وحلف شمال الأطلسي للرعاية الصحية الشخصية، والائتلاف العالمي للشيخوخة، وحلف الرعاية المتصلة.

ما هي أعمال إنتل للرعاية الصحية والعلوم الحياتية؟

تساعد أعمال إنتل للرعاية الصحية والعلوم الحياتية العملاء على إنشاء حلول في مجالات التصوير الطبي والنظم السريرية والمختبرات والعلوم الحياتية، مما يتيح الرعاية الموزعة والذكية والشخصية.

تركز أعمال إنتل الصحية على صحة السكان والتصوير الطبي والنظم السريرية والبنية التحتية الرقمية.

• تُستخدم صحة السكان لتحليل بيانات المرضى المتنوعة لتقديم معلومات حول المخاطر والإجراءات العلاجية المُحسنة عبر المجموعات. يساعد تحسين وتحسين الخوارزميات والذكاء الاصطناعي في “تدرج” المجموعات، بحيث يمكن للممولين والمقدمين الأوليين تحديد المرضى الذين هم في خطر أكبر.
• التصوير الطبي (على سبيل المثال، التصوير بالرنين المغناطيسي، التصوير المقطعي المحوسب) يولد مجموعات بيانات هائلة تتطلب تقييمًا دقيقًا دون وجود مجال للخطأ. يساعد الحوسبة الفائقة والذكاء الاصطناعي على مسح بيانات الصور بسرعة أكبر وتحديد العوامل الحاسمة لمساعدة الأشعة على التشخيص.
• تستخدم النظم السريرية رؤية الكمبيوتر والذكاء الاصطناعي والحوسبة الفائقة والحوسبة الحافة للرصد الصحي والجراحة الروبوتية والرعاية عن بعد والعديد من الأمور الأخرى. تُنسق هذه الأنظمة الذكية البيانات من مصادر متنوعة لتقديم صورة كاملة للمريض وتحسين التشخيص، مع مرونة وقابلية للتوسع لدعم احتياجات المنظمة المتغيرة.
• تُكامل البنية التحتية الرقمية العديد من التكنولوجيات لتمكين نهج جديد للتفاعل مع المرضى، بما في ذلك الرعاية في أي وقت ومكان حيث يتعاون الأطباء عبر الفضاء والزمن لإدارة الحالات والجراحة والتحليلات.

تركز أعمال إنتل للمختبرات والعلوم الحياتية على ثلاثة مجالات رئيسية: تحليل البيانات، وعلم الأجنة، والأدوية.

• يستخدم تحليل البيانات الذكاء الاصطناعي لتحفيز سلسلة من الاكتشافات والرؤى التي تساعد على تمكين الطب الدقيق، من بين أمور أخرى، عن طريق ضمان حصول المرضى على الأدوية الأكثر فعالية لهم، وتقليل مخاطر الملفات الجانبية.
• يصف علم الأجنة ويقيس مجموعات الجزيئات البيولوجية، باستخدام المعلوماتية الحيوية والبيولوجيا الحسابية. تتطلب مجموعات البيانات الهائلة المشاركة هنا معالجة عالية الإنتاجية للحصول على نتائج في إطار زمني معقول. مع هذه الإنتاجية وقواعد البيانات الجديدة وأدوات التخزين والمكتبات وتحسينات التعليمات، يمكن لمؤسسات علم الأجنة تقليل وقت النتائج وتكاليف التطوير.
• الأدوية هي دراسة الأدوية وكيفية تفاعلها مع الأنظمة البيولوجية البشرية، بما في ذلك على مستوى الجزيئات حيث يحتاج العلوم البياناتية إلى الذكاء الاصطناعي والمعالجة الآلية لمساعدة التوليد والتحسين، وتحديد الهدف والبحث قبل السريري. هذا يؤدي إلى تجارب سريرية أفضل، وآراء تفاعل أكثر ذكاءً، واكتشاف أدوية جديدة أسرع.

