Dave Ryan ผู้จัดการทั่วไป ธุรกิจสุขภาพและวิทยาศาสตร์ชีวภาพของ Intel – ซีรี่ส์สัมภาษณ์

เดฟ ไรอันเป็นผู้นำ ธุรกิจด้านสุขภาพและวิทยาศาสตร์สิ่งมีชีวิตระดับโลก หน่วยที่ Intel มุ่งเน้นไปที่การเปลี่ยนแปลงทางดิจิทัลจาก edge-to-cloud เพื่อให้การดูแลที่แม่นยำและคุ้มค่าเป็นจริง ของเขา ลูกค้าคือผู้ผลิตที่สร้างเครื่องมือด้านชีววิทยาศาสตร์ อุปกรณ์ทางการแพทย์ ระบบทางคลินิก เครื่องใช้คอมพิวเตอร์ และอุปกรณ์ที่ใช้โดยศูนย์วิจัย โรงพยาบาล คลินิก สถานพยาบาลในที่พักอาศัย และที่บ้าน Dave ดำรงตำแหน่งคณะกรรมการของ Consumer Technology Association Health & Fitness Division, Personal Connected Health Alliance ของ HIMSS, Global Coalition on Aging และ Alliance for Connected Care  

ธุรกิจด้านสุขภาพและวิทยาศาสตร์เพื่อชีวิตของ Intel คืออะไร

ธุรกิจด้านสุขภาพและวิทยาศาสตร์ชีวภาพของ Intel ช่วยให้ลูกค้าสร้างโซลูชันในด้านการสร้างภาพทางการแพทย์ ระบบทางคลินิก และห้องปฏิบัติการและวิทยาศาสตร์เพื่อชีวิต ทำให้เกิดการดูแลแบบกระจาย อัจฉริยะ และเป็นส่วนตัว

ธุรกิจด้านสุขภาพของ Intel มุ่งเน้นไปที่สุขภาพของประชากร ภาพทางการแพทย์ ระบบทางคลินิก และโครงสร้างพื้นฐานดิจิทัล

• สุขภาพของประชากรจะตรวจสอบข้อมูลผู้ป่วยที่หลากหลายเพื่อให้ข้อมูลเชิงลึกแก่ผู้ให้บริการเกี่ยวกับความเสี่ยงสำหรับปัญหาทางการแพทย์และการรักษาที่ดีขึ้นในกลุ่มต่างๆ ML และ AI ที่ได้รับการปรับปรุงและปรับแต่งแล้วจะช่วยจัดกลุ่ม "ระดับ" ดังนั้นผู้จ่ายเงินและผู้ให้บริการจึงจัดลำดับความสำคัญของผู้ป่วยที่มีความเสี่ยงมากที่สุด
• การถ่ายภาพทางการแพทย์ (เช่น MRI, CT) สร้างชุดข้อมูลมหาศาลที่ต้องการการประเมินที่แม่นยำโดยไม่มีข้อผิดพลาด HPC และ AI ช่วยให้สแกนข้อมูลภาพได้เร็วขึ้นและระบุปัจจัยสำคัญเพื่อช่วยรังสีแพทย์ในการวินิจฉัย
• Clinical Systems ใช้คอมพิวเตอร์วิทัศน์, AI, HPC และการประมวลผลแบบ Edge สำหรับการตรวจสอบผู้ป่วย การผ่าตัดด้วยหุ่นยนต์ และการดูแลสุขภาพทางไกล และอื่นๆ อีกมากมาย ระบบอัจฉริยะเหล่านี้ประสานข้อมูลแหล่งที่มาที่หลากหลายเพื่อการดูผู้ป่วยที่สมบูรณ์และการวินิจฉัยที่ดีขึ้น พร้อมความยืดหยุ่นและความสามารถในการปรับขนาดเพื่อรองรับความต้องการขององค์กรที่เปลี่ยนแปลงไป
• โครงสร้างพื้นฐานดิจิทัลผสานรวมเทคโนโลยีมากมายเพื่อเปิดใช้งานแนวทางใหม่ในการโต้ตอบกับผู้ป่วย รวมถึงการดูแลทุกที่ทุกเวลาที่แพทย์ทำงานร่วมกันในพื้นที่และเวลาสำหรับการจัดการสภาพ การผ่าตัด และการวิเคราะห์

