Dave Ryan, General Manager, Health & Life Sciences Business bei Intel – Interviewreihe

Dave Ryan leitet die Globales Gesundheits- und Biowissenschaftsgeschäft Einheit bei Intel, die sich auf die digitale Transformation von Edge-to-Cloud konzentriert, um eine präzise, ​​wertbasierte Pflege Wirklichkeit werden zu lassen. Sein Zu den Kunden zählen Hersteller, die Life-Science-Instrumente, medizinische Geräte, klinische Systeme, Computergeräte und Geräte bauen, die in Forschungszentren, Krankenhäusern, Kliniken, Pflegeheimen und zu Hause verwendet werden. Dave war Vorstandsmitglied der Consumer Technology Association Health & Fitness Division, der Personal Connected Health Alliance von HIMSS, der Global Coalition on Aging und der Alliance for Connected Care.  

Was ist Intels Gesundheits- und Biowissenschaftsgeschäft?

Der Geschäftsbereich Health & Life Sciences von Intel unterstützt Kunden bei der Entwicklung von Lösungen in den Bereichen medizinische Bildgebung, klinische Systeme sowie Labor- und Biowissenschaften und ermöglicht so eine verteilte, intelligente und personalisierte Pflege.

Intels Gesundheitsgeschäft konzentriert sich auf Bevölkerungsgesundheit, medizinische Bildgebung, klinische Systeme und digitale Infrastruktur.

• Population Health untersucht verschiedene Patientendaten, um Anbietern Einblicke in Risiken für medizinische Probleme und verbesserte Behandlungen in allen Kohorten zu geben. Optimierte und abgestimmte ML und KI helfen bei der Einstufung von Gruppen, sodass Kostenträger und Anbieter Patienten mit dem höchsten Risiko priorisieren.
• Medizinische Bildgebung (z. B. MRT, CT) erzeugt enorme Datensätze, die eine genaue Auswertung ohne Spielraum für Fehler erfordern. HPC und KI helfen dabei, Bilddaten schneller zu scannen und kritische Faktoren zu identifizieren, um Radiologen bei der Diagnose zu unterstützen.
• Clinical Systems nutzt Computer Vision, KI, HPC und Edge Computing für die Patientenüberwachung, Roboterchirurgie, Telemedizin und viele andere. Diese intelligenten Systeme gleichen verschiedene Quelldaten ab, um eine vollständige Patientenansicht und eine bessere Diagnose zu erhalten, und sind dabei flexibel und skalierbar, um sich ändernden organisatorischen Anforderungen gerecht zu werden.
• Die digitale Infrastruktur integriert viele Technologien, um neuartige Ansätze für die Patienteninteraktion zu ermöglichen, einschließlich der ortsunabhängigen Pflege, bei der Ärzte über Raum und Zeit hinweg für Zustandsmanagement, Chirurgie und Analyse zusammenarbeiten.

Intels Labor- und Biowissenschaftsgeschäft konzentriert sich auf drei Hauptbereiche: Datenanalyse, Omics und Pharma.

• Data Analytics nutzt KI, um eine Kaskade von Entdeckungen und Erkenntnissen voranzutreiben, die unter anderem dazu beitragen, Präzisionsmedizin zu ermöglichen, indem sie sicherstellen, dass Patienten die Medikamente erhalten, die für sie am wirksamsten sind, und so das Risiko von Nebenwirkungsprofilen verringern.
• „Omics“ beschreibt und quantifiziert biologische Molekülgruppen mithilfe von Bioinformatik und Computerbiologie. Die hier beteiligten riesigen Datensätze erfordern eine Hochdurchsatzverarbeitung, um innerhalb angemessener Zeiträume Ergebnisse zu erhalten. Mit diesem Durchsatz und neuen Datenbanken, Toolkits, Bibliotheken und Codeoptimierungen können „Omics-Institutionen“ die Zeit bis zur Erzielung von Ergebnissen und die Entwicklungskosten verkürzen.
• Unter Pharma versteht man die Untersuchung von Arzneimitteln und deren Wechselwirkungen mit biologischen Systemen des Menschen, auch auf molekularer Ebene, wo die Datenwissenschaft KI und ML benötigt, um bei der Lead-Generierung und -Optimierung, der Zielidentifizierung und der präklinischen Forschung zu helfen. Dies führt zu besseren klinischen Studien, intelligenteren Erkenntnissen über Reaktionen und einer schnelleren Entdeckung neuer Medikamente.

