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

Dave Ryan conduce unitatea globală de afaceri Sănătate și Științe ale Vieții de la Intel, care se axează pe transformarea digitală de la margine la cloud, pentru a face ca îngrijirea personalizată și bazată pe valoare să devină o realitate. Clienții săi sunt producătorii care construiesc instrumente pentru științe ale vieții, echipamente medicale, sisteme clinice, computere și dispozitive utilizate de centre de cercetare, spitale, clinici, unități de îngrijire rezidențială și la domiciliu. 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 afacerea Intel de Sănătate și Științe ale Vieții?

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

Afacerea de Sănătate a 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 riscurile pentru problemele medicale și tratamentele îmbunătățite la nivel de cohorță. 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 uriașe care necesită evaluări precise, fără spațiu pentru 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 imagine completă a pacientului și pentru a îmbunătăți diagnosticul, 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 în orice moment și în orice loc, unde clinicienii colaborează în spațiu și timp pentru managementul afecțiunilor, chirurgie și analize.

Afacerea de Laborator și Științe ale Vieții a Intel se axează pe trei domenii principale: Analiza datelor, ‘Omics și Farmacie.

• Analiza datelor utilizează AI pentru a declanșa o cascadă de descoperiri și informații care ajută la facilitarea medicinei personalizate, asigurând că pacienții primesc medicamentele care sunt cele mai eficiente pentru ei și reducând astfel riscul de efecte secundare.
• ‘Omics descrie și cuantifică grupurile de molecule biologice, utilizând bioinformatică și biologie 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, biblioteci și optimizări de cod, instituțiile ‘Omics pot reduce timpul de obținere a rezultatelor și costurile de dezvoltare.
• Farmacia este studiul medicamentelor și al modului în care acestea interacționează cu sistemele biologice umane, inclusiv la nivel molecular, unde știința datelor necesită AI și ML pentru a ajuta la generarea de noi medicamente și optimizarea cercetărilor preclinice. Acest lucru conduce la teste clinice mai bune, insight-uri mai bune și descoperirea de noi medicamente mai rapidă.

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

Procesul de extindere a IA în multe industrii a fost, în mare măsură, despre automatizarea sarcinilor care sunt efectuate în mod obișnuit de oameni. În sănătate, IA 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, în care volumul și complexitatea datelor sunt atât o barieră, cât și o oportunitate. Astăzi, IA, 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 că dezvăluie 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 de IA ale clienților noștri ajută radiologii prin analizarea datelor din radiografii care pot indica prezența unui pneumotorax sau a COVID-19. Acesta este un realizare cu adevărat remarcabilă care revoluționează eficacitatea atât a imagisticii medicale în sine, cât și a modului în care expertiza umană este aplicată. A fi martor la acest tip de transformare într-un singur domeniu mă motivează în mod natural să caut următorul salt mare în alte domenii de sănătate și științe ale vieții, în care omul și mașina se combină pentru a produce un nou întreg, mult mai mare decât suma părților. Luând acest lucru un pas mai departe este ideea că IA poate democratiza cunoștințele în diferite domenii de îngrijire și poate face ca expertiza umană să meargă mai departe, ridicând nivelul de calitate.

Cât de importantă este IA pentru analizarea datelor mari într-un mediu clinic?

Industriile 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, IA este acum un factor indispensabil pentru o serie de nevoi, atât obișnuite, cât și inovatoare, în ambele medii clinice și de laborator, pentru a aborda Triple Aim al industriei: Îmbunătățiți calitatea îngrijirii și accesul, în timp ce reduceți costurile.

De exemplu, înregistrările electronice ale sănătății (EHR) au permis o revoluție digitală în calitatea și eficiența livrării îngrijirii. Din nefericire, în cadrul acestor înregistrări există un amestec de date structurate și nestructurate, pe care IA le poate ajuta să digitalizeze în seturi de date mai unificate și mai utile. Recunoașterea optică a caracterelor (OCR) și procesarea limbajului natural (NLP) sunt doar două modele activate de IA care pot converti analogii scrierii de mână și vocale în date EHR. Și odată digitalizate, IA poate fi aplicată 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 istorice ale pacientului, analizele pot ajuta la obținerea de insight-uri noi pentru a personaliza și mai mult tratamentul. La nivel de recensământ, multe spitale au already implementat algoritmi care pot prezice debutul sepsisului pentru o intervenție mai rapidă, iar în unitățile de terapie intensivă, software-ul poate combina date de la multiple dispozitive izolate pentru a crea o imagine impresionant de completă a pacientului în timp real. Pe termen lung, toate aceste date capturate și stocate pot fi analizate pentru a face previziuni mai bune în viitor.

Ce sunt unele dintre cazurile de utilizare mai notabile pe care le vedem pentru analiza datelor cu ajutorul învățării automate?

Așa cum am menționat anterior, instrumentele NLP pot ajuta la înlocuirea scrierii manuale sau a 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 și furnizorilor să îmbunătățească documentația, fluxul de lucru și acuratețea facturării, introducând comenzile și documentația mai devreme în zi.

