戴夫·瑞恩，英特尔健康与生命科学业务总经理 – 采访系列

戴夫·瑞恩领导着英特尔的全球健康与生命科学业务单元，该单元专注于从边缘到云的数字化转型，以使精准、价值为基础的医疗成为现实。他的客户是制造生命科学仪器、医疗设备、临床系统、计算设备和研究中心、医院、诊所、护理机构和家庭中使用的设备的制造商。戴夫曾在消费者技术协会健康与健身分会、HIMSS的个人连接健康联盟、全球老龄化联盟和连接护理联盟的董事会任职。

什么是英特尔的健康与生命科学业务？

英特尔的健康与生命科学业务帮助客户在医疗影像、临床系统和实验室与生命科学领域创建解决方案，实现分布式、智能化和个性化的医疗。

英特尔的健康业务专注于人口健康、医疗影像、临床系统和数字基础设施。

• 人口健康通过分析多样化的患者数据为提供者提供对医疗问题风险和改进治疗的洞察，并优化和调整机器学习和人工智能以“分层”群体，因此支付者和提供者可以优先考虑最有风险的患者。
• 医疗影像（例如MRI、CT）会产生巨大的数据集，需要准确的评估和无误差的处理。高性能计算和人工智能可以更快速地扫描图像数据并识别关键因素以协助放射科医生进行诊断。
• 临床系统使用计算机视觉、人工智能、高性能计算和边缘计算进行患者监测、机器人手术和远程医疗等。这些智能系统可以整合多样化的数据源以获得完整的患者视图和更好的诊断，并具有灵活性和可扩展性以支持不断变化的组织需求。
• 数字基础设施集成了多种技术以实现患者交互的新方法，包括任何时间任何地点的医疗服务，临床医生可以跨空间和时间协作进行病况管理、手术和分析。

英特尔的实验室和生命科学业务专注于三个主要领域：数据分析、组学和制药。

• 数据分析使用人工智能来驱动发现和洞察的级联，以实现精准医学，确保患者获得最有效的药物，并降低副作用的风险。
• 组学描述和量化生物分子群，使用生物信息学和计算生物学。这里涉及的大量数据集需要高吞吐量处理才能在合理的时间内获得结果。通过这种吞吐量和新的数据库、工具包、库和代码优化，组学机构可以减少时间和开发成本。
• 制药是研究药物及其与人类生物系统的相互作用，包括分子水平，需要数据科学、人工智能和机器学习来协助潜在目标生成和优化、目标识别和临床前研究。这导致更好的临床试验、更智能的反应洞察和更快的新药发现。

您是什么时候开始对使用人工智能造福医疗保健感兴趣的？

人工智能在许多行业中的普及在很大程度上是关于自动化那些通常由人类执行的任务。在医疗保健领域，人工智能已经成为一种工具，通过它我们可以增强或协助现有的人类专业知识，以实现真正转型的诊断和治疗方法。在医疗影像领域，数据量和复杂性既是障碍也是机会。今天，人工智能，特别是推理，可以比任何人类更快速、更详细地扫描大量信息，从而不仅揭示以前隐藏的洞察，还最大限度地发挥放射科医生的宝贵时间，以达到更好的诊断结论和更好的患者结果。例如，客户的人工智能解决方案可以通过分析X光数据帮助放射科医生识别肺部塌陷（气胸）或COVID的存在。这是一个真正了不起的成就，它正在改变医疗影像和人类专业知识应用的有效性。看到这一领域的这种转变，自然会激励人们寻找下一个在其他健康和生命科学领域的伟大飞跃，在那里，人和机器结合产生新的整体，远远超过部分的总和。进一步来说，人工智能可以民主化知识，跨医疗保健学科，使稀缺的人类专业知识和经验丰富的细微差别走得更远，提高质量。