Wann haben Sie persönlich begonnen, sich für den Einsatz von KI im Gesundheitswesen zu interessieren?

Bei der Verbreitung von KI in vielen Branchen ging es vor allem um die Automatisierung von Aufgaben, die routinemäßig von Menschen ausgeführt werden. Im Gesundheitswesen ist KI zu einem Werkzeug geworden, mit dem wir vorhandenes menschliches Fachwissen erweitern oder unterstützen, nicht ersetzen, um wirklich transformative Ansätze für Diagnose und Behandlung zu liefern. Und nirgendwo wird dies deutlicher als in der medizinischen Bildgebung, wo Datenvolumen und -komplexität sowohl Hürde als auch Chance darstellen. Heutzutage ist KI und insbesondere Inferenzen in der Lage, schnellere und detailliertere Scans riesiger Informationsmengen durchzuführen als jeder Mensch und bringt so nicht nur bisher verborgene Erkenntnisse zum Vorschein, sondern maximiert auch die wertvolle Zeit des Radiologen, um eine Reichweite zu erzielen bessere diagnostische Schlussfolgerung und für mehr Patienten. Beispielsweise helfen KI-Lösungen von Kunden Radiologen, indem sie Daten in Röntgenbildern analysieren, die auf das Vorliegen einer kollabierten Lunge (Pneumothorax) oder von COVID hinweisen könnten. Das ist eine wirklich bemerkenswerte Leistung, die sowohl die Wirksamkeit der medizinischen Bildgebung selbst als auch die Art und Weise, wie menschliches Fachwissen eingesetzt wird, revolutioniert. Wenn man diese Art von Transformation in diesem einen Bereich miterlebt, motiviert man sich natürlich, den nächsten großen Sprung in anderen Bereichen der Gesundheits- und Biowissenschaften anzustreben, wo Mensch und Maschine zusammen ein neues Ganzes schaffen, das so viel größer ist als die Summe seiner Teile. Noch einen Schritt weiter geht die Idee, dass KI Wissen über alle Pflegedisziplinen hinweg demokratisieren und das knappe menschliche Fachwissen und erfahrungsbasierte Nuancen noch weiter vorantreiben und so das Qualitätsniveau steigern kann.

Wie wichtig ist KI für die Analyse großer Datenmengen im klinischen Umfeld?

Die Gesundheits- und Biowissenschaftsbranche generiert heute mehr Daten mit größerer Komplexität als jede andere einzelne Branche auf der Welt. Und im Gegensatz zu anderen Branchen ist die effektive Verwaltung und Analyse dieser Daten eine Frage von Leben und Tod. Angesichts dieser Größenordnung ist KI heute ein unverzichtbarer Wegbereiter für eine Reihe alltäglicher und bahnbrechender Anforderungen sowohl im klinischen als auch im Laborbereich, um das dreifache Ziel der Branche zu erfüllen: Verbesserung der Pflegequalität und des Zugangs bei gleichzeitiger Senkung der Kosten.

Beispielsweise haben elektronische Gesundheitsakten (EHR) eine digitale Revolution in der Qualität und Effizienz der Gesundheitsversorgung ermöglicht. Leider finden sich in diesen Aufzeichnungen eine chaotische Mischung aus unstrukturierten und strukturierten Daten, die mithilfe der KI in einheitlichere und nützlichere Datensätze digitalisiert werden können. Optische Zeichenerkennung (OCR) und Verarbeitung natürlicher Sprache (NLP) sind nur zwei KI-gestützte Modelle, die die Analogien von Handschrift und Stimme in EHR-Daten umwandeln können. Und sobald die KI digitalisiert ist, kann sie in vielen spannenden Anwendungsfällen auf diese Datensätze angewendet werden.