متى أصبحت مهتمًا شخصيًا باستخدام الذكاء الاصطناعي لصالح الرعاية الصحية؟

كانت تكنولوجيا الذكاء الاصطناعي تنتشر في العديد من الصناعات، وغالبًا ما كانت حول تقليل المهام الروتينية التي يقوم بها البشر. في مجال الرعاية الصحية، أصبح الذكاء الاصطناعي أداة من خلالها نُحسن أو نساعد، لا نستبدل، الخبرة البشرية الحالية لتسليم نهجًا تحولًا للتشخيص والعلاج. ولا يوجد مكان أكثر وضوحًا من ذلك في التصوير الطبي، حيث تكون كمية البيانات و复杂يتها كلاهما حاجزًا وفرصة. اليوم، يمكن للذكاء الاصطناعي، وخاصة الاستدلال، أداء مسح أكثر سرعة وتفصيلًا لمجموعات كبيرة من المعلومات أكثر من أي إنسان، وبالتالي يكشف عن رؤى كانت مخفية سابقًا، ويزيد من وقت الأشعة贵رة القيمة لتحقيق استنتاج تشخيصي أفضل وأكثر دقة. على سبيل المثال، تساعد حلول الذكاء الاصطناعي من العملاء الأشعة على تحليل البيانات في الأشعة السينية التي قد تشير إلى وجود انهيار في الرئة (التهاب الجنبة) أو كوفيد-19. هذا إنجاز رائع حقًا يثور ثورة في فعالية التصوير الطبي نفسه وكيفية تطبيق الخبرة البشرية. الشهود على هذا النوع من التحول في هذا المجال يلهم بشكل طبيعي للبحث عن القفزة العظيمة التالية في سائر مسارات الرعاية الصحية والعلوم الحياتية حيث يجمع الإنسان والآلة لينتج جملة جديدة أكبر بكثير من مجموع الأجزاء.

كيف مهم الذكاء الاصطناعي في تحليل البيانات الكبيرة في إعداد سريري؟

توليد صناعات الرعاية الصحية والعلوم الحياتية أكثر بيانات معقدة من أي صناعة أخرى في العالم اليوم. وخلافًا لصناعات أخرى، فإن إدارة وتحليل هذه البيانات أمر حياة أو موت. بالنظر إلى هذه الأبعاد، أصبح الذكاء الاصطناعي الآن مُحفزًا لا غنى عنه لمجموعة من الاحتياجات، من الروتينية إلى الكسرية، في كلا الإعداد السريري والمختبري لمواجهة هدف الصناعة الثلاثي: تحسين جودة الرعاية وزيادة الوصول وتقليل التكاليف.

على سبيل المثال، أتاحت السجلات الصحية الإلكترونية ثورة رقمية في جودة وكفاءة تقديم الرعاية. للأسف، داخل هذه السجلات يوجد مزيج من البيانات غير المنظمة والمنظمة التي يمكن للذكاء الاصطناعي مساعدتنا على تحويلها إلى مجموعات بيانات أكثر توحيدًا وفائدة. يمكن أن تساعد نماذج الذكاء الاصطناعي مثل التعرف الضوئي على الحروف واللغة الطبيعية على تحويل التنسيق اليدوي والصوت إلى بيانات السجلات الصحية الإلكترونية. وبمجرد تحويلها إلى صيغة رقمية، يمكن تطبيق الذكاء الاصطناعي على هذه المجموعات من البيانات في العديد من الحالات المثيرة.

في بعض الحالات، ينمو البيانات الملتقطة من الأجهزة الطبية والكاميرات، وعندما يتم دمجها مع بيانات تاريخ المريض، يمكن للتحليلات مساعدة على دفع رؤى جديدة لتحسين العلاج. في مستوى التعداد، لقد نشرت العديد من المستشفيات بالفعل خوارزميات يمكنها توقع بداية الحالة الصحية بشكل أسرع، وفي وحدات العناية المركزة، يمكن للبرمجيات دمج البيانات عبر أجهزة معزولة متعددة لإنشاء صورة كاملة للمريض في الوقت الفعلي تقريبًا. بمرور الوقت، يمكن تحليل جميع البيانات الملتقطة والمخزنة لتحسين التنبؤات في المستقبل.

