Dave Ryan, Manager General, Afaceri de Sănătate și Științe ale Vieții la Intel – Seria de Interviuri

Dave Ryan conduce unitatea de afaceri Global Health & Life Sciences de la Intel (INTC ), care se axează pe transformarea digitală de la margine la cloud pentru a face realitate îngrijirea bazată pe valoare și precizie. Clienții săi sunt producătorii care construiesc instrumente pentru științele vieții, echipamente medicale, sisteme clinice, computere și dispozitive utilizate de centre de cercetare, spitale, clinici, unități de îngrijire rezidențială și acasă. Dave a făcut parte din consiliile de administrație ale Consumer Technology Association Health & Fitness Division, HIMSS’ Personal Connected Health Alliance, Global Coalition on Aging și Alliance for Connected Care.  

Ce este Afacerile de Sănătate și Științe ale Vieții ale Intel?

Afacerile de Sănătate și Științe ale Vieții ale Intel ajută clienții să creeze soluții în domeniile imagisticii medicale, sistemelor clinice și laboratoarelor de științe ale vieții, permițând îngrijirea distribuită, inteligentă și personalizată.

Afacerile de Sănătate ale Intel se axează pe sănătatea populației, imagistica medicală, sistemele clinice și infrastructura digitală.

• Sănătatea populației examinează datele diverse ale pacienților pentru a oferi furnizorilor de îngrijire informații despre riscuri și tratamente îmbunătățite pentru cohorte. Optimizarea și ajustarea ML și AI ajută la “ierarhizarea” grupurilor, astfel încât plătitorii și furnizorii să prioritizeze pacienții cu risc maxim.
• Imagistica medicală (de exemplu, RMN, CT) generează seturi de date enorme care necesită evaluări precise și fără erori. HPC și AI ajută la scanarea mai rapidă a datelor de imagine și la identificarea factorilor critici pentru a asista radiologii în diagnostic.
• Sistemele clinice utilizează viziunea computerizată, AI, HPC și calculul de margine pentru monitorizarea pacienților, chirurgia robotică și teleasistență și multe altele. Aceste sisteme inteligente reconciliază datele diverse din surse pentru a oferi o vedere completă a pacientului și un diagnostic mai bun, cu flexibilitate și scalabilitate pentru a susține nevoile organizaționale în schimbare.
• Infrastructura digitală integrează multe tehnologii pentru a permite abordări noi de interacțiune cu pacienții, inclusiv îngrijirea de oriunde și oricând, unde clinicienii colaborează în spațiu și timp pentru managementul condițiilor, chirurgie și analize.

Afacerile de Laborator și Științe ale Vieții ale Intel se axează pe trei domenii principale: Analiza datelor, “Omics” și Farmacologie.

• Analiza datelor utilizează AI pentru a declanșa o cascadă de descoperiri și informații care ajută la îngrijirea personalizată, asigurând că pacienții primesc medicamentele cele mai eficiente pentru ei și reducând astfel riscul de efecte secundare.
• “Omics” descrie și cantifică grupurile de molecule biologice, utilizând bioinformatica și biologia computațională. Seturile de date masive implicate aici necesită procesare de înaltă performanță pentru a obține rezultate în timp util. Cu această performanță și noile baze de date, kituri de instrumente, biblioteci și optimizări de cod, instituțiile de “Omics” pot reduce timpul de obținere a rezultatelor și costurile de dezvoltare.
• Farmacologia este studiul medicamentelor și al modului în care interacționează cu sistemele biologice umane, inclusiv la nivel molecular, unde știința datelor necesită AI și ML pentru a ajuta la generarea de conducere și optimizare, identificarea țintelor și cercetarea preclinică. Acest lucru duce la încercări clinice mai bune, insight-uri mai inteligente și descoperirea de medicamente noi mai rapidă.

Când ați devenit personal interesat de utilizarea AI în beneficiul sănătății?

