Skip to main content

AI • 物联网 • 网络边缘

医生现可拥有远程诊断能力

医疗保健的数字化转型, 数字医疗服务, 数字化医疗保健

远程医疗似乎是一种为了适应新冠肺炎疫情的手段,但它只是时代的标志吗?是对医疗保健行业未来的借镜?医疗机构如何能利用过去 18 个月的技术适应,来创造更优质的患者护理人员体验?

我们与来自业内卓越医疗技术公司 Siemens Healthineers 的 Peter Shen 探讨了医疗保健技术领域的重要进步,包括人工智能和边缘计算的新角色、医疗保健数字化的未来,以及“数字孪生”概念如何能为患者治疗带来革命性的变化。

如需收听完整版对话,请收听我们的播客与 Siemens Healthineers 共同(加快)数字化医疗保健

在疫情期间的过去这 18 个月里,您在医疗保健技术领域看到了哪些重要进步?

我认为疫情正好凸显了数字化。它帮助减轻了一直以来我们医疗保健工作团队身上的负担。

我们初步汲取到了一些经验教训,比如我们需要灵活性,尤其是从医疗保健提供商的角度出发,要尝试去管理不断变化的临时需求,并尝试根据患者的不同需求来协助扩展。

从数字的角度而言,我认为疫情教会了我们如何重新定义医疗保健的交付方式,迫使我们实现标准化,并尝试高效地管理操作。然后,再尝试从整体上降低工作负载。

理所当然,有很多远程解决方案出现在了前沿。

很多人还忘了,这些远程医疗服务不仅能为患者造福,也可以让我们的护理人员获益。护理人员可以使用技术来进行远程监护,并操作扫描设备。例如,如果他们需要进行患者 X 光或 CT 或 MRI 扫描,那实际上他们可以坐在不同的地方或医院的不同区域进行远程操作。

这不止关乎于高效和连接,还真正实现了灵活性,帮助患者和护理人员适应不断变化的环境。

成本也是这里考虑的重要因素。

我认为是成本效益更高效了。

我们如何能利用人工智能等概念,在进行检测时支持我们提高检测效率?并在我们诊断这些类型的检测时,得出更准确,或者说更精确的结果。

我认为,数字化一直是医疗保健机构所期望的,但疫情确实加快了数字化的时间线。

在我们前进的过程中,您认为人工智能和边缘计算在哪些方面起到了作用?

医疗数据呈现出指数增长,其中包含大量的临床和操作信息,有助于患者治疗。现在的目标是如何及时处理所有数据,以便我们可以将这些重要临床结果返回给医生。

我们必须专注于开发能够尽快处理这些重要临床结果和的技术和解决方案。这就是人工智能等技术发挥重要作用的地方。

我们 Siemens Healthineers 打造的新人工智能平台: AI-Rad Companion 就是个不错的例子。它利用人工智能来处理大量的成像数据,为医生自动识别、表征和量化临床结果,以便医生可以立即查看结果并进行诊断。

在这一点上,您认为行业应该如何继续发展?

我i们希望针对患者制定明智的决策,无论是诊断还是尝试患者治疗。因此,不仅是信息数量,也需要确保我们具备高质量的信息。如果有人躺在手术台上,这就意味着信息的准确性、完整性和时效性。这对于制定明知决策以获取高质量而言十分重要。

另一个例子是,患者积极参与自己的医疗保健,无论是我们熟悉的可穿戴设备,还是积极参与生命体征等等数据的监测。为医生提供此类信息也变得非常重要。

我们必须具备一个数字化医疗平台,能够收集我们提到的所有这些不同、大量的医疗保健数据,并尝试及时消化这些信息,以便提供商能够以非常简便的方式来有效地看待并消化所有这些信息。

EHR(电子健康记录)系统有多种不同的类型。Siemens 正通过哪些方式来创建更加标准化的生态系统?

