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, कंप्यूट अप्लायंस और उपकरणों का निर्माण करते हैं जो अनुसंधान केंद्रों, अस्पतालों, क्लिनिकों, आवासीय देखभाल सेटिंग्स और घरों द्वारा उपयोग किए जाते हैं। डेव ने कंज्यूमर टेक्नोलॉजी एसोसिएशन हेल्थ एंड फिटनेस डिवीजन, HIMSS के पर्सनल कनेक्टेड हेल्थ एलायंस, ग्लोबल कोएलिशन ऑन एजिंग और एलायंस फॉर कनेक्टेड केयर के बोर्डों पर कार्य किया है।

इंटेल का हेल्थ एंड लाइफ साइंसेज बिजनेस क्या है?

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

इंटेल का हेल्थ बिजनेस जनसंख्या स्वास्थ्य, चिकित्सा इमेजिंग, नैदानिक प्रणाली, और डिजिटल बुनियादी ढांचे पर केंद्रित है।

• जनसंख्या स्वास्थ्य विभिन्न रोगी डेटा की जांच करता है ताकि प्रदाताओं को चिकित्सा मुद्दों और सुधार उपचारों के जोखिमों के बारे में जानकारी 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 जिनका सटीक मूल्यांकन करने की आवश्यकता होती है जिसमें कोई त्रुटि नहीं होती है। एचपीसी और एआई छवि डेटा को अधिक तेजी से स्कैन करने और रेडियोलॉजिस्ट को निदान में 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 टेलीहेल्थ जैसे कई अन्य के लिए किया जाता है। ये बुद्धिमान प्रणालियां विविध स्रोत डेटा को सुलझाती हैं ताकि रोगी के लिए एक पूर्ण दृश्य प्रदान किया जा सके और बेहतर निदान के लिए लचीलापन और मापनीयता प्रदान की जा सके।
• डिजिटल बुनियादी ढांचा कई प्रौद्योगिकियों को एकीकृत करता है ताकि रोगी इंटरैक्शन के लिए नए दृष्टिकोण को सक्षम किया जा सके, जिसमें कहीं भी और कभी भी देखभाल शामिल है, जहां चिकित्सक स्थान और समय के माध्यम से स्थिति प्रबंधन, सर्जरी, और विश्लेषण के लिए सहयोग करते हैं।

इंटेल का लैब और लाइफ साइंसेज बिजनेस 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 चिकित्सा को सक्षम बनाने में मदद करता है, जिसमें सटीक चिकित्सा भी शामिल है, जो यह सुनिश्चित करती है कि रोगियों को सबसे प्रभावी दवाएं मिलें 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 परिणामों और विकास लागत को कम करने के लिए समय को कम कर सकते हैं।
• फार्मा मानव जैविक प्रणालियों के साथ दवाओं के परस्पर क्रिया 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, लक्ष्य आईडी और प्रीक्लिनिकल अनुसंधान में सहायता मिल सके। इसके परिणामस्वरूप बेहतर नैदानिक परीक्षण, स्मार्ट प्रतिक्रिया अंतर्दृष्टि और नए दवा खोज में तेजी आती है।

आपने व्यक्तिगत रूप से स्वास्थ्य सेवा के लाभ के लिए एआई का उपयोग करने में कब रुचि ली?

