डेव रयान, जनरल मैनेजर, हेल्थ एंड लाइफ साइंसेज बिजनेस एट इंटेल – इंटरव्यू सीरीज

डेव रयान इंटेल के ग्लोबल हेल्थ एंड लाइफ साइंसेज बिजनेस यूनिट का नेतृत्व करते हैं, जो डिजिटल परिवर्तन पर ध्यान केंद्रित करता है ताकि सटीक, मूल्य-आधारित देखभाल को वास्तविकता बनाया जा सके। उनके ग्राहक वे निर्माता हैं जो जीवन विज्ञान उपकरण, चिकित्सा उपकरण, नैदानिक प्रणाली, कंप्यूटर उपकरण और उपकरणों का निर्माण करते हैं जिनका उपयोग अनुसंधान केंद्रों, अस्पतालों, क्लिनिकों, आवासीय देखभाल सेटिंग्स और घरों में किया जाता है। डेव ने उपभोक्ता प्रौद्योगिकी संघ स्वास्थ्य और फिटनेस डिवीजन, HIMSS के व्यक्तिगत जुड़े स्वास्थ्य गठबंधन, ग्लोबल कोएलिशन ऑन एजिंग और एलायंस फॉर कनेक्टेड केयर के बोर्डों में कार्य किया है।

इंटेल का हेल्थ एंड लाइफ साइंसेज बिजनेस क्या है?

इंटेल का हेल्थ एंड लाइफ साइंसेज बिजनेस ग्राहकों को चिकित्सा इमेजिंग, नैदानिक प्रणालियों और प्रयोगशाला और जीवन विज्ञान में समाधान बनाने में मदद करता है, जो वितरित, बुद्धिमान और व्यक्तिगत देखभाल को सक्षम बनाता है।

इंटेल का स्वास्थ्य व्यवसाय जनसंख्या स्वास्थ्य, चिकित्सा इमेजिंग, नैदानिक प्रणालियों और डिजिटल बुनियादी ढांचे पर केंद्रित है।

• जनसंख्या स्वास्थ्य विभिन्न रोगी डेटा की जांच करता है ताकि प्रदाताओं को जोखिमों और सुधारित उपचारों के लिए अंतर्दृष्टि प्रदान की जा सके। अनुकूलित और ट्यून किए गए एमएल और एआई “टियर” समूहों में मदद करते हैं, ताकि प्रदाता और प्रदाता सबसे जोखिम वाले रोगियों को प्राथमिकता दे सकें।
• चिकित्सा इमेजिंग (जैसे एमआरआई, सीटी), विशाल डेटा सेट उत्पन्न करती है जिन्हें सटीक मूल्यांकन की आवश्यकता होती है जिसमें कोई त्रुटि नहीं होती है। एचपीसी और एआई छवि डेटा को अधिक तेजी से स्कैन करने और निदान में रेडियोलॉजिस्ट की सहायता के लिए महत्वपूर्ण कारकों की पहचान करने में मदद करते हैं।
• नैदानिक प्रणालियों में कंप्यूटर दृष्टि, एआई, एचपीसी और एज कंप्यूटिंग का उपयोग रोगी निगरानी, रोबोटिक सर्जरी और टेलहेल्थ जैसे कार्यों के लिए किया जाता है। ये बुद्धिमान प्रणालियां विभिन्न स्रोत डेटा को सुलझाती हैं ताकि रोगी के लिए एक पूर्ण दृष्टिकोण प्रदान किया जा सके और बेहतर निदान किया जा सके, जो बदलती संगठनात्मक आवश्यकताओं को समर्थन देने के लिए लचीलापन और मापनीयता प्रदान करता है।
• डिजिटल बुनियादी ढांचा कई प्रौद्योगिकियों को एकीकृत करता है ताकि रोगी इंटरैक्शन के लिए नए दृष्टिकोणों को सक्षम किया जा सके, जिसमें कहीं भी और कभी भी देखभाल शामिल है, जहां चिकित्सक स्थान और समय में सहयोग करते हैं ताकि स्थिति प्रबंधन, सर्जरी और विश्लेषण के लिए देखभाल की जा सके।