ธุรกิจแล็บและชีววิทยาศาสตร์ของ Intel มุ่งเน้นไปที่ 3 ด้านหลัก ได้แก่ Data Analytics, 'Omics และ Pharma

• การวิเคราะห์ข้อมูลใช้ AI เพื่อขับเคลื่อนการค้นพบและข้อมูลเชิงลึกที่ช่วยเปิดใช้งาน เหนือสิ่งอื่นใด การแพทย์ที่แม่นยำ โดยการทำให้แน่ใจว่าผู้ป่วยได้รับยาที่มีประสิทธิภาพสูงสุดสำหรับพวกเขา และเพื่อลดความเสี่ยงของโปรไฟล์ผลข้างเคียง
• 'omics อธิบายและวัดปริมาณกลุ่มโมเลกุลทางชีววิทยาโดยใช้ชีวสารสนเทศและชีววิทยาเชิงคำนวณ ชุดข้อมูลขนาดใหญ่ที่เกี่ยวข้องในที่นี้ต้องการการประมวลผลปริมาณงานสูงเพื่อรับผลลัพธ์ภายในกรอบเวลาที่สมเหตุสมผล ด้วยทรูพุตและฐานข้อมูลใหม่ ชุดเครื่องมือ ไลบรารี และการเพิ่มประสิทธิภาพโค้ด 'สถาบัน omics สามารถลดเวลาในการสร้างผลลัพธ์และต้นทุนการพัฒนา
• Pharma คือการศึกษาเกี่ยวกับยาและวิธีที่พวกมันมีปฏิสัมพันธ์กับระบบทางชีววิทยาของมนุษย์ รวมถึงในระดับโมเลกุลที่วิทยาศาสตร์ข้อมูลต้องการ AI และ ML เพื่อช่วยในการสร้างโอกาสในการขายและการเพิ่มประสิทธิภาพ ID เป้าหมาย และการวิจัยพรีคลินิก ซึ่งส่งผลให้มีการทดลองทางคลินิกที่ดีขึ้น ข้อมูลเชิงลึกของปฏิกิริยาที่ชาญฉลาดขึ้น และการค้นพบยาใหม่เร็วขึ้น

