デイブ・ライアン氏、インテル健康・ライフサイエンス事業部長 – インタビューシリーズ

デイブ・ライアンが率いる グローバルヘルス＆ライフサイエンス事業 正確で価値に基づいたケアを実現するために、エッジからクラウドへのデジタル変革に焦点を当てているインテルの部門です。 彼の 顧客は、研究センター、病院、診療所、住宅介護施設、家庭で使用されるライフ サイエンス機器、医療機器、臨床システム、コンピューティング アプライアンスおよびデバイスを構築するメーカーです。 Dave は、Consumer Technology Association のヘルス＆フィットネス部門、HIMSS の Personal Connected Health Alliance、Global Coalition on Aging、および Alliance for Connected Care の理事を務めてきました。  

インテルのヘルス＆ライフ サイエンス ビジネスとは何ですか?

インテルのヘルス & ライフ サイエンス ビジネスは、顧客が医療画像、臨床システム、ラボおよびライフ サイエンスの分野でソリューションを作成できるように支援し、分散型、インテリジェントで個別化されたケアを実現します。

インテルのヘルス事業は、人々の健康、医療画像、臨床システム、デジタル インフラストラクチャに重点を置いています。

• Population Health は、多様な患者データを調査して、医療問題のリスクとコホート全体にわたる治療の改善に関する洞察を提供者に提供します。 最適化および調整された ML と AI はグループの「階層化」に役立つため、支払者と医療提供者は最もリスクの高い患者を優先します。
• 医用画像処理 (MRI、CT など) は、エラーの余地のない正確な評価を必要とする膨大なデータ セットを生成します。 HPC と AI は、画像データをより迅速にスキャンし、放射線科医の診断を支援する重要な要素を特定するのに役立ちます。
• 臨床システムでは、患者の監視、ロボット手術、遠隔医療などにコンピューター ビジョン、AI、HPC、エッジ コンピューティングを使用しています。これらのインテリジェント システムは、変化する組織のニーズをサポートする柔軟性と拡張性を備え、患者の全体像とより適切な診断を実現するために多様なソース データを調整します。
• デジタル インフラストラクチャは多くのテクノロジーを統合し、臨床医が状態管理、手術、分析のために時空を越えて協力する、いつでもどこでもケアなどの患者との対話への新しいアプローチを可能にします。

インテルのラボおよびライフ サイエンス ビジネスは、データ分析、オミクス、製薬の 3 つの主要分野に焦点を当てています。

• データ分析は、AI を使用して一連の発見と洞察を推進し、とりわけ、患者が自分にとって最も効果的な薬を確実に入手できるようにすることで、副作用プロファイルのリスクを軽減し、精密医療を可能にするのに役立ちます。
• オミクスは、バイオインフォマティクスと計算生物学を使用して、生体分子グループを記述および定量化します。 ここに含まれる膨大なデータセットには、妥当な時間枠内で結果を受け取るために高スループットの処理が必要です。 このスループットと新しいデータベース、ツールキット、ライブラリ、コードの最適化により、オミクス研究機関は結果が得られるまでの時間と開発コストを削減できます。
• 製薬学は、医薬品と、それらが人間の生物学的システムとどのように相互作用するかについての研究です。これには、リード生成と最適化、ターゲット ID、前臨床研究を支援するためにデータ サイエンスが AI と ML を必要とする分子レベルも含まれます。 これにより、より優れた臨床試験、よりスマートな反応洞察、より迅速な新薬発見が実現します。

あなた自身、医療の利益のために AI を使用することに最初に興味を持ち始めたのはいつですか?

