เดฟ รยาน ผู้จัดการทั่วไป ธุรกิจสุขภาพและวิทยาศาสตร์ชีวิต ของ Intel – ซีรีส์สัมภาษณ์

เดฟ รยาน เป็นผู้นำธุรกิจสุขภาพและวิทยาศาสตร์ชีวิตทั่วโลกของ Intel ซึ่งมุ่งเน้นการเปลี่ยนแปลงดิจิทัลจากจุดสิ้นสุดถึงคลาวด์ เพื่อทำให้การดูแลสุขภาพที่แม่นยำและมีคุณค่าเป็นจริง ลูกค้าของเขาคือผู้ผลิตที่สร้างเครื่องมือวิทยาศาสตร์ชีวิต อุปกรณ์ทางการแพทย์ ระบบคลินิก คอมพิวเตอร์ และอุปกรณ์ที่ใช้โดยศูนย์วิจัย โรงพยาบาล คลินิก สถานที่ดูแลผู้ป่วยในบ้าน เดฟ รยาน曾任ผู้อำนวยการในคณะกรรมการของ Consumer Technology Association Health & Fitness Division, HIMSS’ Personal Connected Health Alliance, Global Coalition on Aging และ Alliance for Connected Care

ธุรกิจสุขภาพและวิทยาศาสตร์ชีวิตของ Intel คืออะไร?

ธุรกิจสุขภาพและวิทยาศาสตร์ชีวิตของ Intel ช่วยให้ลูกค้าสร้างโซลูชั่นในด้านการถ่ายภาพทางการแพทย์ ระบบคลินิก และห้องปฏิบัติการและวิทยาศาสตร์ชีวิต เพื่อทำให้การดูแลสุขภาพที่กระจาย การดูแลที่ฉลาด และการดูแลส่วนบุคคลเป็นจริง

ธุรกิจสุขภาพของ Intel มุ่งเน้นไปที่สุขภาพของประชากร การถ่ายภาพทางการแพทย์ ระบบคลินิก และโครงสร้างพื้นฐานดิจิทัล

• สุขภาพของประชากรวิเคราะห์ข้อมูลผู้ป่วยที่หลากหลายเพื่อให้แพทย์ได้รับข้อมูลเชิงลึกเกี่ยวกับความเสี่ยงของปัญหาสุขภาพและวิธีการรักษาที่ดีขึ้นข้ามกลุ่มผู้ป่วย Optimized และปรับแต่ง ML และ AI ช่วยให้ “tier” กลุ่มผู้ป่วยเพื่อให้ผู้จ่ายและแพทย์สามารถจัดลำดับความสำคัญของผู้ป่วยที่มีความเสี่ยงสูงสุด
• การถ่ายภาพทางการแพทย์ (เช่น MRI, CT) สร้างชุดข้อมูลขนาดใหญ่ที่ต้องการการประเมินที่แม่นยำและไม่มีข้อผิดพลาด HPC และ AI ช่วยให้สามารถสแกนข้อมูลภาพได้เร็วขึ้นและระบุปัจจัยที่สำคัญในการช่วยเหลือแพทย์ในการวินิจฉัย
• ระบบคลินิกใช้การมองเห็นของคอมพิวเตอร์ AI HPC และการประมวลผลขอบสำหรับการติดตามผู้ป่วย การผ่าตัดด้วยหุ่นยนต์ และการดูแลสุขภาพทางไกลและอื่นๆ ระบบเหล่านี้ช่วยให้สามารถมองเห็นข้อมูลผู้ป่วยที่สมบูรณ์และวินิจฉัยได้ดีขึ้นด้วยความยืดหยุ่นและความสามารถในการรองรับความต้องการที่เปลี่ยนแปลงขององค์กร
• โครงสร้างพื้นฐานดิจิทัลรวมเทคโนโลยีต่างๆ เพื่อทำให้การดูแลสุขภาพมีความยืดหยุ่นและสามารถเข้าถึงได้ทุกที่ทุกเวลา

ธุรกิจห้องปฏิบัติการและวิทยาศาสตร์ชีวิตของ Intel มุ่งเน้นไปที่ 3 ด้านหลัก: การวิเคราะห์ข้อมูล ‘โอมิกส์ และเภสัชกรรม