คุณเริ่มสนใจใช้ AI เพื่อประโยชน์ด้านสุขภาพเป็นการส่วนตัวเมื่อใด

การแพร่กระจายของ AI ในหลายอุตสาหกรรมส่วนใหญ่เกี่ยวกับการทำให้งานที่มนุษย์ทำเป็นประจำเป็นแบบอัตโนมัติ ในด้านการดูแลสุขภาพ AI ได้กลายเป็นเครื่องมือที่เราเพิ่มหรือช่วยเหลือ ไม่ใช่แทนที่ความเชี่ยวชาญของมนุษย์ที่มีอยู่ เพื่อมอบแนวทางการเปลี่ยนแปลงอย่างแท้จริงในการวินิจฉัยและการรักษา และไม่มีที่ใดจะชัดเจนไปกว่าการถ่ายภาพทางการแพทย์ ซึ่งปริมาณข้อมูลและความซับซ้อนเป็นทั้งอุปสรรคและโอกาส ปัจจุบัน AI และการอนุมานโดยเฉพาะอย่างยิ่งสามารถทำการสแกนอย่างรวดเร็วและมีรายละเอียดมากขึ้นกว่าที่มนุษย์จะทำได้ การทำเช่นนี้ไม่เพียงแต่เปิดเผยข้อมูลเชิงลึกที่ซ่อนอยู่ก่อนหน้านี้เท่านั้น แต่ยังเพิ่มเวลาอันมีค่าของรังสีแพทย์ในการเข้าถึง ข้อสรุปการวินิจฉัยที่ดีขึ้นและสำหรับผู้ป่วยจำนวนมากขึ้น ตัวอย่างเช่น โซลูชัน AI จากลูกค้าช่วยนักรังสีวิทยาด้วยการวิเคราะห์ข้อมูลในรังสีเอกซ์ ซึ่งอาจบ่งชี้ถึงการมีอยู่ของปอดที่ยุบ (pneumothorax) หรือ COVID นับเป็นความสำเร็จอันน่าทึ่งอย่างแท้จริง ซึ่งเป็นการปฏิวัติประสิทธิภาพของทั้งการถ่ายภาพทางการแพทย์และการนำความเชี่ยวชาญของมนุษย์มาประยุกต์ใช้ การเป็นสักขีพยานในการเปลี่ยนแปลงแบบนั้นในสาขานี้ย่อมเป็นแรงกระตุ้นให้คนๆ หนึ่งมองหาก้าวกระโดดครั้งยิ่งใหญ่ต่อไปในด้านสุขภาพและวิทยาศาสตร์เพื่อชีวิตอื่นๆ ที่ซึ่งมนุษย์และเครื่องจักรรวมกันเพื่อผลิตชิ้นส่วนใหม่ทั้งหมด ก้าวไปอีกขั้นคือแนวคิดที่ว่า AI สามารถทำให้ความรู้เป็นประชาธิปไตยในสาขาการดูแลและทำให้ความเชี่ยวชาญของมนุษย์ที่หายากและความแตกต่างเล็กน้อยจากประสบการณ์ไปไกลยิ่งขึ้น เป็นการยกระดับคุณภาพ

 

AI มีความสำคัญเพียงใดต่อการวิเคราะห์ข้อมูลขนาดใหญ่ในสถานพยาบาล

อุตสาหกรรมด้านสุขภาพและวิทยาศาสตร์สิ่งมีชีวิตสร้างข้อมูลที่มีความซับซ้อนมากกว่าอุตสาหกรรมเดี่ยวอื่นๆ ในโลกปัจจุบัน และไม่เหมือนกับอุตสาหกรรมอื่นๆ การจัดการและวิเคราะห์ข้อมูลอย่างมีประสิทธิภาพนั้นเป็นเรื่องของชีวิตและความตาย ด้วยความสำคัญเหล่านี้ ปัจจุบัน AI เป็นตัวขับเคลื่อนที่จำเป็นสำหรับความต้องการที่หลากหลาย ทั้งทางโลกและทางก้าวหน้า ทั้งในสถานพยาบาลและห้องปฏิบัติการ เพื่อจัดการกับจุดมุ่งหมายสามประการของอุตสาหกรรม: ปรับปรุงคุณภาพการดูแลและการเข้าถึงในขณะที่ลดต้นทุน

ตัวอย่างเช่น บันทึกสุขภาพอิเล็กทรอนิกส์ (EHR) ได้ทำให้เกิดการปฏิวัติทางดิจิทัลในด้านคุณภาพและประสิทธิภาพของการส่งมอบบริการดูแล น่าเสียดายที่ภายในบันทึกเหล่านี้มีทั้งข้อมูลที่ไม่มีโครงสร้างและข้อมูลที่มีโครงสร้างปะปนกันอย่างยุ่งเหยิง ซึ่ง AI สามารถช่วยแปลงข้อมูลดิจิทัลให้เป็นชุดข้อมูลที่เป็นหนึ่งเดียวและมีประโยชน์มากขึ้น การรู้จำอักขระด้วยแสง (OCR) และการประมวลผลภาษาธรรมชาติ (NLP) เป็นเพียงโมเดลสองรุ่นที่เปิดใช้งาน AI ซึ่งสามารถแปลงอะนาล็อกของลายมือและเสียงให้เป็นข้อมูล EHR และเมื่อแปลงเป็นดิจิทัลแล้ว AI ก็สามารถนำไปใช้กับชุดข้อมูลเหล่านี้ได้ในกรณีการใช้งานที่น่าตื่นเต้นมากมาย

