Uç Bilişim, Sağlık Analizlerindeki İlerlemelere Nasıl Yön Veriyor

Her yerde akıllı teknolojinin sağlık sektöründe BT’nin gelişme kaydetmesine yardımcı olan araçları nasıl sağladığını keşfedin.

Sağlık Hizmetleri İçin Uç Bilişimin Avantajları:

  • Gücünü uç yapay zekadan alan gerçek zamanlı görüntüleme ve analizlerle triyajın ve klinisyen desteğinin önemli ölçüde iyileştirilmesine yardımcı olur.

  • Verileri tesiste saklamanıza ve işlemenize olanak veren uç sunucuları kullanarak veri konumu ve gizliliği gerekliliklerine uyar.

  • Akıllı uç cihazları kullanarak veri analizlerini ve zekasını kaynağın, yani hastaların, sağlayıcıların ve teşhis ekipmanlarının yakınına getirir.

BUILT IN - ARTICLE INTRO SECOND COMPONENT

Intel® teknolojilerinin yardımıyla sağlık hizmeti sağlayıcıları finansal ve operasyonel değer elde ederken hasta sonuçlarının iyileştirilmesine yardımcı olması için verileri yeni bilgilere dönüştürmek üzere uç bilişim ve analizleri kullanabiliyorlar.

Uç Bilişim, Sağlık Hizmetlerindeki İlerlemelere Yön Veriyor

Modern sağlık sistemleri, hastaneler ve sağlayıcılar, hastalara daha hizmet verebilmek için yeni araçlar kullanıyor ve heyecan verici yeni bakım modelleri geliştiriyorlar. Bu stratejiler klinik karar desteğine (CDS) odaklanıyor ve klinisyenlere bakımı iyileştirmek için kullanabilecekleri zamanında, filtrelenmiş ve hastaya özgü bilgiler sağlıyor.

Bu arayış son birkaç yıldır sürekli artan sayıda tıbbi cihazın sağlık hizmetleri sektörüne giriş yapmasına neden oldu. Tabletlerden giyilebilir teknolojilere, sağlık takipçilerinden yapay zeka (AI) destekli görüntüleme sistemlerine dek pek çok cihaz var.

Giyilebilir teknolojiler, kalp atış hızı ve kan basıncı gibi hayati hasta verileri hakkında klinisyenlere zamanında durum bilgileri vererek tıbbi personeli bir sorun haline gelmeden önce önemli konularda uyarıyor. Sağlık takipçileri, hasta verilerini toplayıp sonuçlara göre eylemleri tetikleyerek uzaktan bakıma yardımcı olabiliyor; örneğin kan şekeri seviyesini takip edip bu bilgileri insülin pompası gibi ikinci bir cihaza göndererek insülin verilmesini sağlayabiliyor. Yapay zeka destekli görüntüleme modelleri, röntgenlerdeki potansiyel endişe noktalarını tespit edip bu görüntüleri radyolog veya hekim incelemesi için önceliklendirebiliyor.

Yeni geliştirilen bu inovasyonların potansiyeli çok yüksek ve daha iyi klinisyen iş akışları, daha düşük maliyetler ve daha gelişmiş hasta bakımını beraberinde getiriyor. Ancak tüm bu uç cihazların ortak bir noktası daha var: Hepsi veri üretiyor.

Dolayısıyla sağlık hizmeti sistemleri ve sağlayıcılarının bu eşi benzeri görülmemiş hacimlerdeki verileri nasıl yöneteceklerine ve en iyi şekilde nasıl kullanacaklarına karar vermeleri gerekiyor. Bant genişliği masrafı, erişim ve gizlilik göz önünde bulundurulduğunda hangi veriler buluta gönderilmeli ve hangi verilerin yerel olarak yönetilmesi daha iyi olur?