इंटेल का प्रयोगशाला और जीवन विज्ञान व्यवसाय मुख्य रूप से 3 क्षेत्रों में केंद्रित है: डेटा विश्लेषण, ‘ओमिक्स और फार्मा।

• डेटा विश्लेषण एआई का उपयोग करता है ताकि खोजों और अंतर्दृष्टि का एक कैस्केड चलाया जा सके जो सटीक दवा जैसी चीजों को सक्षम करने में मदद करता है, जिससे रोगियों को सबसे प्रभावी दवाएं मिल सकें और दुष्प्रभाव प्रोफाइल के जोखिम को कम किया जा सके।
• ‘ओमिक्स जैविक अणु समूहों का वर्णन और मात्रा करता है, जैव सूचना विज्ञान और गणनात्मक जीव विज्ञान का उपयोग करता है। यहां शामिल विशाल डेटा सेटों को उच्च-थ्रूपुट प्रोसेसिंग की आवश्यकता होती है ताकि उचित समय सीमा के भीतर परिणाम प्राप्त किए जा सकें। इस थ्रूपुट और नए डेटाबेस, टूलकिट, लाइब्रेरी और कोड अनुकूलन के साथ, ‘ओमिक्स संस्थान समय और विकास लागत को कम करने के लिए परिणामों को तेजी से प्राप्त कर सकते हैं।
• फार्मा दवाओं और उनके मानव जैविक प्रणालियों के साथ बातचीत का अध्ययन करता है, जिसमें आणविक स्तर पर भी शामिल है, जहां डेटा विज्ञान को एआई और एमएल की आवश्यकता होती है ताकि लीड जनरेशन और अनुकूलन में मदद मिल सके, लक्ष्य आईडी और पूर्व-नैदानिक अनुसंधान में मदद मिल सके। इसके परिणामस्वरूप बेहतर नैदानिक परीक्षण, स्मार्टर प्रतिक्रिया अंतर्दृष्टि और तेजी से नए दवा की खोज होती है।

आप व्यक्तिगत रूप से स्वास्थ्य सेवा के लाभ के लिए एआई का उपयोग करने में कब रुचि लेने लगे?

एआई का कई उद्योगों में प्रसार मुख्य रूप से उन कार्यों को स्वचालित करने के बारे में रहा है जो मानव द्वारा नियमित रूप से किए जाते हैं। स्वास्थ्य सेवा में, एआई एक ऐसा उपकरण बन गया है जिसके माध्यम से हम मौजूदा मानव विशेषज्ञता को बढ़ाते हैं या सहायता करते हैं, न कि इसे प्रतिस्थापित करते हैं, ताकि निदान और उपचार के लिए वास्तव में परिवर्तनकारी दृष्टिकोण प्रदान किया जा सके। और nowhere यह स्पष्ट है कि चिकित्सा इमेजिंग में, जहां डेटा की मात्रा और जटिलता दोनों बाधा और अवसर है। आज, एआई, और विशेष रूप से अनुमान, विशाल डेटा सेटों की तेजी से और विस्तृत स्कैनिंग करने में सक्षम है जो किसी भी मानव द्वारा नहीं किया जा सकता है और इस प्रकार न केवल पहले छिपी हुई अंतर्दृष्टि को प्रकट करता है, बल्कि रेडियोलॉजिस्ट के मूल्यवान समय को अधिकतम करता है ताकि बेहतर निदान निष्कर्ष निकाला जा सके और अधिक रोगियों के लिए। उदाहरण के लिए, ग्राहकों की एआई समाधान रेडियोलॉजिस्ट को मदद करती है जो एक्स-रे में डेटा का विश्लेषण करती है जो फेफड़े के ढहने (न्यूमोथोरैक्स) या कोविड की उपस्थिति का संकेत दे सकती है। यह वास्तव में एक उल्लेखनीय उपलब्धि है जो चिकित्सा इमेजिंग की प्रभावशीलता और मानव विशेषज्ञता के अनुप्रयोग को क्रांतिकारी बना रही है। इस प्रकार के परिवर्तन को एक क्षेत्र में देखने से प्रेरित होकर, एक स्वाभाविक प्रेरणा है कि अगली बड़ी छलांग की तलाश में अन्य स्वास्थ्य और जीवन विज्ञान के प्रयासों में मानव और मशीन के संयोजन से एक नया और बड़ा परिणाम प्राप्त किया जा सके। इसके आगे बढ़ने का विचार यह है कि एआई ज्ञान को देखभाल अनुशासनों में लोकतांत्रिक बना सकता है और दुर्लभ मानव विशेषज्ञता और अनुभव-आधारित सूक्ष्मता को और आगे बढ़ा सकता है, गुणवत्ता के स्तर को बढ़ा सकता है।