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 या सहायता प्रदान करते हैं, न कि इसका स्थान लेते हैं, ताकि निदान और उपचार के लिए वास्तविक रूप से परिवर्तनकारी दृष्टिकोण प्रदान किया जा सके। और कहीं भी यह अधिक स्पष्ट नहीं है कि चिकित्सा इमेजिंग में, जिसमें डेटा की मात्रा और जटिलता दोनों बाधा और अवसर है। आज, एआई, और विशेष रूप से अनुमान, विशाल डेटा सेटों को मानव द्वारा की जा सकने वाली तुलना में अधिक तेजी से और विस्तार से स्कैन कर सकता है और निदान के लिए बेहतर निष्कर्ष निकाल सकता है। उदाहरण के लिए, ग्राहकों के एआई समाधान रेडियोलॉजिस्ट को एक्स-रे में डेटा का विश्लेषण करके मदद करते हैं जो फेफड़े के ढहने (न्यूमोथोरैक्स) या कोविड की उपस्थिति का संकेत दे सकता है। यह एक真正 उल्लेखनीय उपलब्धि है जो चिकित्सा इमेजिंग और मानव विशेषज्ञता के अनुप्रयोग को क्रांतिकारी बना रही है। इस एक क्षेत्र में इस तरह के परिवर्तन को देखने से प्रेरित होकर, स्वास्थ्य और जीवन विज्ञान के अन्य क्षेत्रों में अगली बड़ी छलांग की तलाश करने के लिए प्रेरित किया जाता है जहां मानव और मशीन मिलकर एक नया संयोजन बनाते हैं जो इसके भागों के योग से बहुत बड़ा होता है। इसे एक कदम आगे बढ़ाने का विचार यह है कि एआई ज्ञान को देखभाल अनुशासनों में लोकतंत्रीकरण कर 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 किसी भी अन्य उद्योग की तुलना में अधिक डेटा और जटिलता के साथ उत्पन्न करता है। और अन्य उद्योगों के विपरीत, इस डेटा का प्रभावी ढंग से प्रबंधन और विश्लेषण करना जीवन और मृत्यु का मामला है। इन परिमाणों को देखते हुए, एआई अब क्लिनिकल और लैब सेटिंग्स में उद्योग के ट्रिपल एइम को संबोधित करने के लिए एक आवश्यक सुविधा प्रदान करता है: देखभाल की गुणवत्ता और पहुंच में सुधार करते हुए लागत को कम करना।

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 रिकॉर्ड्स में एक गंदा मिश्रण है जो संरचित और असंरचित डेटा दोनों है, जिसे एआई मदद कर सकता है और अधिक एकीकृत और उपयोगी डेटा सेट में परिवर्तित कर सकता है। ऑप्टिकल कैरेक्टर रिकग्निशन (ओसीआर) और नेचरल लैंग्वेज प्रोसेसिंग (एनएलपी) दो एआई-सक्षम मॉडल हैं जो हस्तलिखित और वॉइस के एनालॉग को ईएचआर डेटा में परिवर्तित कर सकते हैं। और एक बार डिजिटल होने के बाद, एआई को इन डेटा सेटों में कई रोमांचक उपयोग मामलों में लागू किया जा सकता है।

अन्य उदाहरणों में, चिकित्सा उपकरणों और कैमरों से कब्जा किए गए डेटा का विकास हो रहा है, और जब इसे रोगी इतिहास डेटा के साथ मिलाया जाता है, तो विश्लेषण उपचार को और अधिक व्यक्तिगत बनाने में मदद कर सकता है। एक जनगणना स्तर पर, कई अस्पतालों ने पहले से ही अल्गोरिदम तैनात किए हैं जो सेप्सिस की शुरुआत की भविष्यवाणी कर सकते हैं ताकि तेजी से हस्तक्षेप किया जा सके, और आईसीयू में, सॉफ्टवेयर कई अलग-अलग उपकरणों से डेटा को मिलाकर एक प्रभावशाली पूर्ण चित्र बना सकता है उस रोगी का लगभग वास्तविक समय में। समय के साथ, सभी कब्जा और संग्रहीत डेटा का विश्लेषण भविष्य में बेहतर भविष्यवाणियों के लिए किया जा सकता है।

आप कुछ अधिक उल्लेखनीय उपयोग मामलों के बारे में चर्चा कर सकते हैं जिन्हें आप इस डेटा का विश्लेषण करने के लिए मशीन लर्निंग के लिए देख 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 विजिट सम्मेलन और विस्तृत नैदानिक नोट्स उत्पन्न किए जा सकें। यह चिकित्सकों को अधिक रोगियों को देखने और प्रदाताओं को अपने समय और दुर्लभ नैदानिक संसाधनों को बेहतर प्रबंधन करने में सक्षम बनाता है, और देखभाल टीमों को निदान और समन्वय देखभाल और समग्र देखभाल को बेहतर बनाने के लिए मिलकर काम करने में मदद करता है जो वे रोगियों को प्रदान करते हैं।