ในกรณีอื่น ๆ ข้อมูลที่บันทึกจากอุปกรณ์ทางการแพทย์และกล้องกำลังเพิ่มขึ้น และเมื่อรวมกับข้อมูลประวัติผู้ป่วย การวิเคราะห์สามารถช่วยขับเคลื่อนข้อมูลเชิงลึกใหม่ ๆ เพื่อปรับแต่งการรักษาให้เป็นส่วนตัวยิ่งขึ้น ในระดับการสำรวจสำมะโนประชากร โรงพยาบาลหลายแห่งได้ปรับใช้อัลกอริทึมที่สามารถคาดการณ์การติดเชื้อได้เพื่อการแทรกแซงที่รวดเร็วขึ้น และใน ICU ซอฟต์แวร์สามารถรวมข้อมูลในอุปกรณ์แยกต่างๆ เพื่อสร้างภาพที่สมบูรณ์น่าประทับใจของผู้ป่วยรายนั้นในเวลาใกล้เคียงเรียลไทม์ เมื่อเวลาผ่านไป ข้อมูลที่บันทึกและเก็บไว้ทั้งหมดสามารถวิเคราะห์เพื่อการคาดการณ์ที่ดีขึ้นในอนาคต

 

มีกรณีการใช้งานใดบ้างที่โดดเด่นกว่าที่คุณเห็นสำหรับแมชชีนเลิร์นนิงในการวิเคราะห์ข้อมูลนี้

ดังที่กล่าวไว้ข้างต้น เครื่องมือ NLP สามารถช่วยแทนที่การเขียนด้วยมือหรือการป้อนข้อมูลเพื่อสร้างเอกสารใหม่ เช่น สรุปการเยี่ยมผู้ป่วยและบันทึกรายละเอียดทางคลินิก ซึ่งช่วยให้แพทย์สามารถพบผู้ป่วยได้มากขึ้น และผู้ให้บริการปรับปรุงเอกสาร เวิร์กโฟลว์ และความแม่นยำในการเรียกเก็บเงินด้วยการป้อนคำสั่งซื้อและเอกสารให้เร็วขึ้นในแต่ละวัน

การวิเคราะห์ที่เปิดใช้งาน AI ในวงกว้างยิ่งขึ้นช่วยให้ผู้ให้บริการเข้าใจและจัดการแอปพลิเคชันทางคลินิกที่หลากหลายซึ่งปรับปรุงประสิทธิภาพและลดต้นทุน สิ่งนี้ช่วยให้โรงพยาบาลสามารถจัดการทรัพยากรได้ดีขึ้นและปรับแต่งแนวทางปฏิบัติที่ดีที่สุด และทีมผู้ดูแลสามารถทำงานร่วมกันในการวินิจฉัยและประสานงานการรักษาและการดูแลโดยรวมที่พวกเขาส่งมอบเพื่อปรับปรุงผลลัพธ์ของผู้ป่วย

แพทย์สามารถวิเคราะห์หาความผิดปกติที่เป็นเป้าหมายโดยใช้วิธี ML ที่เหมาะสม และกรองข้อมูลที่มีโครงสร้างออกจากข้อมูลดิบอื่นๆ สิ่งนี้สามารถนำไปสู่การวินิจฉัยที่รวดเร็วและแม่นยำยิ่งขึ้นและการรักษาที่เหมาะสมที่สุด ตัวอย่างเช่น อัลกอริทึม ML สามารถแปลงระบบการวินิจฉัยของภาพทางการแพทย์ให้เป็นการตัดสินใจอัตโนมัติโดยการแปลงภาพเป็นข้อความที่เครื่องอ่านได้ ML และเทคนิคการจดจำรูปแบบยังสามารถดึงข้อมูลเชิงลึกจากข้อมูลภาพทางคลินิกจำนวนมหาศาล ซึ่งมนุษย์คนเดียวไม่สามารถจัดการได้ เพื่อเปลี่ยนการวินิจฉัย การรักษา และการติดตามผู้ป่วย