क्लिनिकल सेटिंग में बड़े डेटा का विश्लेषण करने के लिए एआई कितना महत्वपूर्ण है?

स्वास्थ्य और जीवन विज्ञान उद्योग दुनिया में आज किसी भी अन्य उद्योग की तुलना में अधिक डेटा और जटिलता के साथ डेटा उत्पन्न करता है। और अन्य उद्योगों के विपरीत, इस डेटा को प्रभावी ढंग से प्रबंधित और विश्लेषण करना जीवन और मृत्यु का मामला है। इन परिमाणों को देखते हुए, एआई अब क्लिनिकल और प्रयोगशाला सेटिंग्स में उद्योग के ट्रिपल एइम को संबोधित करने के लिए एक आवश्यक एनेबलर है: देखभाल की गुणवत्ता और पहुंच में सुधार करते हुए लागत को कम करें।

उदाहरण के लिए, इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) ने देखभाल वितरण की गुणवत्ता और दक्षता में एक डिजिटल क्रांति को सक्षम किया है। दुर्भाग्य से, इन रिकॉर्डों में एक गंदा मिश्रण है जो संरचित और असंरचित डेटा दोनों है, जिसे एआई मदद कर सकता है अधिक एकीकृत और उपयोगी डेटा सेट में डिजिटाइज़ करने के लिए। ऑप्टिकल कैरेक्टर रिकग्निशन (ओसीआर) और नेचरल लैंग्वेज प्रोसेसिंग (एनएलपी)只是 दो एआई-सक्षम मॉडल हैं जो हस्तलिखित और वॉइस को ईएचआर डेटा में परिवर्तित कर सकते हैं। और एक बार डिजिटाइज़ हो जाने के बाद, एआई को इन डेटा सेटों में कई रोमांचक उपयोग मामलों में लागू किया जा सकता है।

अन्य मामलों में, चिकित्सा उपकरणों और कैमरों से कब्जा किए गए डेटा का विकास हो रहा है, और जब इसे रोगी के इतिहास डेटा के साथ जोड़ा जाता है, तो विश्लेषण उपचार को व्यक्तिगत बनाने में मदद करने के लिए नए अंतर्दृष्टि को चला सकता है। एक जनगणना स्तर पर, कई अस्पतालों ने पहले से ही एल्गोरिदम तैनात किए हैं जो सेप्सिस की शुरुआत की भविष्यवाणी कर सकते हैं ताकि तेजी से हस्तक्षेप किया जा सके, और आईसीयू में, सॉफ्टवेयर विभिन्न अलग-अलग उपकरणों से डेटा को एक साथ मिला सकता है ताकि रोगी की एक पूर्ण तस्वीर बनाई जा सके लगभग वास्तविक समय में। समय के साथ, सभी कब्जा किए गए और संग्रहीत डेटा का विश्लेषण भविष्य में बेहतर भविष्यवाणियों के लिए किया जा सकता है।

आपको कुछ अधिक उल्लेखनीय उपयोग मामले दिखाई दे रहे हैं जो मशीन लर्निंग इस डेटा का विश्लेषण कर रहे हैं?

