Nebesa jsou hranicí: Výhody cloud computingu ve zdravotnictví

Vynález počítačů lze přirovnat k objevu penicilinu: oba měly hluboký dopad na záchranu lidských životů. Stejně jako penicilin způsobil revoluci v medicíně ve 20. století, nástup počítačů — a konkrétněji cloud computingu — proměnil moderní zdravotnictví.

Cloud computing pro zdravotnictví nejen urychlil lékařský výzkum a vývoj vakcín. Udělala to, že přetvořila způsob, jakým je samotná péče poskytována a řízena. Během pandemie COVID-19 byl dopad cloud computingu na zdravotnictví tak obrovský, že výzkumní pracovníci, farmaceutické společnosti, poskytovatelé zdravotní péče a vládní agentury byli schopni sdružovat zdroje, sdílet poznatky v reálném čase a koordinovat dodavatelské řetězce.

Bez cloudu by byl vývoj a distribuce úderů i nasazení aplikací pro sledování kontaktů bolestně pomalejší. A výsledek? Ještě větší ztráty na životech. Na rozdíl od pandemie v roce 1918, kdy vědecký pokrok zpomalil omezený přístup k datům a zdrojům, nám cloud computing poskytl výhodu v boji proti COVID-19 v hyperpropojeném, globalizovaném světě. V tuto chvíli je upřímně těžké si vůbec představit potenciál pokroků řízených umělou inteligencí v diagnostice, léčbě a péči o pacienty. Budoucnost zdravotní péče by mohla přinést léčbu šitou na míru individuálním potřebám pacientů s tak vysokou přesností, jaká dosud nebyla možná.

McKinsey odhaduje, že cloud computing by mohl přinést zdravotnickým společnostem do roku 2030 hodnotu mezi 100 a 170 miliardami USD ročně. Jaké jsou tedy přesné výhody cloud computingu ve zdravotnictví?

Výhody cloud computingu ve zdravotnictví: skutečné případy

Místo spekulací o tom, jak skvělé a inovativní je zavést cloud computing ve zdravotnictví, pojďme rovnou k praktické stránce věci.

HCA Healthcare

Rostoucí zátěž administrativní práce a složitá výměna informací stále více odvádí pozornost poskytovatelů zdravotní péče od jejich primárního poslání — péče o pacienty. Aby se to změnilo, HCA Healthcare zavedla generativní AI v rámci klinických pracovních postupů.

Zdravotní sestry a další poskytovatelé zdravotní péče tráví příliš mnoho času administrativními úkoly, jako je aktualizace záznamů o pacientech, dokumentace péče a předávání informací mezi směnami. I když jsou tyto povinnosti jistě nutností, komplikovaná komunikace mezi zdravotnickými týmy často vede k neefektivitě, zvýšenému stresu a riziku lidské chyby — zejména v prostředí s vysokým tlakem.

HCA začala používat kombinaci Vertex AI, BigQuery a Looker Studio k automatizaci klíčových úloh správy. Systém se dívá na diagramy pacientů a generuje pro sestry nástroje pro předávání v reálném čase, ke kterým mají přístup na chytrém telefonu. Tyto nástroje vytvářejí podrobnou časovou osu péče o pacienta za posledních 12 hodin a vytvářejí kritické poznatky a trendy, které sestrám umožňují rychle zhodnotit stav pacienta a určit další kroky v péči.

Umělá inteligence jim na konci dne umožňuje soustředit se na péči o pacienty spíše než na časově náročné zadávání dat nebo interpretaci složitých předávacích poznámek. Výsledek? Výsledky pacientů se zlepšují a poskytovatelé zdravotní péče vidí méně vyhořelých zaměstnanců.

HCA ale chápe, že bez infrastruktury a vysoce kvalitních dat nebude iniciativa nikdy úspěšná tak, jak si přeje. Proto společnost říká, jak důležité je investovat do cloud computingu, Big Data a pokročilé AI. Ve spojení s přesnými, všezahrnujícími daty může generativní umělá inteligence pomoci poskytovatelům zdravotní péče poskytovat pacientům personalizovanější, poutavější a efektivnější způsob a zároveň otevřít nové možnosti v celém zdravotnickém odvětví.

Tento pilotní projekt představuje první krok ve vizionářském cíli HCA vytvořit prostředí, kde je široká cloudová technologie ve zdravotnickém průmyslu plně integrována do soucitné a vysoce kvalitní péče. Dlouhodobým cílem je „odpoutat“ zdravotnické pracovníky od jejich pracovních stanic a umožnit jim trávit více času s pacientem.

American Cancer Society

Rakovina prsu je onemocnění, které má několik podtypů, které vyžadují odlišné přístupy k diagnostice a léčbě. Bez hlubšího pochopení těchto podtypů je prostě nemožné dospět k pokročilým léčebným strategiím. American Cancer Society, přední výzkumná organizace, urychluje porozumění patologii rakoviny prsu prostřednictvím pokročilých technik strojového učení.

Výzkum v této oblasti komplikuje především naprostá složitost a objem dat spojených s analýzou tkání. Americká rakovinová společnost překonala tuto výzvu pomocí strojového učení urychlit analýzu rozsáhlého souboru dat: 1 700 případů rakoviny prsu, každý se souvisejícími vzorky tkáně, nashromážděných za 20 let. Výzva byla umocněna obrovskou velikostí obrazových dat, přičemž každý obrázek vzorku tkáně se pohyboval od 5 do 10 gigabajtů.

