在遠距離分析醫療和生命科學數據時，帶寬擁塞、網絡可靠性和延遲問題可能會對結果產生負面影響。當時間如此重要時，這一點至關重要。為了解決這些問題，具有前瞻性的醫療機構正在采用邊緣計算，在收集數據時對數據進行分析和處理。

人工智能驅動的邊緣儀器、醫療設備和技術正在通過使數據處理和存儲更接近數據源，并向臨床和研究團隊提供實時 i NSight 來改變醫療保健和生命科學。這對于醫療保健服務來說極其重要，而按需 i NSight s 幫助團隊對患者做出關鍵和緊急的決定。

在整個醫院，人工智能驅動的 edge 技術已經發揮了作用，幫助減少了手術的侵入性，減少了 X 光機的輻射照射，并監測了有跌倒風險的患者。

根據德勤和麻省理工技術評論，全球存儲數據的 30% 來自醫療保健和生命科學。考慮到來自醫療保健的數據量，實時收集和推導洞察力已成為當務之急，以幫助做出更快的臨床決策。

如今，在美國的醫院中，每個病床上都連接了 10-15 臺邊緣設備，用于監控患者當前的實時狀態。預計到 2025 年， 75% 的醫療數據將在邊緣生成。此外，全球聯網醫療設備市場預計將從 2017 年的 410 億美元增長到 2022 年的 1580 億美元。

為了擴展虛擬患者服務、管理醫療設備并支持智能醫院技術，醫療系統現在必須在數據采集設備附近處理大量數據，以減少延遲并實現實時決策。通過使 AI 工作流更接近源代碼，邊緣計算為醫療保健提供了許多優勢：

強健的基礎設施：通過邊緣設備現場處理數據使醫療機構能夠在不中斷的情況下保持其流程移動，即使在網絡中斷期間也是如此。

超低延遲處理：手眼協調等任務的吞吐量和實時洞察力對于確保更安全的手術非常重要。在邊緣處理數據可提供近乎即時的反饋。

增強安全性：將數據保留在設備內并在邊緣進行推斷意味著患者健康信息（ PHI ）保持安全，不易受到許多攻擊和數據泄露。

節省帶寬：邊緣 AI 處理減少了通過網絡或場外發送高帶寬數據（如視頻流）的需要。

利用操作技術領域知識：使領域專家能夠控制數據處理 AI 參數，使他們能夠創建高度適應性和注重結果的解決方案。

醫療器械

邊緣的現代醫療器械正在成為人工智能，在經監管機構批準的設備中內置了加速計算功能。這些功能包括改進的醫學圖像采集和重建、診斷和治療計劃的工作流優化、器官和腫瘤的測量、手術治療指導以及實時可視化和監控。

現代手術室是一個復雜的環境，需要團隊同時處理、協調和處理多個信息源。

在外科手術中，邊緣人工智能工具起到幫助作用的一個例子是腹腔鏡手術。腹腔鏡是一種利用小切口、手術器械和腹腔鏡在腹部或骨盆進行的微創手術。腹腔鏡是一種帶有光源和照相機的小管子，它將腹部或骨盆內部的圖像傳送到電視監視器。

超低延遲的手術視頻流到 AI 驅動的數據處理工作流中，使外科醫生能夠專注于發現需要移除的異常，進行自動測量，跟蹤手術工具，監控需要保留的器官，或實時檢測出血。

人工智能增強型醫療設備為外科醫生帶來了數據驅動的洞察力隨需應變。這些洞察力有助于使手術盡可能微創，并提高患者的恢復時間。通過在傳感器和流式數據使用開發工具包上構建 AI 模型，團隊可以立即收集洞察力 ，甚至可以遠程管理分布式醫療儀器的車隊。

在手術室外，許多不同類別的醫療和生命科學儀器也受益于邊緣計算。這些儀器包括 CT 和 MRI 成像掃描儀、超聲波設備、放射治療、冷凍電子顯微鏡和 DNA 測序儀。

下一代測序（ NGS ）指的是大規模的 DNA 測序技術，可以在構成我們 DNA 的核苷酸堿基中發現變異。這些堿基的順序編碼基因，然后編碼蛋白質。當基因中的堿基缺失或排列錯誤時，蛋白質的產生會受到影響，并會擾亂正常發育或導致健康狀況。現在有了打印機或手持設備大小的 NGS 技術，可以在候診室或現場運行，能夠在邊緣進行實時測序，幫助檢測 DNA 中的這些致病變異。

智能醫院與患者監控

智能醫院還將邊緣計算和人工智能工作流集成到諸如患者監測、患者篩查、對話人工智能、心率估計、 CT 掃描儀等技術中。這些技術可以幫助確定有可能從病床上摔下來的患者，并通知護理人員。

人體姿勢估計是一項流行的計算機視覺任務，用于估計人身上的關鍵點，如眼睛、 ARM 和腿。這有助于對一個人的行為進行分類，如站立、坐下、行走或躺下。了解一個人所做事情的背景在廣泛的行業中有著廣泛的應用。在醫療保健領域，這可用于監測患者，并在患者需要醫療護理時提醒醫務人員。

將數千張病床的實時流媒體視頻饋送到遠程數據中心面臨許多挑戰，包括確保患者的機密性、網絡帶寬不足以及網絡宕機風險，這可能會中斷患者監控。與其將所有這些數據流到遠程數據中心，還可以在邊緣進行處理，在床邊，可根據需要生成洞察力和警報。這提供了實時數據分析，以更快地響應處于困境中的患者，并確保了強大的容錯能力。

醫療保健公司正在使用物聯網傳感器自動化其流程，物聯網傳感器生成大量數據，然后添加人工智能工具，進一步幫助優化洞察力以更好地進行臨床決策。網絡邊緣的計算對于速度、規模、可靠性、安全性、性能和實時洞察力至關重要。

關于作者

Vanessa Braunstein 在 NVIDIA 的醫療團隊從事產品營銷工作。此前，她在基因組學、醫學成像、制藥、化學和診斷公司從事產品開發和營銷。她學習分子和細胞生物學、公共衛生和商業。

審核編輯：郭婷