जैसा कि ऊपर उल्लेख किया गया है, एनएलपी टूल्स मैनुअल स्क्राइबिंग या डेटा एंट्री को प्रतिस्थापित करने में मदद कर सकते हैं ताकि नए दस्तावेज़ जैसे रोगी यात्रा सारांश और विस्तृत नैदानिक नोट्स उत्पन्न किए जा सकें। यह चिकित्सकों को अधिक रोगियों को देखने और प्रदाताओं को दस्तावेजीकरण, कार्यप्रवाह और बिलिंग सटीकता में सुधार करने में मदद करता है, और ऑर्डर और दस्तावेज़ीकरण को दिन में जल्दी दर्ज करने में मदद करता है।

अधिक व्यापक रूप से, एआई-सक्षम विश्लेषण प्रदाताओं को विभिन्न नैदानिक अनुप्रयोगों को समझने और प्रबंधित करने में मदद करता है जो दक्षता में सुधार करते हैं और लागत को कम करते हैं। यह अस्पतालों को संसाधनों को बेहतर ढंग से प्रबंधित करने और सर्वोत्तम प्रथाओं को बारीक करने में मदद करता है, और देखभाल टीमों को निदान और उपचार के समन्वय में सहयोग करने में मदद करता है और देखभाल को बेहतर बनाने में मदद करता है जो वे रोगियों को प्रदान करते हैं।

चिकित्सक विशिष्ट असामान्यताओं के लिए उपयुक्त एमएल दृष्टिकोण का उपयोग करके संरचित जानकारी को अन्य कच्चे डेटा से फिल्टर कर सकते हैं। इससे तेजी से और अधिक सटीक निदान और उपचार हो सकता है। उदाहरण के लिए, एमएल एल्गोरिदम चिकित्सा छवियों की निदान प्रणाली को स्वचालित निर्णय लेने में परिवर्तित कर सकते हैं जो मशीन को पढ़ने योग्य पाठ में परिवर्तित हो जाती है। एमएल और पैटर्न मान्यता तकनीक विशाल नैदानिक छवि डेटा से अंतर्दृष्टि निकाल सकती है, जो मानव द्वारा अकेले असंभव है, ताकि रोगी के निदान, उपचार और निगरानी को बदला जा सके।

जनसंख्या स्वास्थ्य का मूल्यांकन और प्रबंधन करने के लिए, एमएल एल्गोरिदम भविष्य के जोखिम ट्रेजेक्टरी की भविष्यवाणी करने, जोखिम चालकों की पहचान करने और सर्वोत्तम परिणामों के लिए समाधान प्रदान करने में मदद कर सकते हैं। गहरे शिक्षण मॉड्यूल को एआई प्रौद्योगिकियों के साथ एकीकृत करने से शोधकर्ताओं को जटिल जीनोमिक डेटा सेटों की व्याख्या करने में मदद मिलती है, जीन अभिव्यक्ति प्रोफाइल से विशिष्ट प्रकार के कैंसर (विभिन्न बड़े डेटा सेटों से प्राप्त) की भविष्यवाणी करने में मदद मिलती है और कई ड्रगगेबल लक्ष्यों की पहचान करने में मदद मिलती है।

क्या आप बता सकते हैं कि इंटेल जेनोमिक्स समुदाय के साथ कैसे सहयोग कर रहा है ताकि बड़े डेटासेट को जैव चिकित्सा अंतर्दृष्टि में परिवर्तित किया जा सके जो व्यक्तिगत देखभाल को तेजी से बढ़ावा दे?