In anderen Fällen nehmen die von medizinischen Geräten und Kameras erfassten Daten zu, und in Kombination mit Daten zur Patientengeschichte können Analysen dazu beitragen, neue Erkenntnisse zu gewinnen, um die Behandlung weiter zu personalisieren. Auf Volkszählungsebene haben viele Krankenhäuser bereits Algorithmen eingesetzt, die den Ausbruch einer Sepsis vorhersagen können, um schneller eingreifen zu können, und auf Intensivstationen kann Software Daten über mehrere isolierte Geräte hinweg kombinieren, um nahezu in Echtzeit ein beeindruckend vollständiges Bild des Patienten zu erstellen. Im Laufe der Zeit können alle erfassten und gespeicherten Daten auch analysiert werden, um bessere Vorhersagen für die Zukunft zu treffen.

Was sind einige der bemerkenswertesten Anwendungsfälle, die Sie für die Analyse dieser Daten durch maschinelles Lernen sehen?

Wie oben erwähnt, können NLP-Tools dabei helfen, das manuelle Schreiben oder die Dateneingabe zu ersetzen, um neue Dokumente zu erstellen, wie z. B. Zusammenfassungen von Patientenbesuchen und detaillierte klinische Notizen. Dadurch können Ärzte mehr Patienten behandeln und Anbieter können die Dokumentation, den Arbeitsablauf und die Abrechnungsgenauigkeit verbessern, indem sie Aufträge und Dokumentation früher am Tag eingeben.

Im weiteren Sinne helfen KI-gestützte Analysen Anbietern dabei, ein breites Spektrum klinischer Anwendungen zu verstehen und zu verwalten, was die Effizienz verbessert und die Kosten senkt. Dadurch können Krankenhäuser ihre Ressourcen besser verwalten und Best Practices verfeinern, und Pflegeteams können bei Diagnosen zusammenarbeiten und Behandlungen sowie die allgemeine Pflege koordinieren, um die Patientenergebnisse zu verbessern.

Ärzte können mithilfe geeigneter ML-Ansätze gezielte Anomalien analysieren und strukturierte Informationen aus anderen Rohdaten herausfiltern. Dies kann zu einer schnelleren und genaueren Diagnose und optimalen Behandlungen führen. Beispielsweise können ML-Algorithmen das Diagnosesystem medizinischer Bilder in eine automatisierte Entscheidungsfindung umwandeln, indem sie Bilder in maschinenlesbaren Text umwandeln. ML- und Mustererkennungstechniken können auch Erkenntnisse aus riesigen Mengen klinischer Bilddaten gewinnen, die von Menschen allein nicht verwaltet werden können, um die Diagnose, Behandlung und Überwachung von Patienten zu verändern.

Um die Gesundheit der Bevölkerung zu bewerten und zu verwalten, können ML-Algorithmen dabei helfen, zukünftige Risikoverläufe vorherzusagen, Risikotreiber zu identifizieren und Lösungen für beste Ergebnisse bereitzustellen. Mit KI-Technologien integrierte Deep-Learning-Module ermöglichen es den Forschern, komplexe Genomdatensätze zu interpretieren, bestimmte Krebsarten vorherzusagen (basierend auf den Genexpressionsprofilen, die aus verschiedenen großen Datensätzen gewonnen wurden) und mehrere medikamentöse Ziele zu identifizieren.

Könnten Sie näher erläutern, wie Intel mit der Genomik-Community zusammenarbeitet, um große Datensätze in biomedizinische Erkenntnisse umzuwandeln, die die personalisierte Versorgung beschleunigen?

Präzisionsmedizin stellt Gesundheitsdatenquellen auf individueller Ebene bereit, die eine bessere Auswahl von Krankheitszielen und die Identifizierung von Patientenpopulationen ermöglichen, die verbesserte klinische Ergebnisse für neuartige präventive und therapeutische Ansätze zeigen.

Die Genomik ist der Grundstein dieser Präzisionsmedizin. Es liefert die Blaupause dafür, wer wir sind und warum und wie wir einzigartig sind. Dies ist für Anbieter von entscheidender Bedeutung, wenn sie diese Informationen mit anderen Daten (Bildern, klinischer Chemie, Krankengeschichte, Kohortendaten usw.) kombinieren. Ärzte nutzen diese Informationen, um patientenspezifische Behandlungen zu entwickeln und durchzuführen, die risikoärmer und wirksamer sind.