Uç bilişim; veri işleme, analiz ve depolamayı verilerin üretildiği kaynağa, örneğin hastanede bulunan bir sunucuya ya da hastanın evinde bulunan bir mobil cihaza yakınlaştırır. Uç bilişim, bulutun tamamlayıcısı olarak çalışır ve BT karar yetkililerinin bilgi işlem yelpazesinde iş yüklerinin yerleştirileceği en iyi yeri seçmelerine olanak verir. Bu strateji, sağlık sistemlerinin ortalama bir hastane için her yıl 50 petabayta ulaşmış olan verileri toplama, depolama ve analiz etme süreçlerini optimize etmelerine yardımcı olabilir.1

Bulut ve Uç Bilişimi Birleştirmek

Son yıllarda sağlık sistemleri ve sağlayıcıları verilerin depolanması, analiz edilmesi ve işlenmesi için büyük ölçüde buluta güvenmeye başladı. Intel’in yardımıyla, sağlık ve yaşam bilimleri sektörü artık ihtiyaçlara, maliyetlere ve avantajlara bağlı olarak bulut veya uç bilişimi kullanan yeni bir veri yönetim stratejisini benimsiyor. Örneğin, hastanın giyilebilir teknolojilerinden gelen ölçümlerin buluta iletişimini kısıtlayarak yalnızca öngörülen aralıklarla raporlanan özet toplamların gönderilmesi mantıklı olabilir.

Öte yandan, daha büyük operasyonel veya finansal verileri kaydeden sistemler için organizasyon genelindeki maliyetleri, satın alma ve faturalandırma planlarını ve tedarik zinciri taleplerini öngörme yöntemi olarak tercih edilen seçenek bulut olmaya devam edebilir.

Ayrıca, kişisel ya da hassas verilerin tesiste tutulması sağlık sistemlerinin ve sağlayıcılarının sıkı veri işleme ve gizlilik gerekliliklerine uymasını sağlar. Bu gereklilikler, 1996 tarihli Sağlık Sigortası Taşınabilirlik ve Sorumluluk Yasası’nda (HIPAA) belirtilenleri de kapsamaktadır. HIPAA, yaygınlaşan dijital teknolojiye karşılık olarak bireyin kimliğini ortaya çıkarabilecek sağlık bilgileri için Kongre tarafından öngörülen Federal gizlilik korumalarını da kapsamaktadır.

Uç Bilişim İçin Intel® Teknolojileri

Intel, kapsamlı ürün ve teknoloji yelpazesiyle sağlık verilerinin daha iyi kaydedilmesi, analiz edilmesi ve sentezlenmesi için uç bilişime, uç yapay zekaya ve uçtan buluta bağlantıya güç veriyor. Donanım ve yazılım oluşturma blokları ve araçlarından oluşan geniş portföyüyle Intel, doğru zekayı en çok ihtiyaç duyulan yere ulaştırma sürecini basitleştirmeye yardımcı oluyor.

Intel® QuickAssist Teknolojisi (Intel® QAT), ister uç sunucularda ister bulut sunucularında performansı artıran tek teknoloji. Yoğun bilgi işlem gerektiren operasyonları hızlandırmak için geliştirilen Intel QAT2, MRI ve bilgisayarlı tomografi taramaları gibi tıbbi görüntülerin yanı sıra ameliyat kayıtları gibi videoların kompresyonuna ve dekompresyonuna olanak veriyor.

Intel® Virtualization Teknolojisi (Intel® VT), performansla ilgili genel giderleri ortadan kaldırarak ve güvenliğin artırılmasına yardımcı olarak sanallaştırmayı pratikleştiren bir dizi teknoloji sunuyor. Intel® Virtualization Teknolojisi (Intel® VT) sayesinde birçok uygulama tek bir sunucu üzerinde çalışabiliyor. Sonuç olarak, sağlık sistemleri ve sağlayıcıları kritik trafiği daha etkili bir şekilde önceliklendirebiliyor, BT üzerindeki yükü azaltabiliyor ve maliyetleri düşürebiliyor.

Uçtan buluta analizlere ve yapay zekaya olanak veren Intel, sağlık hizmetleri sektörünün üstün CDS, daha hızlı teşhis ve iyileştirilmiş hasta takibi ve tedavisi arayışına destek oluyor.

Klinik Uç Bilişim Uygulamaları

Intel, sağlık hizmetlerindeki uç bilişim çözümleri arayışına sektördeki iş ortakları ve iş birlikçilerinden oluşan geniş bir ekosistemle katkıda bulunuyor. Intel, iş ortaklarıyla birlikte, mevcut bulut ve veri merkezi kaynaklarıyla çalışan ortak tek bir platform üzerinde birden fazla uç cihazını, uygulamasını ve servisini destekleyen çözümler üzerinde çalışıyor.