ในการประเมินและจัดการสุขภาพของประชากร อัลกอริทึม ML สามารถช่วยทำนายวิถีความเสี่ยงในอนาคต ระบุตัวขับเคลื่อนความเสี่ยง และจัดหาวิธีแก้ปัญหาเพื่อผลลัพธ์ที่ดีที่สุด โมดูลการเรียนรู้เชิงลึกที่ผสานรวมเข้ากับเทคโนโลยี AI ช่วยให้นักวิจัยสามารถตีความชุดข้อมูลจีโนมที่ซับซ้อน เพื่อทำนายชนิดของมะเร็ง (ตามโปรไฟล์การแสดงออกของยีนที่ได้รับจากชุดข้อมูลขนาดใหญ่ต่างๆ) และระบุเป้าหมายที่ใช้ยาได้หลายชนิด

 

คุณช่วยอธิบายเพิ่มเติมเกี่ยวกับวิธีที่ Intel ร่วมมือกับชุมชนจีโนมิกส์เพื่อเปลี่ยนชุดข้อมูลขนาดใหญ่เป็นข้อมูลเชิงลึกด้านชีวการแพทย์ที่ช่วยเร่งการดูแลเฉพาะบุคคลได้หรือไม่

ยาที่แม่นยำให้แหล่งข้อมูลด้านสุขภาพระดับบุคคลที่ช่วยให้สามารถเลือกเป้าหมายของโรคได้ดีขึ้นและระบุประชากรผู้ป่วยที่แสดงให้เห็นถึงผลลัพธ์ทางคลินิกที่ดีขึ้นไปจนถึงแนวทางการป้องกันและการรักษาแบบใหม่

จีโนมิกส์เป็นรากฐานที่สำคัญของการแพทย์ที่แม่นยำนี้ มันให้พิมพ์เขียวว่าเราเป็นใคร และทำไมและเรามีเอกลักษณ์อย่างไร ซึ่งเป็นสิ่งสำคัญสำหรับผู้ให้บริการในการทำความเข้าใจเมื่อพวกเขารวมข้อมูลนี้เข้ากับข้อมูลอื่นๆ (รูปภาพ เคมีทางคลินิก ประวัติทางการแพทย์ ข้อมูลกลุ่ม ฯลฯ) แพทย์ใช้ข้อมูลนี้เพื่อพัฒนาและส่งมอบการรักษาเฉพาะผู้ป่วยที่มีความเสี่ยงต่ำและมีประสิทธิภาพมากขึ้น

Intel ร่วมมือกับชุมชนจีโนมิกส์โดยปรับแต่งเครื่องมือวิเคราะห์พันธุกรรมที่ใช้บ่อยที่สุดที่ใช้ในอุตสาหกรรม เพื่อให้ทำงานได้ดีที่สุดในแพลตฟอร์มที่ใช้สถาปัตยกรรมของ Intel และโปรเซสเซอร์ที่ขับเคลื่อนสิ่งเหล่านี้ ตัวอย่างเช่น การเพิ่มประสิทธิภาพของซอฟต์แวร์ตัวแปรพันธุกรรมชั้นนำในอุตสาหกรรมของ Broad Institute นั่นคือชุดเครื่องมือวิเคราะห์จีโนม (GATK) บนฮาร์ดแวร์ของ Intel โดยใช้ OpenVINO เพื่อลดข้อบกพร่องในการพัฒนาโมเดล AI และการปรับใช้ที่ปรับขนาดได้ เน้นย้ำถึงผลกระทบและความมุ่งมั่นของเราที่มีต่ออุตสาหกรรมนี้ ชุดเครื่องมือ GATK ให้ประโยชน์แก่การวิจัยทางชีวการแพทย์ เช่น Genomics DB ซึ่งจัดเก็บไฟล์ขนาด ~200GB ได้อย่างมีประสิทธิภาพ (โดยทั่วไปสำหรับชุดข้อมูลจีโนม) และ Genome Kernel Library ที่ใช้ AVX512 ซึ่งใช้ประโยชน์จากคำสั่งฮาร์ดแวร์สถาปัตยกรรม Intel เฉพาะเพื่อเร่งเวิร์กโหลดจีโนมและการใช้งาน AI