Intel arbeitet mit der Genomik-Community zusammen, indem es die in der Branche am häufigsten verwendeten genetischen Analysetools optimiert, damit sie auf allen auf der Intel-Architektur basierenden Plattformen und den Prozessoren, die sie antreiben, optimal funktionieren. Beispielsweise unterstreicht die Optimierung der branchenführenden Software für genetische Varianten des Broad Institute, des Genomic Analysis Toolkit (GATK), auf Intel-Hardware mithilfe von OpenVINO, um das Debuggen bei der Entwicklung von KI-Modellen und die skalierbare Bereitstellung zu vereinfachen, unseren Einfluss und unser Engagement für diese Branche. Das GATK-Toolkit bietet Vorteile für die biomedizinische Forschung, beispielsweise Genomics DB, das Dateien mit einer Größe von ca. 200 GB (typisch für Genomdatensätze) effizient speichert, und die Genome Kernel Library mit AVX512, die spezifische Hardwareanweisungen der Intel-Architektur nutzt, um Genomarbeitslasten und KI-Nutzung zu beschleunigen.

Die Beschleunigung der Geschwindigkeit und die Reduzierung der Kosten bei der Genomanalyse bei gleichzeitiger Beibehaltung der Genauigkeit dieser Analyse ist für biomedizinische und andere Biowissenschaftsforscher weiterhin von großem Interesse, wenn sie Intel-Rechnerlösungen nutzen, um neue medizinische Erkenntnisse zu entdecken und zu nutzen.

Könnten Sie erläutern, warum Sie glauben, dass Ferngesundheitsversorgung so wichtig ist?

Die Gesundheitsbranche beschäftigt sich seit vielen Jahren mit verschiedenen Formen und Aspekten der Fernversorgung. Der Grund dafür war bis vor Kurzem die intuitive und erhoffte Überzeugung, dass Fernpflege für viele Pflegesituationen genauso gut oder sogar besser sein kann als herkömmliche Modelle in der Klinik. Aufgrund der Pandemiekrise und ihrer Auswirkungen sind Gesundheitssysteme auf der ganzen Welt gezwungen, auf Telemedizin umzustellen oder zusammenzubrechen. Dieser plötzliche Ansturm bei der Umsetzung beweist nun, dass diese seit langem vertretenen Überzeugungen wahr sind und dass die Pflege auf Distanz sowohl lebenswichtig als auch höchst praktikabel ist.

Fernpflege hat viele Vorteile. Der Komfort und die Zufriedenheit der Patienten mit der Bereitstellung telemedizinischer Versorgung nehmen rapide zu. Sie sind in der Lage, in ihrem Zuhause ruhiger und entspannter zu bleiben, ohne dass es zu Störungen und weniger zeitlichen/planmäßigen Auswirkungen kommt. Den Anbietern gefällt es, weil es ihnen ermöglicht, mehr Patienten zu behandeln, ihre eigene Zeit besser einzuteilen und knappe klinische Ressourcen besser zu verteilen. Und was in den letzten Monaten für alle zum klarsten und überzeugendsten Grund geworden ist, ist natürlich die inhärente Fähigkeit der Fernpflege, Ansteckungen zu begrenzen, und die Notwendigkeit eines persönlichen Kontakts, wenn ein Video-Chat mit erweitertem Gerät und Computertelemetrie am meisten ausreichen kann Pflegeaufgaben werden genauso gut erledigt.

Können Sie einige der Technologien erläutern, die derzeit für die Fernüberwachung von Patienten eingesetzt werden?

Es gibt mehrere kritische Technologieelemente. Am wichtigsten ist die Benutzerfreundlichkeit für den Patienten, gefolgt von der Sicherheit und dem Datenschutz der Daten sowie der Robustheit der Anwendung und der erfassten Daten. Wir müssen beispielsweise verhindern, dass ein Benutzer versehentlich eine Überwachungs-App von seinem iPad löscht.

Ein weiterer wichtiger Aspekt für einen Pflegedienstleister, der mehrere Patienten betreut, ist das Flottenmanagement und die Möglichkeit, Aktualisierungen oder technischen Support per Funk zu senden, der auf jeden Benutzer oder jede Benutzerkohorte zugeschnitten ist. Dafür braucht man:

• Standardisierung des Datenaustauschs und der Privatsphäre mit Industriestandards wie FHIR und Continua;
• sichere und energieeffiziente Rechenplattform zur Orchestrierung der Daten und deren Rückübertragung an den Kliniker, einschließlich geeigneter Software und Verschlüsselung;
• Konnektivität über ein Mobilfunknetz, um die Geräte der Benutzer eigenständig zu machen und nicht auf Wi-Fi zu Hause angewiesen zu sein, das möglicherweise unzuverlässig oder gar nicht vorhanden ist;
• Cloud-Speicher und Analysen im Backend.