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 प्रबंधन करने और सर्वोत्तम प्रथाओं को बारीक करने में सक्षम बनाता है, और देखभाल टीमों को निदान और समन्वय देखभाल और समग्र देखभाल को बेहतर बनाने के लिए मिलकर काम करने में मदद करता है जो वे रोगियों को प्रदान करते हैं।

चिकित्सक लक्षित असामान्यताओं के लिए उपयुक्त एमएल दृष्टिकोण का विश्लेषण कर सकते हैं और संरचित जानकारी को अन्य कच्चे डेटा से फिल्टर कर सकते हैं। इससे तेजी से और अधिक सटीक निदान और इष्टतम उपचार हो सकता है। उदाहरण के लिए, एमएल अल्गोरिदम चिकित्सा छवियों को स्वचालित निर्णय लेने में परिवर्तित कर सकते हैं और विशाल छवि डेटा के सेटों से अंतर्दृष्टि निकाल सकते हैं जो मानव द्वारा अकेले प्रबंधनीय नहीं है, जो रोगी के निदान, उपचार और निगरानी को बदल देता है।

जनसंख्या स्वास्थ्य का आकलन और प्रबंधन करने के लिए, एमएल अल्गोरिदम भविष्य के जोखिम ट्रेजेक्टरी की भविष्यवाणी करने में मदद कर सकते हैं, जोखिम चालकों की पहचान कर सकते हैं, और सर्वोत्तम परिणामों के लिए समाधान प्रदान 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, विशिष्ट प्रकार के कैंसर (विभिन्न बड़े डेटा सेटों से प्राप्त जीन अभिव्यक्ति प्रोफाइल के आधार पर) की भविष्यवाणी करने में मदद मिलती है और कई दवा 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 चिकित्सा व्यक्तिगत स्वास्थ्य डेटा स्रोत प्रदान करती है जो बेहतर रोग लक्ष्य चयन और रोगियों की आबादी की पहचान करने में मदद करती है जो नए रोकथाम और चिकित्सीय दृष्टिकोणों के लिए बेहतर नैदानिक परिणाम दिखाते हैं।

जेनोमिक्स सटीक चिकित्सा का आधार है। यह हमें बताता है कि हम कौन हैं और क्यों और कैसे हम अनोखे हैं, जो प्रदाताओं के लिए समझना महत्वपूर्ण है क्योंकि वे इस जानकारी को अन्य डेटा (छवियों, नैदानिक रसायन विज्ञान, चिकित्सा इतिहास, कोहोर्ट डेटा, आदि) के साथ मिलाते हैं। चिकित्सक इस जानकारी का उपयोग व्यक्तिगत रोगी उपचार विकसित और वितरित करने के लिए करते हैं जो कम जोखिम और अधिक प्रभावी होते हैं।

इंटेल जेनोमिक्स समुदाय के साथ सहयोग कर रहा है जो उद्योग में सबसे अधिक इस्तेमाल किए जाने वाले जेनेटिक विश्लेषण टूल्स को इंटेल आर्किटेक्चर-आधारित प्लेटफार्मों और उन्हें शक्ति प्रदान करने वाले प्रोसेसरों पर चलने के लिए अनुकूलित कर रहा है। उदाहरण के लिए, ब्रॉड इंस्टीट्यूट के उद्योग-अग्रणी जेनेटिक वेरिएंट सॉफ्टवेयर, जेनोमिक विश्लेषण टूलकिट (जीएटीके) को इंटेल हार्डवेयर पर ओपनवीआईएनओ का उपयोग करके अनुकूलित करना, हमारे प्रभाव और इस उद्योग के प्रति हमारी प्रतिबद्धता को दर्शाता है। जीएटीके टूलकिट जेनोमिक्स डीबी जैसे लाभ प्रदान करता है जो ~200GB आकार की फाइलों (जेनोमिक डेटासेट के लिए विशिष्ट) को कुशलता से संग्रहीत करता है और जीनोम कERNEL लाइब्रेरी जो इंटेल आर्किटेक्चर हार्डवेयर निर्देशों का लाभ उठाने के लिए एवीएक्स512 का उपयोग करता है ताकि जेनोमिक कार्यभार और एआई उपयोगिता को तेजी से बढ़ाया जा सके।