การเร่งความเร็วและลดต้นทุนของการวิเคราะห์จีโนมในขณะที่รักษาความถูกต้องของการวิเคราะห์นั้น ยังคงเป็นสิ่งที่น่าสนใจสำหรับนักวิจัยด้านชีวการแพทย์และวิทยาศาสตร์เพื่อชีวิต ในขณะที่พวกเขาใช้โซลูชันการประมวลผลของ Intel เพื่อค้นหาและใช้ประโยชน์จากข้อมูลเชิงลึกทางการแพทย์ใหม่ๆ

 

คุณช่วยพูดถึงสาเหตุที่คุณเชื่อว่าการรักษาพยาบาลทางไกลมีความสำคัญมากได้ไหม

อุตสาหกรรมด้านสุขภาพได้ดำเนินการเกี่ยวกับรูปแบบและแง่มุมต่างๆ ของการดูแลทางไกลเป็นเวลาหลายปี เหตุผลของสิ่งนี้ จนกระทั่งเมื่อไม่นานมานี้ ความเชื่อที่เชื่อได้ง่ายและมีความหวังว่าการดูแลทางไกลสามารถใช้ได้กับหลาย ๆ สถานการณ์ในการดูแล ดีเท่าหรือดีกว่าแบบจำลองในคลินิกแบบดั้งเดิม ขณะนี้ได้รับแรงกระตุ้นจากวิกฤตการแพร่ระบาดและผลกระทบ ระบบการให้บริการด้านการดูแลสุขภาพทั่วโลกถูกบังคับให้ใช้ telehealth หรือล่มสลาย การรีบดำเนินการอย่างกะทันหันนี้กำลังพิสูจน์ให้เห็นถึงความเชื่อที่มีมาช้านานเหล่านั้นว่าเป็นความจริง และการดูแลเอาใจใส่ในระยะไกลนั้นมีความสำคัญและมีศักยภาพสูง

การดูแลทางไกลมีประโยชน์มากมาย ความสะดวกสบายและความพึงพอใจของผู้ป่วยต่อการให้บริการดูแลสุขภาพทางไกลเพิ่มขึ้นอย่างรวดเร็ว พวกเขาสามารถสงบสติอารมณ์และสบายใจในบ้านได้โดยมีสิ่งรบกวนน้อยลงและกระทบต่อเวลา/ตารางเวลาน้อยลง ผู้ให้บริการชอบเพราะช่วยให้พวกเขาพบผู้ป่วยมากขึ้น และจัดการเวลาของตนเองได้ดีขึ้น และจัดสรรทรัพยากรทางคลินิกที่ทำให้ตกใจได้ดีขึ้น และแน่นอน สิ่งที่กลายเป็นเหตุผลที่ชัดเจนที่สุดและน่าสนใจที่สุดในช่วงไม่กี่เดือนที่ผ่านมาสำหรับทุกคนคือความสามารถโดยธรรมชาติของการดูแลจากระยะไกลเพื่อจำกัดการแพร่เชื้อและความจำเป็นในการติดต่อตัวต่อตัวเมื่อวิดีโอแชทด้วยอุปกรณ์เสริมและการวัดและส่งข้อมูลทางไกลผ่านคอมพิวเตอร์จะได้รับประโยชน์สูงสุด งานส่งมอบการดูแลก็ทำได้เช่นกัน

 

คุณสามารถพูดคุยเกี่ยวกับเทคโนโลยีบางอย่างที่ใช้สำหรับการตรวจสอบผู้ป่วยทางไกลในปัจจุบันได้หรือไม่?