Procesul de extindere a AI în multe industrii a fost, în mare măsură, despre automatizarea sarcinilor efectuate în mod regulat de oameni. În sănătate, AI a devenit un instrument prin care putem sprijini sau asista, nu înlocui, expertiza umană existentă pentru a oferi abordări cu adevărat transformatoare pentru diagnostic și tratament. Și nu există un loc în care acest lucru să fie mai evident decât în imagistica medicală, unde volumul și complexitatea datelor sunt atât o barieră, cât și o oportunitate. Astăzi, AI și, în special, inferența poate efectua scanări mai rapide și mai detaliate ale unor seturi uriașe de informații decât orice om și, prin urmare, nu numai revelează insight-uri anterior ascunse, dar maximizează și timpul valoros al radiologului pentru a ajunge la un diagnostic mai bun și pentru mai mulți pacienți. De exemplu, soluțiile AI ale clienților noștri ajută radiologii prin analiza datelor din radiografii care pot indica prezența unui plămân prăbușit (pneumotorax) sau COVID. Acesta este un realizare cu adevărat remarcabilă care revoluționează eficacitatea atât a imagisticii medicale în sine, cât și a modului în care se aplică expertiza umană. A fi martor la acest tip de transformare într-un singur domeniu ne motivează în mod natural să căutăm următorul salt uriaș în alte domenii de sănătate și științe ale vieții, unde omul și mașina se combină pentru a produce un întreg nou, mult mai mare decât suma părților. Dând un pas mai departe, ideea este că AI poate democratiza cunoașterea în domeniile de îngrijire și poate face ca expertiza umană și nuanța bazată pe experiență să meargă și mai departe, ridicând nivelul de calitate.

Cât de important este AI în analiza datelor mari într-un mediu clinic?

Industriile de sănătate și științe ale vieții generează mai multe date cu o complexitate mai mare decât orice altă industrie din lume astăzi. Și, spre deosebire de alte industrii, gestionarea și analiza eficientă a acestor date este o chestiune de viață și de moarte. Având în vedere aceste magnitudini, AI este acum un factor indispensabil pentru o serie de nevoi, atât banale, cât și inovatoare, atât în mediul clinic, cât și în laborator, pentru a aborda Triple Aim al industriei: Îmbunătățiți calitatea îngrijirii și accesul, în timp ce reduceți costurile.

De exemplu, registrele electronice de sănătate (EHR) au permis o revoluție digitală în calitatea și eficiența furnizării de îngrijire. Din nefericire, în aceste înregistrări există un amestec de date structurate și nestructurate, pe care AI le poate ajuta să devină seturi de date mai unificate și mai utile. Recunoașterea optică a caracterelor (OCR) și procesarea limbajului natural (NLP) sunt doar două modele AI care pot converti analogii scrierii de mână și vocale în date EHR. Și odată digitizate, AI poate fi aplicat pe aceste seturi de date în multe cazuri de utilizare interesante.

În alte cazuri, datele capturate de la dispozitive medicale și camere sunt în creștere, iar atunci când sunt combinate cu datele de istoric ale pacientului, analizele pot ajuta la obținerea de insight-uri noi pentru a personaliza tratamentul. La nivelul recensământului, multe spitale au already implementat algoritmi care pot prezice debutul sepsisului pentru o intervenție mai rapidă, iar în unitățile de îngrijire intensivă, software-ul poate combina date din dispozitive izolate pentru a crea o imagine completă a pacientului în timp real. În timp, toate aceste date capturate și stocate pot fi, de asemenea, analizate pentru a face previziuni mai bune în viitor.

Care sunt unele dintre cele mai notabile cazuri de utilizare pe care le vedeți pentru analiza datelor cu machine learning?

După cum s-a menționat anterior, instrumentele NLP pot ajuta la înlocuirea scrierii manuale sau introducerii datelor pentru a genera documente noi, cum ar fi rezumatele vizitelor pacienților și notele clinice detaliate. Acest lucru permite clinicienilor să vadă mai mulți pacienți, iar furnizorilor să îmbunătățească documentația, fluxul de lucru și acuratețea facturării prin introducerea comenzilor și documentației mai devreme în zi.

Mai larg, analizele bazate pe AI ajută furnizorii să înțeleagă și să gestioneze o gamă largă de aplicații clinice care îmbunătățesc eficiența și reduc costurile. Acest lucru permite spitalelor să gestioneze mai bine resursele și să optimizeze cele mai bune practici, iar echipele de îngrijire să colaboreze la diagnostic și coordoneze tratamentele și îngrijirea pe care o oferă pacienților pentru a îmbunătăți rezultatele.

Clinicienii pot analiza anomaliile țintite utilizând abordări ML adecvate și pot filtra informațiile structurate din alte date brute. Acest lucru poate duce la diagnosticări mai rapide și mai precise și tratamente optime. De exemplu, algoritmii ML pot converti sistemul de diagnostic al imaginilor medicale în luarea deciziilor automate prin convertirea imaginilor în text citibil de mașină. Tehnicile de recunoaștere a modelelor și ML pot, de asemenea, extrage insight-uri din volume masive de date de imagini clinice, imposibil de gestionat de un om singur, pentru a transforma diagnosticul, tratamentul și monitorizarea pacienților.