ما هي بعض الحالات الأكثر إثارة للاهتمام التي تريها لتحليل الذكاء الاصطناعي لهذه البيانات؟

يمكن أن تساعد أدوات اللغة الطبيعية على استبدال الكتابة اليدوية أو إدخال البيانات لإنشاء وثائق جديدة، مثل ملخصات زيارة المريض وملاحظات سريرية مفصلة. هذا يسمح للأطباء برؤية المزيد من المرضى، والمقدمين بتحسين الوثائق والتدفقات والprecision الدقة في الفواتير من خلال إدخال الطلبات والوثائق في وقت أقرب من بداية اليوم.

بشكل أوسع، تساعد التحليلات المُحسنة بالذكاء الاصطناعي مقدمي الرعاية على فهم وإدارة مجموعة واسعة من التطبيقات السريرية التي تحسن الكفاءة وتقلل التكاليف. هذا يسمح للمستشفيات بإدارة الموارد بشكل أفضل وضبط أفضل الممارسات، وفرق الرعاية على التعاون في التشخيص والتنسيق العلاجي والرعاية الشاملة التي يقدمونها للمرضى.

يمكن للأطباء تحليل الاختلافات المستهدفة باستخدام نهج الذكاء الاصطناعي المناسب وتصفية المعلومات المنظمة من البيانات الخام. هذا يمكن أن يؤدي إلى تشخيص أسرع وأكثر دقة وعلاجات مثالية. على سبيل المثال، يمكن للخوارزميات المُحسنة بالذكاء الاصطناعي تحويل نظام التشخيص الطبي من الصور إلى اتخاذ القرارات الآلية عن طريق تحويل الصور إلى نص يمكن للآلة قراءته. يمكن للتقنيات والتعرف على الأنماط في الذكاء الاصطناعي استخلاص رؤى من مجالات هائلة من بيانات الصور السريرية، التي لا يمكن إدارتها من قبل الإنسان وحده، لتحويل التشخيص والعلاج والرصد للمرضى.

للمساعدة في تقييم وتحليل صحة السكان، يمكن للخوارزميات المُحسنة بالذكاء الاصطناعي توقع مسارات المخاطر المستقبلية، وتحديد سائقين المخاطر، وتقديم حلول لتحقيق أفضل النتائج. تسمح الوحدات العميقة المتكاملة مع تكنولوجيا الذكاء الاصطناعي للباحثين بتفسير مجموعات بيانات الجينوم المعقدة، وتوقيع أنواع معينة من السرطان (بناءً على ملفات تعريف التعبير الجيني المستخرجة من مجموعات بيانات كبيرة)، وتحديد أهداف قابلة للعلاج متعددة.

يمكنك أن تُشرح كيف تعاون إنتل مع مجتمع الجينوميات لتحويل مجموعات البيانات الكبيرة إلى رؤى بيولوجية طبية تسريع الرعاية الشخصية؟

توفر الطب الدقيق مصادر بيانات صحية على مستوى الفرد التي تمكن من تحديد أهداف الأمراض وتحديد مجموعات المرضى التي تُظهر نتائج سريرية محسنة للنهج الوقائي والعلاجي الجديدة.

الجينوميات هي ركن أساسي من هذا الطب الدقيق. إنه يوفر مخططًا لمن نحن، ولماذا وكيف نحن فريدين، وهو أمر حاسم للمقدمين لتفهمه عند دمج هذه المعلومات مع بيانات أخرى (صور، كيمياء سريرية، تاريخ طبي، بيانات المجموعة، إلخ.). يستخدم الأطباء هذه المعلومات لتطوير علاجات مخصصة للمريض بأقل مخاطر وأكثر فعالية.