सटीक दवा व्यक्तिगत स्वास्थ्य डेटा स्रोत प्रदान करती है जो बेहतर रोग लक्ष्यों और रोगियों की आबादी की पहचान करने में मदद करती है जो नए रोकथाम और चिकित्सीय दृष्टिकोणों में सुधारित नैदानिक परिणामों का प्रदर्शन करते हैं।

जीनोमिक्स इस सटीक दवा का आधार है। यह हमें बताता है कि हम कौन हैं और क्यों और कैसे हम अद्वितीय हैं, जो प्रदाताओं के लिए महत्वपूर्ण है क्योंकि वे इस जानकारी को अन्य डेटा (छवियों, नैदानिक रसायन विज्ञान, चिकित्सा इतिहास, कोहोर्ट डेटा, आदि) के साथ जोड़ते हैं। चिकित्सक इस जानकारी का उपयोग रोगी-विशिष्ट उपचार विकसित करने और वितरित करने के लिए करते हैं जो जोखिम में कमी और अधिक प्रभावी हैं।

इंटेल जेनोमिक्स समुदाय के साथ सहयोग कर रहा है जो उद्योग में सबसे अधिक उपयोग किए जाने वाले जेनेटिक विश्लेषण टूल्स को इंटेल आर्किटेक्चर-आधारित प्लेटफार्मों और उन्हें शक्ति प्रदान करने वाले प्रोसेसरों पर चलने के लिए अनुकूलित करता है। उदाहरण के लिए, ब्रॉड इंस्टीट्यूट के उद्योग-अग्रणी जेनेटिक वेरिएंट सॉफ्टवेयर, जेनोमिक विश्लेषण टूलकिट (जीएटीके) को इंटेल हार्डवेयर पर ओपनवीआईएनओ का उपयोग करके एआई मॉडल विकास डीबग और मापनीय तैनाती को आसान बनाने के लिए अनुकूलित करना हमारे प्रभाव और इस उद्योग में हमारी प्रतिबद्धता को दर्शाता है। जीएटीके टूलकिट जेनोमिक्स डीबी जैसे लाभ प्रदान करता है जो कुशलता से ~200GB के आकार की फाइलों (जेनोमिक डेटासेट के लिए विशिष्ट) को स्टोर करता है और जीनोम केर्नेल लाइब्रेरी जो एवीएक्स512 का लाभ उठाती है जो विशिष्ट इंटेल आर्किटेक्चर हार्डवेयर निर्देशों का लाभ उठाती है जेनोमिक कार्यभार और एआई उपयोगिता को तेज करने के लिए।

जेनोमिक विश्लेषण की गति और लागत को तेजी से और सटीकता के साथ कम करना जारी रखना जैव चिकित्सा और अन्य जीवन विज्ञान शोधकर्ताओं के लिए आकर्षक है क्योंकि वे नए चिकित्सा अंतर्दृष्टि की खोज और उपयोगिता के लिए इंटेल कंप्यूट सॉल्यूशंस का उपयोग करते हैं।

आप दूरस्थ स्वास्थ्य सेवा के महत्व पर चर्चा कर सकते हैं?

स्वास्थ्य उद्योग दूरस्थ देखभाल के विभिन्न रूपों पर कई वर्षों से काम कर रहा है। इसके कारण, हाल तक तक, यह एक直सूचक और आशावादी विश्वास था कि दूरस्थ देखभाल कई देखभाल वितरण स्थितियों के लिए पारंपरिक क्लिनिक मॉडल के रूप में अच्छी या बेहतर हो सकती है। अब महामारी संकट और इसके प्रभाव द्वारा उत्प्रेरित, दुनिया भर में स्वास्थ्य देखभाल वितरण प्रणालियों को दूरस्थ देखभाल को अपनाना होगा या ढहना होगा। यह अचानक लागू करने की धमकी अब उन लंबे समय से आयोजित विश्वासों को सच साबित कर रही है और दूरस्थ देखभाल को महत्वपूर्ण और अत्यधिक व्यावहारिक साबित कर रही है।