• การวิเคราะห์ข้อมูลใช้ AI เพื่อขับเคลื่อนการค้นพบและข้อมูลเชิงลึกที่ช่วยให้การดูแลสุขภาพที่แม่นยำเป็นจริง โดยการรับรองว่าผู้ป่วยได้รับยาที่มีประสิทธิภาพสูงสุดและลดความเสี่ยงของผลข้างเคียง
• ‘โอมิกส์ อธิบายและวัดกลุ่มโมเลกุลทางชีวภาพโดยใช้ไบโอนฟอร์เมติกส์และชีววิทยาคอมพิวเตอร์ ชุดข้อมูลขนาดใหญ่ที่เกี่ยวข้องต้องการการประมวลผลที่รวดเร็วเพื่อให้ได้ผลลัพธ์ในเวลาที่เหมาะสม ด้วยการประมวลผลที่รวดเร็วและฐานข้อมูลใหม่ โทล์คิต สารบัญ และการปรับแต่งโค้ด ‘โอมิกส์สามารถลดเวลาในการได้ผลลัพธ์และต้นทุนการพัฒนา
• เภสัชกรรมเป็นการศึกษายาและวิธีการที่ยาสามารถโต้ตอบกับระบบชีวภาพของมนุษย์ รวมถึงระดับโมเลกุลที่ต้องการวิทยาศาสตร์ข้อมูล AI และ ML เพื่อช่วยในการสร้างและปรับแต่งการวิจัยก่อนคลินิก สิ่งนี้นำไปสู่การวิจัยทางคลินิกที่ดีขึ้น การทำความเข้าใจปฏิกิริยาที่ดีขึ้น และการค้นพบยาที่รวดเร็วขึ้น

คุณเริ่มสนใจการใช้ AI ในสุขภาพเมื่อไหร่?

การแพร่กระจายของ AI ในอุตสาหกรรมต่างๆ ส่วนใหญ่เกี่ยวกับการทำให้กระบวนการทำงานที่ทำโดยมนุษย์เป็นอัตโนมัติ ในสุขภาพ AI ได้กลายเป็นเครื่องมือที่ช่วยให้สามารถเพิ่มประสิทธิภาพหรือช่วยเหลือความเชี่ยวชาญของมนุษย์ที่มีอยู่เพื่อให้ได้ผลลัพธ์ที่ดีขึ้น และไม่มีที่ไหนที่ชัดเจนกว่าการถ่ายภาพทางการแพทย์ ซึ่งข้อมูลมีปริมาณมากและซับซ้อน AI และการอนุมานโดยเฉพาะสามารถทำการสแกนข้อมูลได้เร็วขึ้นและให้ผลลัพธ์ที่แม่นยำกว่าที่มนุษย์สามารถทำได้ และช่วยให้แพทย์สามารถมองเห็นข้อมูลที่ซ่อนอยู่และให้การวินิจฉัยที่ดีขึ้น

AI มีความสำคัญแค่ไหนในการวิเคราะห์ข้อมูลขนาดใหญ่ในสถานพยาบาล?

อุตสาหกรรมสุขภาพและวิทยาศาสตร์ชีวิตสร้างข้อมูลที่มีขนาดใหญ่และซับซ้อนมากกว่าอุตสาหกรรมอื่นๆ และไม่เหมือนกับอุตสาหกรรมอื่นๆ การจัดการและวิเคราะห์ข้อมูลนี้เป็นเรื่องของชีวิตและความตาย AI ได้กลายเป็นเครื่องมือที่จำเป็นในการตอบสนองความต้องการที่หลากหลายในสถานพยาบาลและห้องปฏิบัติการเพื่อแก้ปัญหาของอุตสาหกรรมที่เรียกว่า Triple Aim: การปรับปรุงคุณภาพการดูแลสุขภาพและความสามารถในการเข้าถึงการดูแลสุขภาพในขณะที่ลดต้นทุน