Pentru a evalua și gestiona sănătatea populației, algoritmii ML pot ajuta la prezicerea traiectoriilor de risc viitoare, la identificarea factorilor de risc și la oferirea de soluții pentru cele mai bune rezultate. Modulele de învățare profundă integrate cu tehnologii AI permit cercetătorilor să interpreteze seturi de date genetice complexe, să prezică tipuri specifice de cancer (pe baza profilurilor de expresie genică obținute din diverse seturi de date mari) și să identifice multiple ținte medicamentoase.

Puteți elabora cum Intel colaborează cu comunitatea de genomică pentru a transforma seturi de date mari în insight-uri biomedicale care accelerează îngrijirea personalizată?

Medicina de precizie oferă surse de date de sănătate la nivel individual care permit o selecție mai bună a țintelor de boală și identificarea populațiilor de pacienți care demonstrează rezultate clinice îmbunătățite pentru abordări preventive și terapeutice noi.

Genomica este piatra de temelie a medicinei de precizie. Ea oferă planul de ansamblu al ceea ce suntem, și de ce și cum suntem unici, ceea ce este critic pentru furnizorii de îngrijire să înțeleagă atunci când combină aceste informații cu alte date (imagini, chimie clinică, istoric medical, date de cohortă, etc.). Clinicienii utilizează aceste informații pentru a dezvolta și a oferi tratamente personalizate pentru pacienți, care sunt mai puțin riscante și mai eficiente.

Intel colaborează cu comunitatea de genomică prin optimizarea celor mai utilizate instrumente de analiză genetică din industrie pentru a rula pe platforme și procesoare bazate pe arhitectura Intel. De exemplu, optimizarea software-ului de variantă genetică al Institutului Broad, Genomic Analysis Toolkit (GATK), pe hardware Intel, utilizând OpenVINO pentru a ușura dezvoltarea și implementarea modelului AI, subliniază impactul și angajamentul nostru față de această industrie. Kitul de instrumente GATK oferă beneficii pentru cercetarea biomedicală, cum ar fi Genomics DB, care stochează fișiere de aproximativ 200 GB în dimensiune (tipic pentru seturi de date genetice) și Biblioteca de kernel genomică care rulează AVX512, care profită de instrucțiunile specifice de hardware ale arhitecturii Intel pentru a accelera sarcinile de genomică și utilizarea AI.

Accelerarea vitezei și reducerea costului analizei genetice, în timp ce se menține acuratețea acestei analize, rămâne o chestiune convingătoare pentru cercetătorii biomedicali și din alte științe ale vieții, care utilizează soluții de calcul Intel pentru a descoperi și a valorifica insight-uri medicale noi.

Puteți discuta de ce credeți că îngrijirea la distanță este atât de importantă?

Industria sănătății a lucrat de-a lungul anilor la diverse forme și aspecte ale îngrijirii la distanță. Motivele pentru aceasta au fost, până de curând, o credință intuitivă și speranță că îngrijirea la distanță poate fi, pentru multe situații de furnizare a îngrijirii, la fel de bună sau chiar mai bună decât modelele tradiționale de îngrijire în clinică. Acum, însă, criza pandemică și impactul său asupra sistemelor de sănătate de pe tot globul au forțat adoptarea teleasistenței sau, altfel, prăbușirea. Acest val brusc de implementare demonstrează acum că aceste credințe de lungă durată sunt adevărate și că îngrijirea la distanță este atât vitală, cât și extrem de viabilă.

Îngrijirea la distanță are multe beneficii. Confortul și satisfacția pacienților cu îngrijirea prin teleasistență sunt în creștere rapidă. Ei pot rămâne mai calmi și mai liniștiți acasă, cu mai puține perturbări și impact asupra programului. Furnizorii o apreciază pentru că le permite să vadă mai mulți pacienți și să gestioneze mai bine timpul și resursele clinice limitate. Și, desigur, ceea ce a devenit cel mai clar și mai convingător motiv în ultimele luni pentru toată lumea este capacitatea îngrijirii la distanță de a limita contagierea și nevoia de contact fizic atunci când o discuție video cu telemetrie și dispozitive poate face majoritatea sarcinilor de îngrijire la fel de bine.

Puteți discuta despre unele dintre tehnologiile utilizate în prezent pentru monitorizarea pacienților la distanță?