जेनोमिक विश्लेषण की गति और लागत को कम करने के साथ-साथ विश्लेषण की सटीकता को बनाए रखने के लिए जारी रहना 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 बता सकते हैं कि दूरस्थ स्वास्थ्य सेवा इतनी महत्वपूर्ण क्यों है?

स्वास्थ्य उद्योग दूरस्थ देखभाल के विभिन्न रूपों और पहलुओं पर कई वर्षों से काम कर रहा है। इसके कारण, हाल तक तक, एक सहज और आशित विश्वास था कि दूरस्थ देखभाल कई देखभाल वितरण स्थितियों के लिए पारंपरिक क्लिनिक मॉडल के समान या बेहतर हो सकती है। अब महामारी संकट और इसके प्रभाव द्वारा उत्प्रेरित, दुनिया भर में स्वास्थ्य देखभाल वितरण प्रणालियों को टेलीहेल्थ को लागू करने या ढहने के लिए मजबूर किया जा रहा है। यह अचानक लागू करने की धारा अब उन लंबे समय से आयोजित विश्वासों को साबित कर रही है कि दूरस्थ देखभाल वास्तव में महत्वपूर्ण और अत्यधिक व्यावहारिक है।

दूरस्थ देखभाल के कई लाभ हैं। रोगी दूरस्थ देखभाल वितरण के साथ आराम और संतुष्टि तेजी से बढ़ रही है। वे अपने घर में शांत और कम व्यवधान के साथ रह सकते हैं। प्रदाताओं को यह पसंद है क्योंकि यह उन्हें अधिक रोगियों को देखने और अपने समय और दुर्लभ नैदानिक संसाधनों को बेहतर प्रबंधन करने में सक्षम बनाता है। और जैसा कि पिछले कुछ महीनों में हर किसी के लिए स्पष्ट हो गया है, दूरस्थ देखभाल की स्पष्ट और सबसे प्रेरक वजह यह है कि यह संक्रमण और व्यक्तिगत संपर्क की आवश्यकता को सीमित करने में सक्षम है, जब एक वीडियो चैट और बढ़े हुए डिवाइस और कंप्यूट टेलीमेट्री के साथ अधिकांश देखभाल वितरण कार्यों को पूरा किया जा सकता है।

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

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

एक देखभाल प्रदाता के लिए एक और महत्वपूर्ण पहलू जो कई रोगियों में तैनात है, वह है बेड़े प्रबंधन और प्रत्येक उपयोगकर्ता या उपयोगकर्ता समूह के लिए अनुकूलित तकनीकी सहायता और अद्यतन भेजने की क्षमता। इसके लिए आवश्यक है:

• डेटा एक्सचेंज और गोपनीयता के लिए उद्योग मानकों जैसे एफएचआईआर और कंटीन्यूआ का मानकीकरण;
• डेटा को संग्रहीत और संचारित करने और चिकित्सक को वापस भेजने के लिए सुरक्षित और शक्ति-कुशल कंप्यूट प्लेटफ़ॉर्म;
• वाई-फाई पर निर्भर न होने के लिए सेल्युलर नेटवर्क के माध्यम से कनेक्टिविटी जो घर पर अविश्वसनीय या यहां तक कि अस्तित्वहीन हो सकती है;
• बैकएंड पर क्लाउड स्टोरेज और विश्लेषण।