多くの業界における AI の普及は、人間が日常的に実行するタスクを自動化することが主な目的でした。 ヘルスケアにおいて、AI は、既存の人間の専門知識を置き換えるのではなく、強化または支援して、診断と治療に対する真に革新的なアプローチを提供するツールとなっています。 そして、データ量と複雑さが障壁であると同時にチャンスでもある医療画像処理ほどこれが明確な領域はありません。 今日、AI、特に推論は、人間が行うよりも迅速かつ詳細に膨大な情報のスキャンを実行できるため、これまで隠されていた洞察を明らかにするだけでなく、放射線科医の貴重な時間を最大限に活用して、より正確な情報を提供できるようになりました。診断結果をより良くし、より多くの患者に提供します。 たとえば、顧客の AI ソリューションは、肺虚脱 (気胸) や 新型コロナウイルスの存在を示す可能性のある X 線データを分析することで、放射線科医を支援します。 これは、医療画像そのものの有効性と人間の専門知識の適用方法の両方に革命をもたらした、真に注目に値する成果です。 この分野でそのような変化を目の当たりにすると、人間と機械が結合して部分の合計よりもはるかに大きな新しい全体を生み出す、他の健康科学や生命科学の分野での次の大きな飛躍を模索する動機が自然に生まれます。 それをさらに一歩進めて、AI がケア分野全体で知識を民主化し、希少な人間の専門知識や経験に基づくニュアンスをさらに高めて、質のレベルを高めることができるという考えです。

臨床現場でビッグデータを分析する上で AI はどの程度重要ですか?

健康およびライフサイエンス産業は、今日世界中の他のどの単一産業よりも複雑かつより多くのデータを生成します。 また、他の業界とは異なり、そのデータを効果的に管理および分析することは死活問題です。 このような規模を考慮すると、AI は現在、コストを削減しながら医療の質とアクセスを向上するという業界の XNUMX つの目標に対処するために、臨床現場と研究室の両方の現場で、日常的なニーズと画期的なニーズの両方を実現する不可欠な要素となっています。

たとえば、電子医療記録 (EHR) は、ケア提供の質と効率におけるデジタル革命を可能にしました。残念ながら、これらの記録には非構造化データと構造化データが乱雑に混在しており、AI を利用してより統合された有用なデータセットにデジタル化できます。光学式文字認識 (OCR) と自然言語処理 (NLP) は、手書きや音声のアナログを EHR データに変換できる AI 対応モデルの 2 つにすぎません。そして、デジタル化されれば、これらのデータセット全体に AI を適用して、多くのエキサイティングなユースケースを実現できます。

他の例では、医療機器やカメラから取得されたデータが増加しており、分析を患者履歴データと組み合わせることで、治療をさらに個別化するための新しい洞察を得ることができます。 国勢調査レベルでは、多くの病院が迅速な介入のために敗血症の発症を予測できるアルゴリズムをすでに導入しており、ICU ではソフトウェアが複数の隔離されたデバイスのデータを結合して、ほぼリアルタイムでその患者の驚くほど完全な画像を作成できます。 時間が経つにつれて、収集および保存されたすべてのデータを分析して、将来のより良い予測を行うこともできます。

このデータを分析する機械学習に関して注目すべきユースケースにはどのようなものがありますか?

前述したように、NLP ツールは、手動の筆記やデータ入力に代わって、患者訪問の概要や詳細な臨床メモなどの新しい文書を作成するのに役立ちます。 これにより、臨床医はより多くの患者を診察できるようになり、医療提供者はその日の中でより早くオーダーと文書を入力することで文書、ワークフロー、請求の正確性を向上させることができます。

より広範には、AI 対応の分析は、プロバイダーが効率を向上させ、コストを削減する幅広い臨床アプリケーションを理解し、管理するのに役立ちます。 これにより、病院はリソースをより適切に管理し、ベストプラクティスを微調整することができ、医療チームは診断で協力し、治療と全体的なケアを調整して患者の転帰を改善することができます。

臨床医は、適切な ML アプローチを使用して対象の異常を分析し、他の生データから構造化情報を除外できます。 これにより、より迅速かつ正確な診断と最適な治療が可能になります。 たとえば、ML アルゴリズムは、画像を機械可読テキストに変換することで、医療画像の診断システムを自動化された意思決定に変換できます。 ML およびパターン認識技術は、人間だけでは管理できない大量の臨床画像データから洞察を引き出し、患者の診断、治療、モニタリングを変革することもできます。