تعاون إنتل مع مجتمع الجينوميات من خلال تحسين الأدوات التحليلية الجينية الأكثر استخدامًا في الصناعة لتشغيلها بشكل أفضل على منصات وأجهزة معمولة من إنتل. على سبيل المثال، تحسين برنامج التباين الجيني (GATK) من معهد برود الرائد في الصناعة على أجهزة إنتل باستخدام OpenVINO لتسهيل تطوير نموذج الذكاء الاصطناعي وتصحيحه وتوزيعه، يُظهر تأثيرنا والالتزام بهذه الصناعة. يوفر أداة GATK فوائد للبحث البيولوجي مثل قاعدة بيانات الجينوميات التي تخزّن الملفات بحجم ~200 جيجابايت (النمط المعتاد لمجموعات البيانات الجينومية) ومكتبة نواة الجينوم التي تعمل بتعليمات AVX512 المحددة لأجهزة إنتل لتعزيز حمولة الجينوميات وتحسين استخدام الذكاء الاصطناعي.

تسريع سرعة وتقليل تكلفة التحليل الجينومي مع الحفاظ على دقة هذا التحليل، يظل أمرًا مقنعًا للباحثين البيولوجيين والعلوم الحياتية الأخرى عند استخدامهم حلول الحوسبة من إنتل لاكتشاف واستخدام رؤى طبية جديدة.

يمكنك أن تُشرح لماذا تعتقد أن الرعاية الصحية عن بُعد مهمة جدًا؟

كانت صناعة الرعاية الصحية تعمل على أشكال ومجالات مختلفة من الرعاية عن بُعد لسنوات عديدة. كانت الأسباب التي دفعت إلى ذلك، حتى وقت قريب، هي الاعتقاد المتأمل في أن الرعاية عن بُعد يمكن أن تكون، في العديد من حالات تقديم الرعاية، جيدة أو أفضل من النماذج التقليدية في العيادات. الآن، مدفوعًا بأزمة الوباء وتأثيرها، فإن أنظمة تقديم الرعاية الصحية في جميع أنحاء العالم مجبرة على تبني الرعاية عن بُعد أو الانهيار. هذا الاندفاع المفاجئ للتطبيق يثبت الآن تلك الاعتقادات القديمة أنها صحيحة، والرعاية على بعد مسافة حيوية وذات فعالية عالية.

الرعاية عن بُعد لها العديد من الفوائد. رضا المرضى عن الرعاية الصحية عن بُعد يزيد بسرعة. يمكنهم البقاء أكثر هدوءًا واطمئنانًا في منازلهم مع انخفاض في الانقطاع والتأثير على جداولهم. يفضلها مقدمو الرعاية لأنها تسمح لهم برؤية المزيد من المرضى، وإدارة وقتهم بشكل أفضل، وتخصيص الموارد السريرية النادرة بشكل أفضل. ومن المفارقات أن أصبح السبب الأكثر وضوحًا والأكثر إقناعًا في الأشهر القليلة الماضية للجميع هو القدرة الكامنة للرعاية عن بُعد على تقييد العدوى وضرورة الاتصال الشخصي عندما يمكن أن تنجز معظم مهام تقديم الرعاية عن بُعد من خلال محادثة فيديو مع تелеметري حاسوبية.

يمكنك أن تُشرح بعض التكنولوجيات التي يتم استخدامها حاليًا لمراقبة المرضى عن بُعد؟

هناك العديد من العناصر التكنولوجية الحاسمة. الأكثر أهمية هو سهولة الاستخدام للمريض، يليها أمان وخصوصية البيانات، ومتانة التطبيق وبياناته. على سبيل المثال، نحتاج إلى منع مستخدم من حذف تطبيق مراقبة من جهاز iPad الخاص به عن طريق الخطأ.

هناك جانب آخر حاسم لمقدم الرعاية الذي يُ نشر عبر العديد من المرضى هو إدارة الأسطول والقدرة على إرسال التحديثات أو الدعم الفني عبر السلك والمتوافق مع كل مستخدم أو فئة من المستخدمين. هذا يتطلب:

• توحيد تبادل البيانات وخصوصيتها مع معايير الصناعة مثل FHIR وContinua؛
• منصة حوسبة آمنة واقتصادية في استهلاك الطاقة لتنسيق البيانات والاتصال بها مع الطبيب بما في ذلك البرمجيات والتشفير المناسبين؛
• التواصل عبر شبكة خلوية لجعل أجهزة المستخدم مستقلة ومتوافرة ولا تعتمد على شبكة Wi-Fi في المنزل التي قد تكون غير موثوقة أو غير موجودة؛
• تخزين سحابي وتحليلات في الخلف.