Darüber hinaus ist die Fähigkeit, die von Benutzern eingehenden Daten zu sammeln und zu aggregieren, von grundlegender Bedeutung, damit Ärzte Patienten überwachen und unterstützen können und die Software und Analysen die Pflegeteams über einen Sollzustand informieren oder eine Alarmbenachrichtigung für Ergebnisse auslösen können außerhalb der Toleranz.

Wir glauben, dass KI in Zukunft eine viel größere Rolle bei der Patientenüberwachung spielen wird, indem sie das Patientenerlebnis durch Umfragen mit natürlicher Stimme („Wie geht es Ihnen heute?“, „Ihr Blutdruck scheint etwas hoch“) verbessert und es den Pflegeteams ermöglicht, besser zu werden den Gesundheitszustand eines Patienten verstehen und geeignete Behandlungen ermitteln. Durch den Einsatz von KI-Modellen wird auch das Bevölkerungsgesundheitsmanagement voranschreiten, da alle Patientendaten in immer größere Datensätze zusammengefasst werden, was die Genauigkeit eines iterativen Lernmodells verbessert. Dies ist für die Fernüberwachung im großen Maßstab unerlässlich.

Welche Probleme müssen überwunden werden, um die Erfolgsquote der Ferngesundheitsversorgung zu erhöhen?

Viele der gleichen Probleme, die unser derzeitiges System der traditionellen Pflege belasten, sind auch Faktoren, die den Erfolg der Fernpflege verbessern oder hemmen. Dazu gehören untergeordnete gesellschaftliche Überzeugungen und Stigmatisierungen im Zusammenhang mit der Gesundheitsversorgung oder sozioökonomische Barrieren, die auf mangelnde Versicherungen, mangelnde Technologiekenntnisse, erforderliche Geräte und mangelnde Konnektivität zurückzuführen sind. Datensilos verhindern die Wertmaximierung, die größere gemeinsam genutzte Datensätze generieren könnten, insbesondere jetzt, wo unsere Fähigkeit, Lernprogramme zu nutzen, wirklich im Entstehen begriffen ist.

Es gibt jedoch Herausforderungen, die nur bei der Fernpflege auftreten:

• Obwohl sich die Politik- und Zahlungsfragen in letzter Zeit erheblich verbessert haben, müssen sie ihre positive Dynamik fortsetzen und sich mit gelockerten Beschränkungen dessen, was im Rahmen der Fernpflegemodalität zulässig und erstattungsfähig ist, ausweiten.
• Finanzielle Herausforderungen und fehlendes Kapital für Investitionen in Technologie im Gesundheitswesen erfordern eine Umstellung von einem CapEx-Modell auf ein OpEx-Modell. Anstatt in Einrichtungen und Investitionsausrüstung zu investieren, können Anbieter auf ein „Pay-as-you-go“-Modell umsteigen, bei dem sie auf den Bedarf an umfangreicher fester Infrastruktur verzichten und, wie bei Telefondiensten, für die genutzten Minuten (oder Daten) zahlen;
• Das Benutzererlebnis für Patienten und Anbieter muss sich weiter verbessern, bis die Technologie letztendlich in den Hintergrund tritt und die Funktionen intuitiv und nahtlos sind und der Prozess mit gleichwertigen oder besseren Ergebnissen und Kostenstrukturen überzeugt.

Letztendlich wollen wir, dass die Technologie die Bereitstellung von Pflege unterstützt und nicht behindert. Wenn wir erfolgreich sind (und wir glauben, dass wir das auch weiterhin tun werden), dann wird die Technologie tatsächlich eine Brücke zum besseren Modell der Fernversorgung von morgen schlagen und die bestmöglichen Argumente für die Normalisierung der Fernversorgung als Standard der Pflege liefern .

Vielen Dank für das fantastische Interview. Ich habe es genossen, mehr über Intels Gesundheitsinitiativen zu erfahren. Leser, die mehr erfahren möchten, besuchen Sie Intels Global Health & Life Sciences-Geschäft.