人口の健康状態を評価および管理するために、ML アルゴリズムは将来のリスクの軌道を予測し、リスク要因を特定し、最良の結果をもたらすソリューションを提供するのに役立ちます。 AI テクノロジーと統合された深層学習モジュールにより、研究者は複雑なゲノム データ セットを解釈し、（さまざまな大規模なデータ セットから得られた遺伝子発現プロファイルに基づいて）特定の種類のがんを予測し、複数の創薬可能な標的を特定することができます。

インテルがどのようにゲノミクス コミュニティと協力して、大規模なデータセットを生物医学的洞察に変換し、個別化されたケアを促進するかについて詳しく説明していただけますか?

精密医療は、疾患標的のより適切な選択と患者集団の特定を可能にする個人レベルの健康データソースを提供し、新しい予防および治療アプローチによる臨床転帰の改善を実証します。

ゲノミクスはこの精密医療の基礎です。 これは、私たちが誰であるか、そしてなぜ私たちがユニークなのか、またどのようにユニークなのかという青写真を提供します。これは、医療提供者がこの情報を他のデータ (画像、臨床化学、病歴、コホート データなど) と組み合わせる際に理解することが重要です。 臨床医はこの情報を使用して、リスクが低く、より効果的な患者固有の治療法を開発および提供します。

インテルは、業界で最も一般的に使用されている遺伝子解析ツールを最適化し、インテル アーキテクチャーベースのプラットフォームとそれらを駆動するプロセッサー全体で最適に動作するようにすることで、ゲノミクス コミュニティと協力しています。 たとえば、OpenVINO を使用して、業界をリードする Broad Institute の遺伝子変異ソフトウェアであるゲノム分析ツールキット (GATK) を Intel ハードウェア上で最適化し、AI モデル開発のデバッグとスケーラブルな展開を容易にすることは、この業界に対する当社の影響と取り組みを強調しています。 GATK ツールキットは、最大 200 GB のサイズのファイル (ゲノム データセットに一般的) を効率的に保存する Genomics DB や、特定のインテル アーキテクチャ ハードウェア命令を利用してゲノム ワークロードと AI の利用を加速する AVX512 を実行するゲノム カーネル ライブラリなどの生物医学研究にメリットをもたらします。

ゲノム解析の精度を維持しながらゲノム解析の速度を加速し、コストを削減することは、インテルのコンピューティング ソリューションを使用して新しい医学的洞察を発見、活用する生物医学およびその他の生命科学の研究者にとって引き続き魅力的です。

遠隔医療がなぜそれほど重要だと考えるのかについてお話しいただけますか?

医療業界は長年にわたり、さまざまな形や側面の遠隔ケアに取り組んできました。 その理由は、最近まで、リモートケアは多くのケア提供状況において従来のクリニックモデルと同等かそれ以上に優れているという直感的かつ希望的な信念でした。 現在、パンデミック危機とその影響により、世界中の医療提供システムは遠隔医療を導入するか、崩壊するかを余儀なくされています。 この突然の急いで実行に移されたことで、長年信じられてきたことが真実であり、距離を置いたケアが極めて重要かつ実行可能であることが証明されつつあります。

遠隔診療には多くのメリットがあります。 遠隔医療の提供に対する患者の快適さと満足度は急速に高まっています。 彼らは、混乱や時間/スケジュールへの影響が少なくなり、自宅でより落ち着いて安心して過ごすことができます。 医療提供者は、より多くの患者を診察できるようになり、自分の時間をより適切に管理し、恐怖症の臨床リソースをより適切に割り当てることができるため、これを気に入っています。 そしてもちろん、ここ数か月間、誰にとっても最も明白で説得力のある理由となったのは、感染を制限する遠隔ケアの固有の能力と、拡張デバイスとコンピューティングテレメトリーを使用したビデオチャットが最も多くの効果を得ることができるときに対面での接触の必要性であるということです。ケア提供業務も同様に完了します。

現在遠隔患者モニタリングに使用されているテクノロジーについていくつかお話しいただけますか?

