通过人工智能驱动的edge技术改变医疗保健

在远距离分析医疗和生命科学数据时，带宽拥塞、网络可靠性和延迟问题可能会对结果产生负面影响。当时间如此重要时，这一点至关重要。为了解决这些问题，具有前瞻性的医疗机构正在采用边缘计算，在收集数据时对数据进行分析和处理。

人工智能驱动的边缘仪器、医疗设备和技术正在通过使数据处理和存储更接近数据源，并向临床和研究团队提供实时 i NSight 来改变医疗保健和生命科学。这对于医疗保健服务来说极其重要，而按需 i NSight s 帮助团队对患者做出关键和紧急的决定。

在整个医院，人工智能驱动的 edge 技术已经发挥了作用，帮助减少了手术的侵入性，减少了 X 光机的辐射照射，并监测了有跌倒风险的患者。

根据德勤和麻省理工技术评论，全球存储数据的 30% 来自医疗保健和生命科学。考虑到来自医疗保健的数据量，实时收集和推导洞察力已成为当务之急，以帮助做出更快的临床决策。

如今，在美国的医院中，每个病床上都连接了 10-15 台边缘设备，用于监控患者当前的实时状态。预计到 2025 年， 75% 的医疗数据将在边缘生成。此外，全球联网医疗设备市场预计将从 2017 年的 410 亿美元增长到 2022 年的 1580 亿美元。

为了扩展虚拟患者服务、管理医疗设备并支持智能医院技术，医疗系统现在必须在数据采集设备附近处理大量数据，以减少延迟并实现实时决策。通过使 AI 工作流更接近源代码，边缘计算为医疗保健提供了许多优势：

强健的基础设施：通过边缘设备现场处理数据使医疗机构能够在不中断的情况下保持其流程移动，即使在网络中断期间也是如此。

超低延迟处理：手眼协调等任务的吞吐量和实时洞察力对于确保更安全的手术非常重要。在边缘处理数据可提供近乎即时的反馈。

增强安全性：将数据保留在设备内并在边缘进行推断意味着患者健康信息（ PHI ）保持安全，不易受到许多攻击和数据泄露。

节省带宽：边缘 AI 处理减少了通过网络或场外发送高带宽数据（如视频流）的需要。

利用操作技术领域知识：使领域专家能够控制数据处理 AI 参数，使他们能够创建高度适应性和注重结果的解决方案。

医疗器械

边缘的现代医疗器械正在成为人工智能，在经监管机构批准的设备中内置了加速计算功能。这些功能包括改进的医学图像采集和重建、诊断和治疗计划的工作流优化、器官和肿瘤的测量、手术治疗指导以及实时可视化和监控。

现代手术室是一个复杂的环境，需要团队同时处理、协调和处理多个信息源。

在外科手术中，边缘人工智能工具起到帮助作用的一个例子是腹腔镜手术。腹腔镜是一种利用小切口、手术器械和腹腔镜在腹部或骨盆进行的微创手术。腹腔镜是一种带有光源和照相机的小管子，它将腹部或骨盆内部的图像传送到电视监视器。

超低延迟的手术视频流到 AI 驱动的数据处理工作流中，使外科医生能够专注于发现需要移除的异常，进行自动测量，跟踪手术工具，监控需要保留的器官，或实时检测出血。

人工智能增强型医疗设备为外科医生带来了数据驱动的洞察力随需应变。这些洞察力有助于使手术尽可能微创，并提高患者的恢复时间。通过在传感器和流式数据使用开发工具包上构建 AI 模型，团队可以立即收集洞察力 ，甚至可以远程管理分布式医疗仪器的车队。

在手术室外，许多不同类别的医疗和生命科学仪器也受益于边缘计算。这些仪器包括 CT 和 MRI 成像扫描仪、超声波设备、放射治疗、冷冻电子显微镜和 DNA 测序仪。

下一代测序（ NGS ）指的是大规模的 DNA 测序技术，可以在构成我们 DNA 的核苷酸碱基中发现变异。这些碱基的顺序编码基因，然后编码蛋白质。当基因中的碱基缺失或排列错误时，蛋白质的产生会受到影响，并会扰乱正常发育或导致健康状况。现在有了打印机或手持设备大小的 NGS 技术，可以在候诊室或现场运行，能够在边缘进行实时测序，帮助检测 DNA 中的这些致病变异。

智能医院与患者监控

智能医院还将边缘计算和人工智能工作流集成到诸如患者监测、患者筛查、对话人工智能、心率估计、 CT 扫描仪等技术中。这些技术可以帮助确定有可能从病床上摔下来的患者，并通知护理人员。

人体姿势估计是一项流行的计算机视觉任务，用于估计人身上的关键点，如眼睛、 ARM 和腿。这有助于对一个人的行为进行分类，如站立、坐下、行走或躺下。了解一个人所做事情的背景在广泛的行业中有着广泛的应用。在医疗保健领域，这可用于监测患者，并在患者需要医疗护理时提醒医务人员。

将数千张病床的实时流媒体视频馈送到远程数据中心面临许多挑战，包括确保患者的机密性、网络带宽不足以及网络宕机风险，这可能会中断患者监控。与其将所有这些数据流到远程数据中心，还可以在边缘进行处理，在床边，可根据需要生成洞察力和警报。这提供了实时数据分析，以更快地响应处于困境中的患者，并确保了强大的容错能力。

医疗保健公司正在使用物联网传感器自动化其流程，物联网传感器生成大量数据，然后添加人工智能工具，进一步帮助优化洞察力以更好地进行临床决策。网络边缘的计算对于速度、规模、可靠性、安全性、性能和实时洞察力至关重要。

关于作者

Vanessa Braunstein 在 NVIDIA 的医疗团队从事产品营销工作。此前，她在基因组学、医学成像、制药、化学和诊断公司从事产品开发和营销。她学习分子和细胞生物学、公共卫生和商业。

审核编辑：郭婷