人工智能在分析临床环境中的大数据方面有多重要？

健康和生命科学行业产生的数据比世界上任何其他单一行业都多，复杂性也更高。而与其他行业不同，有效地管理和分析这些数据是生死攸关的问题。考虑到这些规模，人工智能现在已经成为满足临床和实验室环境中各种需求的必不可少的工具，包括日常需求和突破性需求，以解决行业的三重目标：改善医疗质量和可及性，同时降低成本。

例如，电子健康记录（EHR）使医疗服务的质量和效率发生了数字化革命。不幸的是，在这些记录中，有一个混乱的结构化和非结构化数据的混合，人工智能可以帮助将其数字化为更统一和有用的数据集。光学字符识别（OCR）和自然语言处理（NLP）只是两种可以将手写和语音的模拟转换为EHR数据的人工智能启用的模型。一旦数字化，人工智能可以应用于这些数据集中的许多令人兴奋的用例。

在其他情况下，来自医疗设备和摄像头的数据正在增长，当这些数据与患者历史数据结合时，分析可以帮助推动新的洞察，以进一步个性化治疗。在人口统计水平上，许多医院已经部署了可以预测脓毒症发作的算法，以便更快地干预，在重症监护室，软件可以将来自多个隔离设备的数据组合起来，创建一个令人印象深刻的、几乎实时的患者图像。随着时间的推移，所有这些捕获和存储的数据也可以被分析，以便更好地预测未来。

您看到哪些值得注意的机器学习分析这些数据的用例？

如上所述，NLP工具可以帮助替换手动抄写或数据输入以生成新文档，例如患者访问摘要和详细的临床笔记。这使临床医生能够看到更多的患者，并且提供者可以改善文档、工作流程和计费准确性，通过在一天中更早地输入订单和文档。

更广泛地说，人工智能启用的分析帮助提供者了解和管理广泛的临床应用，以提高效率和降低成本。这使医院能够更好地管理资源和微调最佳实践，并且护理团队可以在诊断和协调护理方面进行合作，以提高患者结果。

临床医生可以使用适当的机器学习方法分析针对性异常，并过滤掉结构化信息以获得原始数据。这可以导致更快、更准确的诊断和最佳治疗。例如，机器学习算法可以将医疗图像的诊断系统转换为自动决策，通过将图像转换为机器可读的文本。机器学习和模式识别技术还可以从大量的临床图像数据中提取洞察，人类无法管理这些数据，从而改变患者的诊断、治疗和监测。

为了评估和管理人口健康，机器学习算法可以帮助预测未来风险轨迹，识别风险驱动因素，并为最佳结果提供解决方案。与人工智能技术集成的深度学习模块允许研究人员解释复杂的基因组数据集，预测特定类型的癌症（基于从各种大型数据集获得的基因表达谱），并识别多个可药化目标。

您能否详细说明英特尔如何与基因组社区合作，将大型数据集转化为生物医学洞察，以加速个性化医疗？

精准医学提供个体水平的健康数据源，以实现更好的疾病靶点选择和识别患者群体，这些患者群体表现出改善的临床结果，以适应新型预防和治疗方法。

基因组学是精准医学的基石。它提供了我们是谁以及为什么和如何独特的蓝图，这对于提供者来说至关重要，他们将这些信息与其他数据（图像、临床化学、医疗史、队列数据等）结合起来。临床医生使用这些信息来开发和提供针对特定患者的治疗，这些治疗风险较低、效果更好。

英特尔通过优化行业中最常用的遗传分析工具来与基因组社区合作，使其能够在英特尔架构的平台和处理器上运行得更好。例如，英特尔在其硬件上使用OpenVINO优化Broad Institute的行业领先遗传变异软件Genomic Analysis Toolkit（GATK），突显了我们对该行业的影响和承诺。GATK工具包为生物医学研究提供了诸如Genomics DB（可以高效地存储约200GB大小的文件，典型的基因组数据集大小）和Genome Kernel Library（利用特定的英特尔架构硬件指令来加速基因组和人工智能工作负载）等好处。