Mai amplu, analizele activate de IA 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 să coordoneze tratamentele și îngrijirea generală pe care o oferă pacienților.

Clinicienii pot analiza pentru anomalii țintite, utilizând abordări ML adecvate și pot filtra informațiile structurate din alte date brute. Acest lucru poate duce la un diagnostic și un tratament mai rapid și mai precis. De exemplu, algoritmii ML pot converti sistemul de diagnostic al imaginilor medicale în procese de luare a deciziilor automate, prin convertirea imaginilor în text care poate fi citit de mașini. Tehnicile ML și de recunoaștere a modelelor pot, de asemenea, să ofere insight-uri din volume masive de date de imagini clinice, care nu pot fi gestionate 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 genomice complexe, să prezică anumite tipuri de cancer (pe baza profilurilor de expresie genică obținute din diverse seturi de date mari) și să identifice multiple ținte pentru medicamente.

Ne 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 personalizată 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 la abordări preventive și terapeutice noi.

Genomica este piatra de temelie a medicinei personalizate. Ea oferă planul de qui suntem și de ce și cum suntem unici, ceea ce este esențial pentru furnizorii de îngrijire care combină aceste informații cu alte date (imagini, chimie clinică, istoric medical, date de cohorță, etc.). Clinicienii utilizează aceste informații pentru a dezvolta și a livra tratamente personalizate care sunt mai puțin riscante și mai eficiente.

Intel colaborează cu comunitatea de genomică, optimizând cele mai utilizate instrumente de analiză genetică din industrie pentru a rula cel mai bine pe platformele și procesoarele 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, depanarea și implementarea modelului de IA, 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 (tipice pentru seturile de date genomice) și Biblioteca Kernel Genome, care rulează AVX512, care profită de instrucțiunile specifice de hardware ale arhitecturii Intel pentru a accelera sarcinile genomice și utilizarea IA.

Accelerarea vitezei și reducerea costului analizei genomice, în timp ce se menține acuratețea analizei, rămân importante pentru cercetătorii biomedicali și din alte științe ale vieții, care utilizează soluțiile de calcul Intel pentru a descoperi și a valorifica noi insight-uri medicale.

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

Industria sănătății a lucrat la diverse forme și aspecte ale îngrijirii la distanță de mulți ani. Motivele pentru aceasta au fost, până de curând, o credință intuitivă și speranță că îngrijirea la distanță poate fi, pentru multe situații de livrare a îngrijirii, la fel de bună ca sau mai bună decât modelele tradiționale de îngrijire în clinică. Acum, împins de criza pandemică și impactul său, sistemele de livrare a îngrijirii sănătății din întreaga lume sunt forțate să adopte teleasistența sau să colapseze. 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 viabilă.

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

Ne puteți discuta despre unele dintre tehnologiile care sunt în prezent utilizate pentru monitorizarea pacienților la distanță?

Există mai multe elemente tehnologice critice. Cel mai important este ușurința în utilizare pentru pacient, urmat 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 pe scară largă pentru mai mulți pacienți este gestionarea flotei și capacitatea de a trimite actualizări sau suport tehnic prin cablu și adaptate pentru fiecare utilizator sau cohortă de utilizatori. Acest lucru necesită:

• standardizarea schimbului de date și a confidențialității cu standardele industriei, 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 rețeaua celulară pentru a face dispozitivele utilizatorilor autonome și nu dependente de Wi-Fi la domiciliu, care poate fi nefiabil sau chiar inexistent;
• stocare în cloud și analize la nivelul back-end.

În plus, capacitatea de a colecta și agrega 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 normală sau să inițieze o notificare de alarmă pentru rezultate care sunt în afara toleranței.

Credem că IA va juca un rol mult mai mare în monitorizarea pacienților în viitor, îmbunătățind experiența pacientului prin chestionare vocale naturale (“Cum vă simțiți astăzi?”, “Presiunea dvs. arterială pare a fi un pic ridicată”) și permițând echipelor de îngrijire să înțeleagă mai bine starea de sănătate a unui pacient și să identifice tratamentele adecvate. Prin utilizarea modelelor de IA, gestionarea sănătății populației va progresa, 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.

Ce 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 livrare a îngrijirii tradiționale sunt, de asemenea, factori care îmbunătățesc sau inhibă succesul îngrijirii la distanță. Acestea includ credințele și stigmele societale cu privire la 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 să o producă, 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 (CapEx) la un model de cheltuieli operaționale (OpEx). 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, ca în cazul serviciului de telefonie, plătind 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 fără efort, iar procesul este convingător, cu rezultate și structuri de cost echivalente sau mai bune.

În cele din urmă, dorim ca tehnologia să susțină furnizarea de îngrijire, nu să stea 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 modelul de îngrijire la distanță de mâine, făcând cel mai bun caz pentru normalizarea îngrijirii la distanță ca standard de livrare a îngrijirii.

Mulțumim pentru acest interviu fantastic, am apreciat să aflu mai multe despre eforturile Intel în domeniul sănătății. Citiitorii care doresc să afle mai multe ar trebui să viziteze afacerea globală de Sănătate și Științe ale Vieții a Intel.