Intel, yakın tarihli iki örnekte uç bilişim ve uç analizleri kullanarak sağlayıcılara yeni klinik değer katmak için iş ortaklarıyla birlikte çalıştı.

Intel® Distribution of OpenVINO™ araç kitinin kullanılması, iyileştirilmiş algoritma performansı sağlayarak GE Healthcare’in Optima XR240amx röntgen sisteminde pnömotoraks tespitini 3 kattan daha fazla hızlandırmasına yardımcı oldu.2

Yapay Zeka Özellikli Görüntüleme

GE Healthcare , hayatı tehdit eden bir akciğer rahatsızlığı olan pnömotoraks dahil olmak üzere göğüs röntgenindeki kritik bulguları tespit etmek için tasarlanmış bir yapay zeka algoritması dizisi olan Critical Care Suite’in geliştirilmesinde Intel’den destek aldı. Intel, Intel® Distribution of OpenVINO™ araç kitini kullanarak Critical Care Suite algoritmalarının optimize edilmesine yardımcı oldu.

Araç kiti, GE Healthcare görüntüleme sistemlerinde kullanılan Intel® işlemciler için optimize edilmiş evrişimli görüntüye dayalı sınıflandırma modelleri dahil olmak üzere bilgisayarlı görüş ve derin öğrenmeyle çıkarsama araçları sağladı. Araç kitinin ve yapay zekanın kullanılması, tıbbi personelin pnömotoraks olasılığı gösteren görüntüleri tespit etmesine ve triyaj yapmasına yardımcı olarak radyologlara görüntüleme önceliklerini daha iyi belirleme imkanı sundu.

Algoritma performansını iyileştiren Intel, GE Healthcare’in Optima XR240amx röntgen sisteminde pnömotoraks tespitini 3 kattan daha fazla hızlandırmasına yardımcı oldu.3

Uzaktan Bakım

Intel, sağlık hizmetlerinde gelecek vadeden bir başka alanda ilerleme kaydetmek için HARMAN ile birlikte çalıştı: güvenilir uzaktan bakım. Şirketler, çeşitli tıbbi ve tıbbi olmayan cihazları bağlayarak sağlık verilerine erişim olanağı veren bir uzaktan hasta takibi çözümü geliştirdi.

Intel® mimarisine dayalı bir ağ geçidi kullanan HARMAN Remote Care Platform (RCP), uzaktan hasta takibi için Intel’in son teknoloji ürünü platformundan faydalanıyor. Uygulamalar arasında hasta bakım hizmetleri, kronik hastalık yönetimi ve hasta sağlık programları bulunuyor. Platform ayrıca maliyetlerin minimuma indirilmesine yardımcı olurken hastalar ve yaşlılar için evde sürekli bakıma olanak verecek şekilde tasarlandı.

Uç bilişim tabanlı uzaktan bakım gerçekten önemli avantajlar sağlayabilir. 2015 yılında yapılan bir çalışma, uzaktan bakım alan hastalarda 30 gün içinde hastaneye yeniden yatışta yüzde 50’lik bir azalma ve 180 gün içinde hastaneye yeniden yatışta yüzde 19’luk bir azalma olduğunu ortaya koyd.4 Yalnızca teletıbbın ABD’deki işveren sağlık hizmetleri maliyetlerini yıllık 6 milyar USD oranında azaltabileceği yönündeki tahminler göz önünde bulundurulduğunda kâr-zarar hanesinde de avantaj sağlanabileceği görülüyor.5

Sağlık Hizmetlerinde Uç Analizler Hastalardan Daha İyi Sonuç Alma İmkanı Sunuyor

Bu, heyecan verici yeni mobil cihazlar ve bakım noktası cihazlarının yaygınlaşmasıyla mümkün olan ve kendine bir yol çizen, sağlık sistemleri ve sağlayıcıları için yeni bir dünya. Intel, CDS’yi ve bakımı geliştirmek üzere sağlayıcının mevcut bulut stratejisinin yanı sıra bu uç cihazların gücünden faydalanmalarına yardımcı olmak için eşsiz bir pozisyona sahip.