มีองค์ประกอบทางเทคโนโลยีที่สำคัญหลายประการ สิ่งที่สำคัญที่สุดคือการใช้งานง่ายสำหรับผู้ป่วย รองลงมาคือความปลอดภัยและความเป็นส่วนตัวของข้อมูล และความทนทานของแอปพลิเคชันและข้อมูลที่รวบรวม ตัวอย่างเช่น เราต้องป้องกันไม่ให้ผู้ใช้ลบแอปตรวจสอบออกจาก iPad โดยไม่ได้ตั้งใจ

สิ่งสำคัญอีกประการสำหรับผู้ให้บริการดูแลที่ปรับใช้กับผู้ป่วยหลายรายคือการจัดการยานพาหนะและความสามารถในการส่งการอัปเดตหรือการสนับสนุนด้านเทคนิคตามสายและปรับให้เหมาะกับผู้ใช้แต่ละรายหรือกลุ่มผู้ใช้ สิ่งนี้ต้องการ:

• การกำหนดมาตรฐานของการแลกเปลี่ยนข้อมูลและความเป็นส่วนตัวด้วยมาตรฐานอุตสาหกรรม เช่น FHIR และ Continua
• แพลตฟอร์มการประมวลผลที่ปลอดภัยและประหยัดพลังงานเพื่อจัดการข้อมูลและสื่อสารกลับไปยังแพทย์รวมถึงซอฟต์แวร์และการเข้ารหัสที่เหมาะสม
• การเชื่อมต่อผ่านเครือข่ายเซลลูลาร์เพื่อทำให้อุปกรณ์ของผู้ใช้เป็นแบบสแตนด์อโลนและไม่ต้องพึ่งพา Wi-Fi ที่บ้านที่อาจไม่น่าเชื่อถือหรือไม่มีอยู่จริง
• ที่เก็บข้อมูลบนคลาวด์และการวิเคราะห์บนแบ็กเอนด์

นอกจากนี้ ความสามารถในการรวบรวมและรวบรวมข้อมูลที่ไหลเข้ามาจากผู้ใช้เป็นพื้นฐานในการช่วยให้แพทย์สามารถตรวจสอบและสนับสนุนผู้ป่วยได้ และสำหรับซอฟต์แวร์และการวิเคราะห์เพื่อแจ้งทีมดูแลเกี่ยวกับสถานะที่ระบุ หรือเริ่มต้นการแจ้งเตือนสำหรับผลลัพธ์ที่เป็น หมดความอดทน

เราเชื่อว่า AI จะมีบทบาทมากขึ้นในการตรวจสอบผู้ป่วยในอนาคต ปรับปรุงประสบการณ์ของผู้ป่วยผ่านการสำรวจด้วยเสียงที่เป็นธรรมชาติ (“วันนี้คุณรู้สึกอย่างไร”, “ความดันโลหิตของคุณดูเหมือนสูงไปหน่อย”) และช่วยให้ทีมดูแลดีขึ้น เข้าใจสุขภาพของผู้ป่วยและระบุการรักษาที่เหมาะสม ด้วยการใช้โมเดล AI การจัดการสุขภาพของประชากรจะก้าวหน้าด้วยการพับข้อมูลผู้ป่วยทั้งหมดเป็นชุดข้อมูลที่ใหญ่ขึ้น ซึ่งปรับปรุงความแม่นยำของโมเดลการเรียนรู้ซ้ำ นี่เป็นสิ่งสำคัญสำหรับการตรวจสอบระยะไกลในระดับ

 