इसके अलावा, उपयोगकर्ताओं से प्रवाहित होने वाले डेटा को इकट्ठा और समेकित करने की क्षमता रोगी निगरानी और देखभाल टीमों को रोगी की स्थिति को बेहतर ढंग से समझने और उपयुक्त उपचार की पहचान करने में मदद करने के लिए मूलभूत है।

हमारा मानना है कि एआई दूरस्थ रोगी निगरानी में एक बहुत बड़ी भूमिका निभाएगा, रोगी के अनुभव को प्राकृतिक आवाज सर्वेक्षण (“आज आप कैसा महसूस कर रहे हैं?”, “आपका रक्तचाप थोड़ा अधिक लगता है”) के माध्यम से बेहतर बनाने और देखभाल टीमों को रोगी के स्वास्थ्य को बेहतर ढंग से समझने में मदद करने के लिए। एआई मॉडल के माध्यम से, जनसंख्या स्वास्थ्य प्रबंधन भी आगे बढ़ेगा, सभी रोगी डेटा बड़े डेटा सेट में शामिल हो जाएगा, जो एक आवर्ती सीखने वाले मॉडल की सटीकता में सुधार करेगा। यह दूरस्थ निगरानी के लिए आवश्यक है जो पैमाने पर हो।

दूरस्थ स्वास्थ्य सेवा की सफलता दर को बढ़ाने के लिए किन समस्याओं का समाधान करने की आवश्यकता है?

दूरस्थ देखभाल की सफलता को बढ़ाने के लिए कई समस्याओं को हल करने की आवश्यकता है। इनमें से कई समस्याएं पारंपरिक देखभाल वितरण प्रणाली में भी मौजूद हैं, जैसे कि सामाजिक उप-सegment विश्वास और स्वास्थ्य सेवा के आसपास के कलंक, या सामाजिक-आर्थिक बाधाएं जो बीमा, प्रौद्योगिकी की जानकारी, आवश्यक उपकरणों और कनेक्टिविटी की कमी से उत्पन्न होती हैं। डेटा सिलोस देखभाल अनुशासनों में ज्ञान को लोकतंत्रीकरण करने और दूरस्थ देखभाल को मानक देखभाल वितरण के रूप में स्वीकार करने में बाधा उत्पन्न करते हैं।

लेकिन दूरस्थ देखभाल के लिए कुछ चुनौतियां हैं जो अद्वितीय हैं:

• नीति और भुगतान मुद्दे, हालांकि हाल के वर्षों में सुधार हुआ है, दूरस्थ देखभाल मॉडल के माध्यम से अनुमेय और प्रतिपूर्ति योग्य क्या है, इस पर प्रतिबंधों को आराम देने के लिए अपनी सकारात्मक गति जारी रखनी चाहिए;
• वित्तीय चुनौतियां और स्वास्थ्य सेवा में प्रौद्योगिकी में निवेश करने के लिए पूंजी की कमी को एक पूंजी व्यय मॉडल से एक परिचालन व्यय मॉडल में परिवर्तित करने की आवश्यकता है। प्रदाताओं को सुविधाओं और पूंजी उपकरणों में निवेश करने की आवश्यकता नहीं है, बल्कि एक “पे एस यू गो” मॉडल में स्थानांतरित हो सकते हैं, जैसे कि फोन सेवा, जिसमें उपयोग किए जाने वाले “मिनटों” (या डेटा) के लिए भुगतान किया जाता है;
• उपयोगकर्ता अनुभव, दोनों रोगी और प्रदाता के लिए, अंततः उस बिंदु तक सुधार करना 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 के साथ तुलनीय 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 रहेंगे), तो प्रौद्योगिकी वास्तव में दूरस्थ देखभाल वितरण के कल के बेहतर मॉडल के लिए एक पुल की अनुमति देगी, जो दूरस्थ देखभाल को मानक देखभाल वितरण के रूप में सामान्यीकरण करने का एक मजबूत मामला बनाता है।