Există mai multe elemente tehnologice critice. Cel mai important este ușurința în utilizare pentru pacient, urmată rapid de securitatea și confidențialitatea datelor, și robustețea aplicației și a datelor pe care le capturează. De exemplu, trebuie să prevenim ca un utilizator să șteargă accidental o aplicație de monitorizare de pe iPad-ul său.

Un alt aspect critic pentru un furnizor de îngrijire care implementează pentru mai mulți pacienți este gestionarea flotei și capacitatea de a trimite actualizări sau suport tehnic prin cablu și adaptate pentru fiecare utilizator sau grup de utilizatori. Acest lucru necesită:

• standardizarea schimbului de date și confidențialitatea cu standardele industriale, cum ar fi FHIR și Continua;
• o platformă de calcul securizată și eficientă din punct de vedere energetic pentru a orchestra datele și a le comunica înapoi clinicianului, inclusiv software-ul și criptarea adecvată;
• conectivitate prin rețea celulară pentru a face dispozitivele utilizatorilor autonome și nedependente de Wi-Fi-ul de acasă, care poate fi nefiabil sau chiar inexistent;
• stocare în cloud și analize la nivelul din spate.

În plus, capacitatea de a colecta și agregate datele care curg de la utilizatori este fundamentală pentru a permite clinicienilor să efectueze monitorizarea pacienților și suportul și pentru ca software-ul și analizele să informeze echipele de îngrijire despre o stare nominală sau să inițieze o notificare de alarmă pentru rezultate care sunt în afara toleranței.

Credem că AI va juca un rol mult mai important în monitorizarea pacienților în viitor, îmbunătățind experiența pacientului prin sondaje vocale naturale (“Cum vă simțiți astăzi?”, “Presiunea dvs. arterială pare a fi ceva mai ridicată”) și permițând echipelor de îngrijire să înțeleagă mai bine sănătatea pacientului și să identifice tratamente adecvate. Prin utilizarea modelelor AI, gestionarea sănătății populației va progresa, de asemenea, cu toate datele pacientului care se încadrează în seturi de date din ce în ce mai mari, care îmbunătățesc acuratețea unui model de învățare iterativ. Acest lucru este esențial pentru monitorizarea la distanță la scară largă.

Care sunt unele dintre problemele care trebuie depășite pentru a crește rata de succes a îngrijirii la distanță?

Multe dintre aceleași probleme care afectează sistemul nostru actual de furnizare a îngrijirii tradiționale sunt, de asemenea, factori care pot îmbunătăți sau inhiba succesul îngrijirii la distanță. Acestea includ credințele și stigmele societale despre sănătate, sau barierele socio-economice care decurg din lipsa asigurării, a fluenței tehnologice, a dispozitivelor necesare și a conectivității. Silozii de date împiedică maximizarea valorii pe care seturile de date mai mari ar putea-o produce, mai ales acum, când capacitatea noastră de a valorifica programele de învățare este cu adevărat în curs de dezvoltare.

Dar există și provocări care sunt unice pentru îngrijirea la distanță:

• problemele de politică și plată, deși mult îmbunătățite în ultimul timp, trebuie să continue impulsul lor pozitiv pentru a se extinde cu restricții relaxate asupra a ceea ce este permis și rambursabil prin modalitatea de îngrijire la distanță;
• provocările financiare și lipsa de capital pentru a investi în tehnologie în sănătate necesită o conversie de la un model de cheltuieli de capital la un model de cheltuieli operaționale. Furnizorii pot trece de la investiții în facilități și echipamente de capital la un model “plătești pe măsură ce folosești”, renunțând la nevoia de infrastructură fixă și plătind doar pentru “minutele” (sau datele) utilizate;
• experiența utilizatorului, atât pentru pacient, cât și pentru furnizor, trebuie să continue să se îmbunătățească, în cele din urmă, până la punctul în care tehnologia dispare în fundal, iar capacitățile sunt intuitive și fluide, iar procesul este convingător, cu rezultate și structuri de cost echivalente sau mai bune.

În cele din urmă, dorim ca tehnologia să sprijine furnizarea de îngrijire, nu să se pună în calea ei. Dacă suntem de succes (și credem că suntem și vom continua să fim), atunci tehnologia va permite, într-adevăr, o punte către un model mai bun de furnizare a îngrijirii la distanță, făcând cel mai bun caz pentru normalizarea îngrijirii la distanță ca standard de furnizare a îngrijirii.

Mulțumim pentru acest interviu fantastic, am învățat multe despre eforturile Intel în domeniul sănătății. Citiitorii care doresc să afle mai multe despre Intel ar trebui să viziteze Afacerile Globale de Sănătate și Științe ale Vieții ale Intel.