ตัวอย่างเช่น บันทึกสุขภาพอิเล็กทรอนิกส์ (EHR) ได้ทำให้เกิดการปฏิวัติดิจิทัลในการดูแลสุขภาพที่มีคุณภาพและประสิทธิภาพสูง อย่างไรก็ตาม ข้อมูลที่ไม่มีโครงสร้างและโครงสร้างที่ซับซ้อนในบันทึกเหล่านี้ AI สามารถช่วยให้สามารถแปลงข้อมูลเหล่านี้เป็นชุดข้อมูลที่มีประโยชน์มากขึ้นได้ การจดจำตัวอักษรและภาษาธรรมชาติ (NLP) เป็นเพียงสองตัวอย่างของโมเดล AI ที่สามารถแปลงข้อมูลที่ไม่มีโครงสร้างเป็นข้อมูลที่มีโครงสร้างได้

ในกรณีอื่นๆ ข้อมูลที่ได้รับจากอุปกรณ์ทางการแพทย์และกล้องถ่ายรูปสามารถช่วยให้ได้ข้อมูลเชิงลึกใหม่ๆ ในการรักษาผู้ป่วยได้ ในระดับประชากร การใช้ข้อมูลที่จับได้จากอุปกรณ์เหล่านี้สามารถช่วยให้แพทย์สามารถคาดการณ์การเกิดโรคและให้การรักษาที่เหมาะสมได้

คุณสามารถอธิบายถึงกรณีการใช้งานที่สำคัญของการวิเคราะห์ข้อมูลโดยใช้เครื่องจักรเรียนรู้ได้หรือไม่?

เครื่องมือ NLP สามารถช่วยให้สามารถแทนที่การเขียนหรือการเขียนข้อมูลด้วยตนเองเพื่อสร้างเอกสารใหม่ๆ เช่น สรุปการเยี่ยมผู้ป่วยและบันทึกทางคลินิกที่มีรายละเอียด ซึ่งช่วยให้แพทย์สามารถดูแลผู้ป่วยได้มากขึ้น และให้การดูแลสุขภาพที่ดีขึ้น

เครื่องมือวิเคราะห์ AI ช่วยให้แพทย์สามารถเข้าใจและจัดการการดูแลสุขภาพได้ดีขึ้น โดยการให้ข้อมูลเชิงลึกเกี่ยวกับการใช้ทรัพยากรและแนวทางปฏิบัติที่ดีที่สุดในการดูแลสุขภาพ

แพทย์สามารถวิเคราะห์ข้อมูลเพื่อหาสิ่งผิดปกติที่เป็นเป้าหมายโดยใช้การเข้าใกล้ ML ที่เหมาะสมและกรองข้อมูลที่ไม่จำเป็นออกไป ซึ่งสามารถช่วยให้ได้การวินิจฉัยที่รวดเร็วและแม่นยำขึ้น และการรักษาที่เหมาะสม

คุณสามารถอธิบายได้หรือไม่ว่า Intel กำลังร่วมมือกับชุมชนจีโนมิกส์เพื่อแปลงข้อมูลขนาดใหญ่ให้เป็นข้อมูลทางชีวการแพทย์ที่ช่วยให้การดูแลสุขภาพส่วนบุคคลเร็วขึ้น?

การดูแลสุขภาพที่แม่นยำให้ข้อมูลสุขภาพระดับบุคคลที่ช่วยให้สามารถเลือกเป้าหมายโรคและระบุผู้ป่วยที่มีผลลัพธ์ที่ดีขึ้นจากการรักษาใหม่ๆ

จีโนมิกส์เป็นรากฐานของการดูแลสุขภาพที่แม่นยำ โดยให้แผนภาพของสิ่งที่เราคือและทำไมและวิธีการที่เรามีเอกลักษณ์ ซึ่งจำเป็นสำหรับแพทย์ในการเข้าใจเมื่อพวกเขารวมข้อมูลนี้เข้ากับข้อมูลอื่นๆ (ภาพ รังสีวิทยา เคมีคลินิก ประวัติสุขภาพ ข้อมูลกลุ่ม ฯลฯ) เพื่อสร้างและให้การรักษาที่เหมาะสมกับผู้ป่วย

Intel กำลังร่วมมือกับชุมชนจีโนมิกส์โดยการปรับให้เครื่องมือวิเคราะห์ทางพันธุกรรมที่ใช้กันอย่างแพร่หลายในอุตสาหกรรมให้ทำงานได้ดีที่สุดบนแพลตฟอร์มและโปรเซสเซอร์ของ Intel ตัวอย่างเช่น การปรับให้เครื่องมือวิเคราะห์ทางพันธุกรรมของ Broad Institute ที่มีชื่อเสียงในอุตสาหกรรมให้ทำงานได้ดีบนฮาร์ดแวร์ของ Intel โดยใช้ OpenVINO เพื่อทำให้การสร้างและปรับแต่งโมเดล AI ง่ายขึ้นและสามารถใช้งานได้จริง