بالإضافة إلى ذلك، فإن القدرة على جمع ودمج البيانات الواردة من المستخدمين أساسية لتمكين الأطباء من مراقبة المرضى ودعمهم، ولبرمجيات والتحليلات لإبلاغ فرق الرعاية بوجود حالة نموذجية أو إطلاق إشعار تنبيه للنتائج التي تخرج عن المعدل المسموح به.

نعتقد أن الذكاء الاصطناعي سيلعب دورًا أكبر في مراقبة المرضى في المستقبل، مما يحسن من تجربة المريض من خلال استطلاعات الصوت الطبيعية (“كيف تشعر اليوم؟”، “يبدو أن ضغط دمك مرتفع”) وتمكين فرق الرعاية من فهم صحة المريض وتحديد العلاجات المناسبة. من خلال استخدام نماذج الذكاء الاصطناعي، ستتقدم إدارة صحة السكان مع تضمين جميع بيانات المرضى في مجموعات بيانات أكبر، مما يحسن دقة نموذج التعلم التكراري. هذا ضروري لمراقبة المرضى عن بُعد على نطاق واسع.

ما هي بعض المشاكل التي يجب التغلب عليها لزيادة معدل نجاح الرعاية الصحية عن بُعد؟

توجد العديد من نفس القضايا التي تعيق نظامنا الحالي لتقديم الرعاية التقليدية أيضًا عوامل في تعزيز أو عرقلة نجاح الرعاية عن بُعد. تشمل هذه المواقف الاجتماعية والتقاليد والموانع الاجتماعية والاقتصادية الناجمة عن نقص التأمين وثقافة التكنولوجيا والأجهزة والاتصال. تعوق سلاسل البيانات الحصول على القيمة التي يمكن أن تنتجها مجموعات البيانات الأكبر، خاصة الآن مع ظهور برامج التعلم.

لكن هناك تحديات فريدة من نوعها للرعاية عن بُعد:

• مسائل السياسة والدفع، على الرغم من التحسين في الآونة الأخيرة، يجب أن يستمر في الزخم الإيجابي لتوسيعها مع تقييدات أكثر مرونة حول ما يُسمح به ويمكن تعويضه عبر نمط الرعاية عن بُعد؛
• التحديات المالية ونقص رأس المال للاستثمار في التكنولوجيا في مجال الرعاية الصحية يتطلب تحويلًا من نموذج الإنفاق الرأسمالي إلى نموذج العمليات. بدلاً من الاستثمار في المرافق والمعدات الرأسمالية، يمكن للمقدمين تحويل انتباههم إلى نموذج “دفع كما تذهب”، والتخلي عن الحاجة إلى البنية التحتية الثابتة، ودفع ثمن الدقائق (أو البيانات) المستخدمة، مثل خدمة الهاتف؛
• يجب أن يستمر تحسين تجربة المستخدم، لكل من المريض والمقدم، في النهاية إلى حيث تختفي التكنولوجيا في الخلفية، وتكون القدرات بديهية ومتوافقة ومتسلسلة مع نتائج وتركيبات تكلفة متساوية أو أفضل.

في النهاية، نريد أن تدعم التكنولوجيا تقديم الرعاية، لا تعوقها. إذا كنا ناجحين (ونعتقد أننا كذلك وسنظل كذلك)، فإن التكنولوجيا سوف تُشكل جسرًا إلى نموذج أفضل من الرعاية عن بُعد في المستقبل، مما يُشكل الحجة القوية لتعزيز الرعاية عن بُعد كنموذج قياسي لتقديم الرعاية.

شكرًا على المقابلة الرائعة، استمتعت بتعلم المزيد عن جهود إنتل الصحية. القراء الذين يرغبون في تعلم المزيد يجب أن يزوروا أعمال إنتل العالمية للرعاية الصحية والعلوم الحياتية.