这种数字化健康平台要取得成功,须具备几个特征。

它需要可访问性来拓宽可供医生或其他最终用户使用的临床和操作工具的数字化产品系列。它需要灵活性,以便利用技术,并在不依赖技术限制或基础设施的条件下轻松部署。它必须可以扩展,从而才能推动组织增长。最后,它必须还能提供互操作性,以便推动不同系统之间的连接,并简化整个信息共享的概念。

我们创建的数字健康平台名为 Teamplay 数字化医疗平台,汇集了数据和不断发展的应用,能够提供结合可访问性、灵活性、可扩展性和互操作性的统一平台。平台利用了现有的最新计算技术,并能具备作为云解决方案以及本地部署解决方案的灵活性,出于安全目的,甚至可以在机构内部部署。

我们希望能够借助我们的数字化健康平台,让我们的最终用户(那些医生)真正摆脱获取关键临床结果的技术限制和技术难题带来的困扰。

你们是如何确保他们获得自己所需的性能的?

我们打造了本地解决方案,以确保我们能够即时交付这些结果。

它利用云计算来始终确保我们的客户和那些医生具备最新、最出色的人工智能算法,从而得以处理现有的研究内容。它是边缘计算,让我们能够将这些场景混合在一起,从而能够即时交付结果。它还利用了我们的技术合作伙伴。

比如,我们与英特尔就建立了良好的合作伙伴关系,这对我们的数字化健康平台的运作非常关键。英特尔提供的处理性能非常重要,能够帮助我们设计我们的人工智能算法,并交付可以由 AI-Rad Companion 等解决方案同化的关键结果。

我们与英特尔的合作伙伴关系的好处,在于他们的 OpenVINO 工具套件可以支持我们为平台配置并优化不同的人工智能算法。坦白说,它让我们 Siemens Healthineers 能够专注于开发我们的算法和临床解决方案,以便处理那些临床结果,而无需担心技术或基础设施方面的局限。

AI-Rad Companion 的特征之一,是我们可以针对该解决方案处理的一张特定影像同时运行多个人工智能算法。从实用角度来说,这非常重要,因为在现实世界中,医生实际可能不清楚是什么疾病或病症在影响患者。如果我想同时运行多个算法,我必须具备多种计算能力、多种功能。这就是 OpenVINO 为我们团队排忧解难的地方。

人工智能有一些非常有趣的机会,可以超越个人诊断,更好地了解患者整体,甚至清楚最开始应该询问什么问题。

这就是 Siemens Healthineers 所了解到的,人工智能等技术的最大潜力。

我们正努力成为临床决策支持领域的领导者,不仅是在诊断方面,还包括患者的整个护理过程。这也意味着推动个性化医学等概念。不仅是尝试确定合适的诊断方式,还要尝试确定患者的最佳治疗方案或治疗计划。

我们目前正在开发另一款解决方案,名为 AI-Pathway Companion。该解决方案正在尝试利用这多种来源的患者数据,不仅是成像数据,还包括患者的化验结果、病理报告甚至是基因组数据和历史病例。然后是利用人工智能来消化所有信息,在所有不同的数据之间寻找关联,然后分析数据,从而为患者创建经优化的个性化治疗计划。

您如何确保来自不同合作伙伴的所有这些不同的解决方案能够安全、合规的协同工作?

Siemens Healthineers 引以为荣的是,数据安全和患者信息安全根植于我们的解决方案设计之中。它能够分离数据 – 如果不再需要,那么我们可以将所有患者信息、所有他们的 PHI 信息或受保护的健康信息删除。

这种设计思维也根植在我们打造的所有产品之中。

医疗保健数字化领域还有哪些值得我们期待的地方?

我们刚才谈到了有关利用人工智能等技术的几个不同概念。

我认为,未来我们如果能吸收所有这些分散的不同数据,如果我们能够获得你们所有的化验结果、病理报告和基因组构成信息,如果你们愿意,Siemens Healthineers 能做的就是开始打造患者的数字孪生。一种数字化的患者复制品。

数字孪生可用于模拟不同的诊断或治疗决策 – 在我们进行检查或对患者进行治疗之前,先对虚拟患者进行虚拟测试,并观察他们的反应如何。

我们可以利用数字孪生来帮助我们推动健康理想向前发展。

作者简介

Kenton Williston is an Editorial Consultant to insight.tech and previously served as the Editor-in-Chief of the publication as well as the editor of its predecessor publication, the Embedded Innovator magazine. Kenton received his B.S. in Electrical Engineering in 2000 and has been writing about embedded computing and IoT ever since.

Profile Photo of Kenton Williston