英特尔健康与生命科学业务总经理戴夫·瑞恩 – 采访系列

戴夫·瑞恩（Dave Ryan）领导着英特尔的全球健康与生命科学业务，该业务专注于从边缘到云的数字化转型，以使精准、基于价值的医疗成为现实。他的客户是制造生命科学仪器、医疗设备、临床系统、计算设备和用于研究中心、医院、诊所、居家护理机构和家庭的设备的制造商。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。

英特尔的健康业务重点关注人口健康、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帮助“分级”患者群体，使支付者和提供者能够优先考虑最有风险的患者。
• 医疗影像（例如MRI、CT）生成巨大的数据集，需要准确的评估和没有错误的余地。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，以帮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。这些智能系统可以调和多样化的数据源，以提供对患者的完整视图和更好的诊断，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，包括随时随地的医疗，临床医生可以跨空间和时间进行合作，以进行病况管理、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推动发现和洞察的级联，以帮助实现精准医学，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。这里涉及的大型数据集需要高通量处理才能在合理的时间范围内获得结果。通过这种处理能力和新的数据库、工具包、库和代码优化，组学机构可以减少时间并降低开发成本。
• 制药是关于药物及其与人类生物系统的相互作用的研究，包括在分子水平上，数据科学需要人工智能和机器学习来帮助进行潜在药物的生成和优化、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。

您什么时候开始对使用人工智能改善医疗保健感兴趣？

人工智能在许多行业的普及主要是关于自动化人类通常执行的任务。在医疗保健中，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，以提供真正转型的诊断和治疗方法。这种情况在医疗影像中最为明显，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，能够比人类更快速、更详细地扫描大量信息，并通过这样做，不仅揭示了以前隐藏的洞察，还最大限度地提高了放射科医生的宝贵时间，以达到更好的诊断结论。例如，客户的人工智能解决方案可以帮助放射科医生通过分析X光片中的数据来检测肺塌陷（气胸）或COVID-19的存在。这是一个真正了不起的成就，它正在革新医疗影像本身以及人类专业知识的应用。看到这一领域发生的这种转变，自然会激励人们寻找下一个伟大的飞跃，在其他健康和生命科学追求中，人和机器结合产生的结果远远大于各个部分的总和。进一步来说，人工智能可以在护理学科中民主化知识，使稀缺的人类专业知识和经验性细微差别走得更远，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行业都多，并且复杂性更高。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。考虑到这些规模，人工智能现在已经成为在临床和实验室环境中解决各种需求的必不可少的工具，包括日常和突破性的需求，以实现该行业的三重目标：提高医疗质量和可及性，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。遗憾的是，这些记录中包含了结构化和非结构化数据的混乱组合，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）只是两种人工智能启用的模型，可以将手写和语音的模拟转换为EHR数据。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，并且当与患者历史数据结合时，分析可以帮助推动新的洞察，以个性化治疗。许多医院已经部署了算法，可以预测脓毒症的发作，以便更快地进行干预，在重症监护室中，软件可以将来自多个隔离设备的数据组合起来，创建一个对患者的完整图景，几乎实时。随着时间的推移，所有捕获和存储的数据也可以分析，以便更好地预测未来。

您在分析这些数据时看到的一些更值得注意的机器学习用例是什么？

如上所述，NLP工具可以帮助取代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更多的患者，并使提供者能够改善文档、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各种临床应用，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，并使护理团队能够在诊断和协调治疗以及他们提供的护理方面进行合作。

临床医生可以使用适当的机器学习方法分析针对特定异常的数据，并从其他原始数据中过滤出结构化信息。这可以带来更快和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，这些数据对于人类来说是难以管理的，并可以转变患者的诊断、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，并提供最佳结果的解决方案。深度学习模块与人工智能技术相结合，允许研究人员解释复杂的基因组数据集，以预测特定类型的癌症（基于从各种大型数据集中获得的基因表达谱），并识别多个可药化的靶点。

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加速个性化医疗的生物医学洞察？

精准医学提供个体水平的健康数据源，能够更好地选择疾病靶点，并识别出对新型预防和治疗方法表现出改善的临床结果的患者人群。

基因组学是精准医学的基石。它提供了我们是谁以及我们为什么和如何独特的蓝图，这对于提供者来说至关重要，因为他们将这些信息与其他数据（图像、临床化学、病史、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患者的治疗，这些治疗风险较低，效果更好。