दूरस्थ देखभाल के कई लाभ हैं। रोगी दूरस्थ देखभाल के साथ आराम से और घर में रहते हुए तेजी से सहज और संतुष्ट हो रहे हैं। वे कम व्यवधान और समय/कार्यक्रम प्रभाव के साथ रहते हैं। प्रदाता इसे पसंद करते हैं क्योंकि यह उन्हें अधिक रोगियों को देखने और अपने समय और दुर्लभ नैदानिक संसाधनों को बेहतर प्रबंधित करने में मदद करता है। और, जो पिछले कुछ महीनों में हर किसी के लिए स्पष्ट और सबसे प्रेरक कारण बन गया है, वह यह है कि दूरस्थ देखभाल में संक्रमण को सीमित करने और वीडियो चैट के साथ बढ़े हुए डिवाइस और कंप्यूटे टेलीमेट्री के साथ अधिकांश देखभाल वितरण कार्यों को पूरा करने की क्षमता है।

क्या आप दूरस्थ रोगी निगरानी के लिए वर्तमान में उपयोग की जाने वाली कुछ प्रौद्योगिकियों पर चर्चा कर सकते हैं?

सबसे महत्वपूर्ण बात यह है कि रोगी के लिए उपयोग में आसानी है, जल्दी इसके बाद सुरक्षा और डेटा की गोपनीयता, और अनुप्रयोग और इसके द्वारा कब्जा किए गए डेटा की मजबूती। उदाहरण के लिए, हमें एक उपयोगकर्ता को उसके आईपैड से निगरानी ऐप को हटाने से रोकने की आवश्यकता है।

एक और महत्वपूर्ण पहलू एक देखभाल प्रदाता के लिए है जो कई रोगियों में तैनाती कर रहा है बेड़े प्रबंधन और प्रत्येक उपयोगकर्ता या उपयोगकर्ता समूह के लिए विशिष्ट अपडेट या तकनीकी सहायता भेजने की क्षमता है। इसके लिए आवश्यक है:

• आइएचएचआर और कंटिन्यूआ जैसे उद्योग मानकों के साथ डेटा एक्सचेंज और गोपनीयता का मानकीकरण;
• सुरक्षित और शक्ति-कुशल कंप्यूट प्लेटफ़ॉर्म जो डेटा को ऑर्केस्ट्रेट करे और इसे क्लिनिकियन को वापस भेजे, सही सॉफ़्टवेयर और एन्क्रिप्शन के साथ;
• घर में अनिश्चित या अस्तित्वहीन वाई-फाई पर निर्भर नहीं होने वाले उपयोगकर्ता उपकरणों को स्टैंडअलोन बनाने के लिए सेल्युलर नेटवर्क के माध्यम से कनेक्टिविटी;
• बैकएंड पर क्लाउड स्टोरेज और विश्लेषण।

इसके अलावा, उपयोगकर्ताओं से आ रहे डेटा को इकट्ठा करने और समग्र करने की क्षमता दूरस्थ निगरानी के लिए चिकित्सकों को रोगी निगरानी और समर्थन करने में मदद करने के लिए और सॉफ़्टवेयर और विश्लेषण को सूचित करने के लिए मौलिक है कि देखभाल टीमों को सामान्य स्थिति या असहिष्णुता के परिणामों के लिए अलार्म अधिसूचना शुरू करें।

हमारा मानना है कि एआई दूरस्थ रोगी निगरानी में आगे बढ़ने में एक बहुत बड़ी भूमिका निभाएगा, रोगी के अनुभव को प्राकृतिक आवाज सर्वेक्षण (“आज आप कैसे महसूस कर रहे हैं?”, “आपका रक्तचाप थोड़ा अधिक लगता है”) के माध्यम से सुधारते हुए और देखभाल टीमों को रोगी के स्वास्थ्य को बेहतर ढंग से समझने और उपयुक्त उपचार की पहचान करने में मदद करते हैं। एआई मॉडल के माध्यम से, जनसंख्या स्वास्थ्य प्रबंधन भी बड़े डेटा सेटों में सभी रोगी डेटा को फोल्ड करके आगे बढ़ेगा जो एक पुनरावृत्ति सीखने मॉडल की सटीकता में सुधार करता है। यह दूरस्थ निगरानी के लिए आवश्यक है पैमाने पर।

दूरस्थ स्वास्थ्य सेवा की सफलता दर को बढ़ाने के लिए किन समस्याओं का समाधान किया जाना चाहिए?