การเร่งความเร็วและลดต้นทุนของการวิเคราะห์ทางพันธุกรรมในขณะที่ยังคงความแม่นยำของการวิเคราะห์เป็นสิ่งสำคัญสำหรับนักวิจัยทางชีวการแพทย์และวิทยาศาสตร์ชีวิตที่ใช้โซลูชันการประมวลผลของ Intel เพื่อค้นพบและใช้ข้อมูลทางสุขภาพใหม่ๆ

คุณสามารถอธิบายได้หรือไม่ว่าทำไมการดูแลสุขภาพทางไกลจึงมีความสำคัญ?

อุตสาหกรรมสุขภาพได้ทำงานเกี่ยวกับรูปแบบและแง่มุมต่างๆ ของการดูแลสุขภาพทางไกลมาหลายปีแล้ว สาเหตุของสิ่งนี้คือความเชื่อและความหวังที่ว่าการดูแลสุขภาพทางไกลสามารถเทียบเท่ากับการดูแลสุขภาพแบบดั้งเดิมได้ แต่การแพร่ระบาดของโควิด-19 ได้ทำให้ระบบการดูแลสุขภาพทั่วโลกต้องใช้การดูแลสุขภาพทางไกลหรือล่มสลาย

การดูแลสุขภาพทางไกลมีประโยชน์หลายอย่าง ผู้ป่วยสามารถรู้สึกสบายใจและไม่ถูกขัดจังหวะในการดูแลสุขภาพที่บ้านของตนเอง แพทย์สามารถดูแลผู้ป่วยได้มากขึ้นและจัดการเวลาและทรัพยากรของตนเองได้ดีขึ้น และสิ่งที่สำคัญที่สุดคือการดูแลสุขภาพทางไกลสามารถช่วยลดการแพร่กระจายของโรคและไม่จำเป็นต้องมีการติดต่อทางกายภาพ

คุณสามารถอธิบายได้หรือไม่ว่าเทคโนโลยีใดที่กำลังใช้ในการติดตามผู้ป่วยทางไกล?

มีหลายเทคโนโลยีที่สำคัญที่สุด คือ การใช้งานที่ง่ายสำหรับผู้ป่วย ติดตามอย่างรวดเร็วและปลอดภัยของข้อมูล และความแข็งแกร่งของแอปพลิเคชันและข้อมูลที่จับได้ ตัวอย่างเช่น เราต้องป้องกันไม่ให้ผู้ใช้ลบแอปพลิเคชันติดตามออกจาก iPad ของตนโดยไม่ตั้งใจ

อีกแง่มุมที่สำคัญสำหรับผู้ให้บริการที่ใช้การดูแลสุขภาพทางไกลสำหรับผู้ป่วยหลายคนคือ การจัดการและความสามารถในการส่งอัปเดตหรือการสนับสนุนทางเทคนิคผ่านสายและปรับให้เหมาะสมกับผู้ใช้หรือกลุ่มผู้ใช้ สิ่งนี้ต้องการ:

• การมาตรฐานของการแลกเปลี่ยนข้อมูลและความเป็นส่วนตัวด้วยมาตรฐานอุตสาหกรรม เช่น FHIR และ Continua;
• แพลตฟอร์มการประมวลผลที่ปลอดภัยและมีประสิทธิภาพในการจัดการข้อมูลและติดต่อแพทย์ รวมถึงซอฟต์แวร์และการเข้ารหัสที่เหมาะสม;
• การเชื่อมต่อผ่านเครือข่ายเซลลูลาร์เพื่อให้อุปกรณ์ของผู้ใช้สามารถทำงานได้อย่างอิสระและไม่ขึ้นอยู่กับ Wi-Fi ที่บ้านที่อาจไม่น่าเชื่อถือหรือไม่มีอยู่;
• การเก็บข้อมูลและวิเคราะห์บนคลาวด์