重要なテクノロジー要素がいくつかあります。 最も重要なのは患者にとっての使いやすさであり、すぐにデータのセキュリティとプライバシー、アプリケーションとそれが取得するデータの堅牢性が続きます。 たとえば、ユーザーが誤って iPad から監視アプリを削除してしまうことを防ぐ必要があります。

複数の患者に展開する医療提供者にとってのもう XNUMX つの重要な側面は、フリート管理と、各ユーザーまたはユーザー コホートに合わせてアップデートや技術サポートをネットワークに送信する機能です。 これには以下が必要です。

• FHIR や Continua などの業界標準によるデータ交換とプライバシーの標準化。
• データを調整し、適切なソフトウェアと暗号化を含めて臨床医に送り返すための安全で電力効率の高いコンピューティング プラットフォーム。
• 携帯電話ネットワークを介した接続により、ユーザー デバイスがスタンドアロンになり、信頼性が低い、あるいは存在しない可能性がある自宅の Wi-Fi に依存しなくなります。
• クラウド ストレージとバックエンドの分析。

さらに、ユーザーから流入するデータを収集および集約する機能は、臨床医が患者のモニタリングとサポートを行えるようにするため、またソフトウェアと分析が医療チームに名目上の状態を通知したり、結果が異常である場合にアラーム通知を開始したりできるようにするための基礎となります。許容範囲外。

私たちは、AI が患者モニタリングにおいて今後さらに大きな役割を果たし、自然音声アンケート (「今日の気分はどうですか?」、「血圧が少し高いようです」) を通じて患者エクスペリエンスを向上させ、ケアチームのより良いサービスを提供できると信じています。患者の健康状態を理解し、適切な治療法を特定します。 AI モデルの使用により、すべての患者データがこれまで以上に大規模なデータセットに折りたたまれ、反復学習モデルの精度が向上することで、集団の健康管理も進歩します。 これは大規模なリモート監視には不可欠です。

遠隔医療の成功率を高めるために克服する必要がある問題は何ですか?

従来のケア提供の現在のシステムを悩ませている同じ問題の多くは、遠隔ケアの成功を促進または阻害する要因でもあります。 これらには、医療を取り巻く社会のサブセグメントの信念や偏見、あるいは保険、技術の流暢さ、必要なデバイス、接続性の欠如から生じる社会経済的障壁が含まれます。 データサイロは、特に学習プログラムを活用する能力が本格的に現れ始めている現在、大規模な共有データセットが生み出す可能性のある価値の最大化を妨げています。

ただし、リモートケアに特有の課題もあります。

• 政策と支払いの問題は、最近はかなり改善されているものの、遠隔診療のモダリティを介して許容されるものと払い戻されるものの制限を緩和して拡大する前向きな勢いを継続しなければなりません。
• 財務上の課題があり、医療分野のテクノロジーに投資する資本が不足しているため、CapEx モデルから OpEx モデルへの変換が必要です。 プロバイダーは、設備や設備投資に投資するのではなく、「従量課金制」モデルに移行し、多くの固定インフラストラクチャの必要性を回避し、電話サービスと同様に、使用した分 (またはデータ) に対して料金を支払うことができます。
• 患者と医療提供者の両方にとってのユーザー エクスペリエンスは向上し続けなければならず、最終的にはテクノロジーが背景に消え、機能が直感的でシームレスになり、プロセスが同等以上の成果とコスト構造をもたらす魅力的なものになるまで改善し続ける必要があります。

最終的に、私たちはテクノロジーがケアの提供を邪魔するのではなく、サポートするものになることを望んでいます。 私たちが成功すれば（そして成功し続けると私たちは信じています）、そのテクノロジーは真に遠隔ケア提供の明日のより良いモデルへの橋渡しを可能にし、標準的なケア提供として遠隔ケアを正常化する最良のケースとなるでしょう。 。

素晴らしいインタビューをありがとう。インテルの健康への取り組みについてさらに学ぶことができて楽しかったです。 さらに詳しく知りたい読者はこちらをご覧ください インテルのグローバル ヘルス & ライフ サイエンス ビジネス。