पारंपरिक देखभाल वितरण प्रणाली की ही तरह, कई मुद्दे दूरस्थ देखभाल की सफलता को बढ़ाने या बाधित करने में योगदान करते हैं। इनमें स्वास्थ्य सेवा के आसपास सामाजिक उप-समूह विश्वास और कलंक, या सocio-आर्थिक बाधाएं शामिल हैं जो बीमा की कमी, प्रौद्योगिकी की साक्षरता, आवश्यक उपकरणों और कनेक्टिविटी की कमी से उत्पन्न होती हैं। डेटा सिलोस मूल्य को अधिकतम करने में मदद करने के लिए बड़े साझा डेटा सेटों का उत्पादन कर सकते हैं, खासकर जब हमारी क्षमता वास्तव में प्रगति कर रही है सीखने के कार्यक्रमों को हार्नेस करने में।

लेकिन दूरस्थ देखभाल के लिए विशिष्ट चुनौतियाँ हैं:

• नीति और भुगतान मुद्दे, हालांकि हाल के दिनों में बहुत सुधार हुआ है, को दूरस्थ देखभाल मॉडल के तहत क्या अनुमत और प्रतिपूर्ति योग्य है, इस पर प्रतिबंधों को आराम देने के साथ आगे बढ़ना जारी रखना चाहिए;
• वित्तीय चुनौतियाँ और स्वास्थ्य सेवा में प्रौद्योगिकी में निवेश करने के लिए पूंजी की कमी को एक ओपेक्स मॉडल में परिवर्तित करने की आवश्यकता है। प्रदाता सुविधाओं और कैपेक्स उपकरणों में निवेश करने के बजाय एक “पे एस यू गो” मॉडल में स्थानांतरित कर सकते हैं, जिसमें बहुत सारे निश्चित बुनियादी ढांचे की आवश्यकता नहीं होती है, और फोन सेवा की तरह, उपयोग किए जाने वाले मिनटों (या डेटा) का भुगतान करते हैं;
• रोगी और प्रदाता दोनों के लिए उपयोगकर्ता अनुभव को अंततः उस बिंदु पर सुधारना चाहिए जहां प्रौद्योगिकी पृष्ठभूमि में गायब हो जाती है, और क्षमताएं सहज और निर्बाध होती हैं और प्रक्रिया आकर्षक होती है और परिणाम और लागत संरचना समान या बेहतर होती है।

अंततः, हम चाहते हैं कि प्रौद्योगिकी देखभाल के प्रावधान का समर्थन करे, न कि इसके रास्ते में आए। यदि हम सफल होते हैं (और हम मानते हैं कि हम हैं और आगे भी रहेंगे), तो प्रौद्योगिकी वास्तव में कल के बेहतर मॉडल के लिए एक पुल का निर्माण करेगी दूरस्थ देखभाल वितरण, दूरस्थ देखभाल के मानक देखभाल वितरण के सामान्यीकरण के लिए सबसे अच्छा मामला बनाने में।

आपके शानदार साक्षात्कार के लिए धन्यवाद, मैंने इंटेल के स्वास्थ्य प्रयासों के बारे में अधिक जानने का आनंद लिया। पाठक जो अधिक जानना चाहते हैं उन्हें इंटेल के ग्लोबल हेल्थ एंड लाइफ साइंसेज बिजनेस पर जाना चाहिए।