นอกจากนี้ การรวบรวมและรวมข้อมูลที่ไหลเข้าจากผู้ใช้เป็นเรื่องพื้นฐานในการทำให้แพทย์สามารถติดตามผู้ป่วยและให้การสนับสนุน และให้ซอฟต์แวร์และการวิเคราะห์แจ้งให้แพทย์ทราบถึงสถานะที่ไม่ปกติหรือเริ่มต้นการแจ้งเตือนสำหรับผลลัพธ์ที่ไม่เหมาะสม

เรามั่นใจว่า AI จะมีบทบาทที่สำคัญมากขึ้นในการติดตามผู้ป่วยในอนาคต โดยการปรับปรุงประสบการณ์ของผู้ป่วยผ่านการสำรวจเสียงธรรมชาติ (“คุณรู้สึกอย่างไรวันนี้?” “ความดันโลหิตของคุณดูสูง”) และช่วยให้แพทย์สามารถเข้าใจสุขภาพของผู้ป่วยได้ดีขึ้นและระบุการรักษาที่เหมาะสม

ปัญหาที่ต้อง克服เพื่อเพิ่มอัตราความสำเร็จของการดูแลสุขภาพทางไกลคืออะไร?

หลายปัญหาที่พบในระบบการดูแลสุขภาพแบบดั้งเดิมก็พบได้ในระบบการดูแลสุขภาพทางไกล เช่น ความเชื่อและความเข้าใจที่ไม่ถูกต้องเกี่ยวกับการดูแลสุขภาพ หรืออุปสรรคทางสังคมและเศรษฐกิจที่เกิดจากไม่มีประกันสุขภาพ การไม่เข้าใจเทคโนโลยี อุปกรณ์ที่จำเป็น และการเชื่อมต่อ ข้อมูลที่ไม่สมบูรณ์สามารถป้องกันไม่ให้ได้รับประโยชน์สูงสุดจากข้อมูลที่มีขนาดใหญ่ขึ้น โดยเฉพาะอย่างยิ่งเมื่อความสามารถในการเรียนรู้ของโปรแกรมได้ปรับปรุงแล้ว

แต่มีบางปัญหาที่เฉพาะเจาะจงกับการดูแลสุขภาพทางไกล:

• นโยบายและปัญหาในการชำระเงิน แม้ว่าจะดีขึ้น แต่ต้องดำเนินการต่อไปเพื่อขยายและผ่อนคลายข้อจำกัดเกี่ยวกับสิ่งที่อนุญาตและชำระเงินผ่านการดูแลสุขภาพทางไกล;
• ปัญหาทางการเงินและขาดทุนในการลงทุนในเทคโนโลยีสำหรับการดูแลสุขภาพ ต้องการการเปลี่ยนแปลงจากแบบ CapEx ไปเป็นแบบ OpEx แทนที่จะลงทุนในอุปกรณ์และสิ่งอำนวยความสะดวก ผู้ให้บริการสามารถเปลี่ยนไปใช้แบบ “จ่ายตามการใช้งาน” และจ่ายเฉพาะสำหรับข้อมูลหรือนาทีที่ใช้;
• ประสบการณ์ของผู้ใช้สำหรับทั้งผู้ป่วยและแพทย์จะต้องดีขึ้นอย่างต่อเนื่อง จนกระทั่งเทคโนโลยีนี้กลมกลืนไปกับพื้นหลังและกระบวนการนี้มีความสมจริงและน่าดึงดูดด้วยผลลัพธ์และโครงสร้างต้นทุนที่ดีขึ้น

สุดท้าย เราต้องการให้เทคโนโลยีนี้ช่วยให้การดูแลสุขภาพเป็นไปได้ ไม่ใช่ขัดขวางมัน หากเราสามารถทำได้ (และเรามั่นใจว่าเราสามารถทำได้) เทคโนโลยีนี้จะช่วยให้การดูแลสุขภาพทางไกลเป็นมาตรฐานในการดูแลสุขภาพ และทำให้การดูแลสุขภาพทางไกลเป็นทางเลือกที่ดีที่สุดในการดูแลสุขภาพ

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ฉันชอบที่จะเรียนรู้เพิ่มเติมเกี่ยวกับการดูแลสุขภาพของ Intel ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ ธุรกิจสุขภาพและวิทยาศาสตร์ชีวิตทั่วโลกของ Intel