加速基因组分析的速度并降低成本，同时保持分析的准确性，对于生物医学和其他生命科学的研究人员来说至关重要，他们使用英特尔的计算解决方案来发现和利用新的医疗洞察。

您为什么认为远程医疗这么重要？

医疗行业已经在各种形式和方面的远程医疗上工作了很多年。直到最近，这些原因都是直观的和希望的信念，即远程医疗可以与传统的门诊模式一样好，甚至更好。现在，由于疫情危机及其影响，世界各地的医疗服务提供者被迫采用远程医疗，否则就会崩溃。这种突然的远程医疗实施热潮现在证明了这些长期以来坚持的信念是正确的，远程医疗服务至关重要且可行。

远程医疗有很多好处。患者对远程医疗服务的满意度正在迅速提高。他们可以在家中保持平静和舒适，减少干扰和时间/日程安排的影响。提供者喜欢它，因为它使他们能够看到更多的患者，并更好地管理自己的时间和分配稀缺的临床资源。当然，对于每个人来说，过去几个月中最明显和最有说服力的理由是远程医疗的固有能力，可以限制传染病的传播和减少面对面接触的需要，而视频聊天和设备遥测可以更好地完成大多数医疗服务任务。

您能讨论一下当前用于远程患者监测的技术吗？

有几个关键的技术元素。最重要的是患者的易用性，其次是数据的安全性和隐私性，以及应用程序和捕获的数据的强大性。例如，我们需要防止用户意外地从iPad上删除监测应用程序。

对于跨多个患者部署远程医疗的提供者来说，另一个关键方面是车队管理和向用户或用户群发送更新或技术支持的能力。这需要：

• 标准化数据交换和隐私，使用行业标准，如FHIR和Continua；
• 安全且节能的计算平台来编排数据并将其发送回临床医生，包括适当的软件和加密；
• 通过蜂窝网络实现连接，使用户设备独立，不依赖于家庭中的Wi-Fi，这可能不可靠甚至不存在；
• 后端的云存储和分析。

此外，聚合从用户流入的数据的能力对于使临床医生能够进行患者监测和支持以及使软件和分析能够通知护理团队达到正常状态或启动超出容忍度的结果的警报通知至关重要。

我们相信，人工智能将在未来对患者监测起到更大的作用，通过自然语音调查（“您今天感觉如何？”、“您的血压似乎有点高”）来提高患者体验，并使护理团队能够更好地了解患者的健康状况并识别适当的治疗方法。通过使用人工智能模型，人口健康管理也将通过将所有患者数据折叠到更大的数据集中来推进，这将提高迭代学习模型的准确性。这对于大规模的远程监测至关重要。

为了增加远程医疗的成功率，需要克服哪些问题？

与传统医疗服务交付相同的许多问题也会影响远程医疗的成功。这些问题包括医疗保健的社会子群信仰和偏见，或者由于缺乏保险、技术熟练度、所需设备和连接性而产生的社会经济障碍。数据孤岛会阻止最大化更大共享数据集可以产生的价值，尤其是现在我们真正拥有学习程序的能力。

但是，也有一些远程医疗特有的挑战：

• 政策和付款问题，尽管最近有所改善，但必须继续向前推进，以扩大对远程医疗模式下允许和报销的内容的限制；
• 财务挑战和缺乏投资于医疗保健技术的资金，需要从资本支出（CapEx）模型转向运营支出（OpEx）模型。提供者可以转向“按使用付费”的模式，避免大量固定基础设施的需要，就像电话服务一样，按使用的“分钟”（或数据）付费；
• 用户体验，包括患者和提供者，必须继续改善，直到技术消失在背景中，功能变得直观和无缝，过程令人信服，结果和成本结构更好。

最终，我们希望技术能够支持医疗服务的提供，而不是阻碍它。如果我们成功（我们相信我们是，也将继续如此），那么技术确实将成为连接今天和明天更好的远程医疗服务交付模式的桥梁，使远程医疗服务成为标准的医疗服务交付模式。

感谢这次精彩的采访，我很高兴能够更多地了解英特尔在医疗保健方面的努力。希望了解更多的读者可以访问英特尔的全球健康与生命科学业务。