มีปัญหาใดบ้างที่ต้องแก้ไขเพื่อเพิ่มอัตราความสำเร็จของการรักษาทางไกล

ปัญหาเดียวกันหลายอย่างที่รบกวนระบบการให้การดูแลแบบดั้งเดิมในปัจจุบันของเราเป็นปัจจัยในการเพิ่มหรือยับยั้งความสำเร็จของการดูแลทางไกล สิ่งเหล่านี้รวมถึงความเชื่อของกลุ่มย่อยทางสังคมและการตีตราเกี่ยวกับการดูแลสุขภาพ หรืออุปสรรคทางเศรษฐกิจและสังคมที่เกิดจากการขาดประกัน ความคล่องแคล่วของเทคโนโลยี อุปกรณ์ที่จำเป็น และการเชื่อมต่อ ไซโลข้อมูลป้องกันการเพิ่มมูลค่าสูงสุดที่ชุดข้อมูลที่ใช้ร่วมกันขนาดใหญ่สามารถสร้างได้ โดยเฉพาะอย่างยิ่งในขณะนี้ที่ความสามารถของเราในการควบคุมโปรแกรมการเรียนรู้กำลังเกิดขึ้นอย่างแท้จริง

แต่มีความท้าทายที่ไม่เหมือนใครสำหรับการดูแลทางไกล:

• ปัญหาด้านนโยบายและการชำระเงินแม้ว่าจะมีการปรับปรุงให้ดีขึ้นมากในช่วงที่ผ่านมา แต่ก็ต้องดำเนินต่อไปในเชิงบวกเพื่อขยายตัวด้วยข้อจำกัดที่ผ่อนคลายเกี่ยวกับสิ่งที่อนุญาตและคืนเงินได้ภายใต้การดูแลทางไกล
• ความท้าทายทางการเงินและการขาดเงินทุนในการลงทุนด้านเทคโนโลยีในการดูแลสุขภาพจำเป็นต้องเปลี่ยนจากโมเดล CapEx เป็นโมเดล OpEx แทนที่จะลงทุนในสิ่งอำนวยความสะดวกและอุปกรณ์ capex ผู้ให้บริการสามารถเปลี่ยนเป็นรูปแบบ "จ่ายเท่าที่คุณใช้" ซึ่งนำหน้าความต้องการโครงสร้างพื้นฐานคงที่จำนวนมาก และเช่นเดียวกับบริการโทรศัพท์ จ่ายสำหรับนาที (หรือข้อมูล) ที่ใช้
• ประสบการณ์ผู้ใช้สำหรับทั้งผู้ป่วยและผู้ให้บริการ จะต้องปรับปรุงอย่างต่อเนื่อง ท้ายที่สุดเทคโนโลยีจะหายไปในพื้นหลัง และความสามารถนั้นใช้งานง่ายและราบรื่น และกระบวนการที่น่าสนใจด้วยผลลัพธ์ที่เทียบเท่าหรือดีกว่าและโครงสร้างต้นทุน

ท้ายที่สุดแล้ว เราต้องการให้เทคโนโลยีสนับสนุนการดูแล ไม่ใช่ขัดขวาง หากเราประสบความสำเร็จ (และเราเชื่อว่าเราเป็นและจะเป็นต่อไป) เทคโนโลยีนี้จะช่วยให้เป็นสะพานเชื่อมไปสู่รูปแบบการดูแลทางไกลที่ดีกว่าในวันพรุ่งนี้ได้อย่างแท้จริง ทำให้เป็นกรณีที่ดีที่สุดสำหรับการทำให้การดูแลทางไกลเป็นปกติเป็นมาตรฐานในการดูแลทางไกล .

ขอบคุณสำหรับบทสัมภาษณ์ที่ยอดเยี่ยม ฉันสนุกกับการเรียนรู้เพิ่มเติมเกี่ยวกับความพยายามด้านสุขภาพของ Intel ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม ธุรกิจด้านสุขภาพและวิทยาศาสตร์สิ่งมีชีวิตระดับโลกของ Intel