Sektör bilgisi, teknolojisi ve geniş kapsamlı ekosistemi sayesinde Intel, verilerinden kullanılabilir değer elde etmeleri için sağlayıcılara ihtiyaç duydukları her şeyi sunuyor. McKinsey, güncel sağlık hizmeti verilerinin yalnızca azaltılan maliyetler açısından yıllık 300 milyar USD’den fazla tasarruf sağlanmasına yardımcı olabileceğini tahmin ediyor.6 Uç bilişim ve uç analizler ancak bakım süreci genelinde operasyonel, kliniksel ve finansal değeri artırmaya yönelik yeni fırsatlar sundukları sürece etkisini artıracak.

Size Yardım Etmek İçin Buradayız


Intel ile sıradaki teknoloji projeniz hakkında konuşmaya hazır mısınız?

Bildirimler ve Uyarılar

Performans testlerinde kullanılan yazılımlar ve iş yükleri yalnızca Intel® mikroişlemcilerdeki performans için optimize edilmiş olabilir.

SYSmark ve MobileMark gibi performans testleri; belirli bilgisayar sistemleri, bileşenler, yazılımlar, işlemler ve işlevler kullanılarak değerlendirilir. Bu etkenlerden herhangi birinde yapılacak bir değişiklik, sonuçların da değişmesine neden olabilir. Satın alma kararını verirken, ürünün diğer ürünlerle birlikte göstereceği performans da dahil olmak üzere, diğer bilgileri ve performans testlerini göz önünde bulundurmanız gerekir. Kapsamlı bilgi için www.intel.com/benchmarks adresini ziyaret edin.

Performans sonuçları, yapılandırmalardaki tarih itibarıyla yapılan testlere dayalıdır ve genel kullanıma açık tüm güvenlik güncellemelerini yansıtmayabilir. Ayrıntılar için yapılandırma bilgilerine göz atın. Hiçbir ürün veya bileşen mutlak güvenlik sağlayamaz.

Ürün ve Performans Bilgileri

1Bresnick, Jennifer. “Desire for Predictive Analytics Outpaces Hospital Investment,” Health IT Analytics, 8 Eylül 2016: healthitanalytics.com/news/desire-for-predictive-analytics-outpaces-hospital-investment.
2

Intel® teknolojilerinin özellikleri ve avantajları, sistem yapılandırmasına bağlıdır ve donanım, yazılım etkinleştirmesi ya da hizmet aktivasyonu gerektirebilir. Sistem yapılandırmasına bağlı olarak performansta farklılıklar görülebilir. Hiçbir ürün veya bileşen mutlak güvenlik sağlayamaz. Sistem üreticinize veya satıcınıza danışın ya da https://www.intel.com.tr adresinden daha fazla bilgi edinin.

3Sistem testi yapılandırma bilgileri: Intel® Core™ i5-4590S CPU @ 3.00 GHZ, x86_64, VT-x etkin, 16 GB bellek, İşletim sistemi: Linux magic x86_64 GNU/Linux, Ubuntu 16.04 çıkarsama hizmeti docker kapsayıcı. Testler GE Healthcare tarafından Eylül 2018 tarihinde gerçekleştirilmiştir. Testte, 3,092 saniyelik toplam çıkarsama süresine sahip TensorFlow modeli ile Distribution of OpenVINO™ araç kiti tarafından optimize edilen aynı model karşılaştırılmış, optimize edilen TF modeli 0,913 saniyelik toplam çıkarsama süresi elde etmiştir.
5“Mevcut Teletıp Teknolojisi Büyük Tasarruflar Anlamına Gelebilir,” MarketWatch, Ağustos 2014: https://www.marketwatch.com/press-release/current-telemedicine-technology-could-mean-big-savings-2014-08-11.
6“Kullanmak mı, Kaybetmek mi ?: Sağlık Bakımındaki Veri Bilimcileri Örneği,” NEJM Catalyst, May 4, 2017: https://catalyst.nejm.org/doi/full/10.1056/CAT.17.0493