英特尔正在通过优化行业中最常用的基因分析工具来与基因组学社区合作，这些工具在英特尔架构平台和为其提供动力的处理器上运行得最好。例如，在英特尔硬件上使用OpenVINO优化Broad Institute的行业领先基因变异软件Genomic Analysis Toolkit（GATK），突出了我们的影响力和对该行业的承诺。GATK工具包为生物医学研究提供了好处，例如Genomics DB，它可以高效地存储大约200GB的文件（对于基因组学数据集来说是典型的），以及使用AVX512的Genome Kernel Library，它利用英特尔架构特定的硬件指令来加速基因组学工作负载和人工智能利用。

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，因为他们使用英特尔计算解决方案来发现和利用新的医学洞察。

您为什么认为远程医疗保健如此重要？

医疗保健行业多年来一直在努力开发各种形式和方面的远程医疗。这种做法背后的原因，直到最近，都是基于对远程医疗在许多医疗保健情况下与传统的面对面医疗模式一样好，甚至更好的直观和希望的信念。现在，受到疫情危机及其影响的推动，世界各地的医疗保健服务系统被迫采用远程医疗，否则就会崩溃。这种突然的远程医疗实施热潮现在证明了长期以来持有的这些信念是正确的，远程医疗在许多情况下确实是至关重要和可行的。

远程医疗有很多好处。患者对远程医疗的满意度和舒适度正在迅速提高。他们可以在家中保持冷静和放松，受到的干扰和时间/日程安排的影响较小。提供者喜欢它，因为它使他们能够看更多的患者，并更好地管理自己的时间和稀缺的临床资源。当然，对于每个人来说，过去几个月中最明显和最令人信服的原因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，当视频聊天和设备遥测可以完成大多数医疗任务时。

您能否讨论一下当前用于远程患者监测的技术？

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，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。

远程患者监测的另一个关键方面是，为多个患者部署的医疗保健提供者，需要进行舰队管理，并能够通过线路发送更新或技术支持，并根据每个用户或用户群体进行定制。这需要：

• 标准化的数据交换和隐私，使用行业标准，如FHIR和Continua；
• 安全且节能的计算平台，用于编排数据并将其传回给临床医生，包括适当的软件和加密；
• 通过蜂窝网络进行连接，使用户设备独立，不依赖于家庭中的Wi-Fi，这种网络可能不可靠甚至不存在；
• 后端的云存储和分析。

此外，聚合来自用户的流入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患者的名义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，人工智能在未来将在患者监测中发挥更大的作用，通过自然语音调查（“您今天感觉如何？”，“您的血压似乎有点高”）来改善患者体验，并使护理团队能够更好地了解患者的健康状况并确定适当的治疗方法。通过使用人工智能模型，人口健康管理也将随着所有患者数据的整合而取得进展，这将提高迭代学习模型的准确性。对于大规模的远程监测，这是必不可少的。

为了提高远程医疗的成功率，需要克服哪些问题？

当前系统中困扰我们的许多问题也影响了远程医疗的成功。这些包括围绕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、所需设备和连接而产生的社会经济障碍。数据孤岛阻止了更大的共享数据集的最大价值，尤其是现在我们的学习程序利用能力真正出现。

但是，也有一些挑战是远程医疗所特有的：

• 政策和付款问题，尽管最近有所改善，但必须继续保持积极的势头，以扩大远程医疗模式下允许和报销的内容；
• 财务挑战和缺乏投资于医疗保健领域的资本，需要从资本支出模型转变为运营支出模型。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，并且像电话服务一样，只为使用的“分钟”（或数据）付费；
• 患者和提供者的用户体验必须继续改善，直到技术消失在背景中，能力变得直观和无缝，流程令人信服，结果和成本结构与传统面对面医疗相当或更好。

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。如果我们成功了（我们相信我们是，并且将继续如此），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的桥梁，使远程医疗成为医疗服务提供的标准。

感谢您这次精彩的采访，我很高兴能够更多地了解英特尔的医疗保健努力。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。