Americká rakovinová společnost se obrátila na Cloudová řešení Google, konkrétně pro nesupervizované klastrování, aby se urychlil její výzkum. Díky použití několika vrstev algoritmů dokázala zpracovat obrovskou datovou sadu za pouhé tři měsíce – něco, co by patologům trvalo roky. V tomto ohledu modely strojového učení umožnily identifikovat základní vzorce ve vzorcích prsní tkáně v mnohem kratším čase.

Klastrovací přístup umožnil American Cancer Society požádat stroj, aby seskupil data (tj. dlaždice z obrázků tkáně) na základě inherentních podobností. Je pozoruhodné, že některé klastery, které stroj vygeneroval, byly v souladu se stávajícími znalostmi o podtypech rakoviny prsu, což potvrdilo účinnost modelu. Na druhou stranu některé klastery představovaly seskupení, která byla dříve neznámá, a tudíž ne zcela vysvětlitelná stávajícími znalostmi patologie. Tento objev jen ukázal, jaký potenciál má strojové učení při odhalování skrytých vzorců, které by mohly vést k novým poznatkům ve výzkumu rakoviny prsu.

Při výběru poskytovatele cloudu pro takový ambiciózní projekt kladla American Cancer Society velký důraz na soukromí a soulad s předpisy a dalšími federálními zákony upravujícími zdravotnická data (např. zákon o přenositelnosti a odpovědnosti zdravotního pojištění). Cloudová infrastruktura Google nakonec pomohla American Cancer Society rozšířit její výpočetní zdroje, ukládat obrovské množství dat a udržet PII (osobně identifikovatelné informace) v soukromí během výzkumného procesu.

Moderna

Řízení klinických studií vyžaduje sběr a analýzu obrovského množství dat pocházejících ze všech druhů zdrojů. Data z klinických studií se obvykle nacházejí na různých platformách, takže lékaři a výzkumní pracovníci musí ručně spojovat informace po částech – často pomocí nástrojů, jako je Excel. Tento přístup trval příliš dlouho, byl náchylný k chybám a bylo obtížné získat jasný přehled o průběhu pokusu v reálném čase. Pro odstranění tyto neefektivity jednou provždy, Moderna implementovala nástroj Looker. Cílem bylo zlepšit integraci dat, rozhodování a rozmanitost.

Po spojení interních datových sad — jako jsou data z klinických operací a demografie pacientů (včetně rasy, pohlaví, věku a rizikových faktorů) – spolu s externími daty, jako jsou epidemiologie a informace ze sčítání, vytvořila společnost Moderna pohled s jedním sklem. Jednou z hlavních výhod cloud computingu ve zdravotnictví byla schopnost Lookera sledovat a zlepšovat rozmanitost v rámci klinických studií. Aby byly výsledky přesné a široce použitelné, je důležité dosáhnout rozmanitosti účastníků studie — napříč rasou, pohlavím, věkem a dalšími demografickými faktory.

Tým Data Science společnosti Moderna dokonce zašel tak daleko, že vyvinul vlastní metriky týkající se rasové diverzity, což společnosti umožnilo měřit zkušební výkon ve vztahu k cílům diverzity na regionální i místní úrovni. Dashboardy poskytují přehled o tom, jak si jednotlivé stránky vedou ve srovnání s ostatními a regionálními srovnávacími ukazateli; tyto poznatky jsou pak sdíleny mezi více týmy.

Společnost Moderna nyní může činit vědomá a informovaná rozhodnutí o upřednostnění rozmanitosti ve svých klinických studiích, což se promítá do reprezentativnějších studií a řeší dlouhodobé mezery v rozmanitosti klinických studií. Týmy si nyní mohou často a rychle prohlížet metriky zkušebních registrací a přehledové panely, které vyžadují pozornost a rychlé nápravné akce. Díky této nové úrovni přehledu mají výzkumníci z Moderny také lepší možnosti optimalizovat náborové úsilí tím, že sdílejí data interně s vedoucími a náborovými týmy.

O nás

Cloudfresh je Global Google Cloud Premier Partner.

• Prozkoumejte vlastní řešení GCP s praktickými odbornými znalostmi, které přizpůsobí každý aspekt vašemu jedinečnému pracovnímu zatížení a projektovým ambicím. Náš tým je tu, aby vám pomohl navrhnout, nakonfigurovat, otestovat a doladit vaše cloudové prostředí k dokonalosti.
• Převezměte kontrolu nad svou budoucností pomoci konzultačních služeb Google Cloud, které zahrnují – ale nejsou omezeny na – hloubkový audit a strategický plán pro vaši stávající infrastrukturu, abyste byli připraveni na vše, co přijde.
• Získejte ze svého úsilí AI maximum díky personalizovanému poradenství a odborné technické podpoře od certifikovaných profesionálů, kteří vědí, jak využít každou výhodu, kterou nabízí.
• Zajistěte, aby byla migrace mimo místní provoz bez cloudu díky bleskově rychlému nasazení, minimálnímu dopadu na šířku pásma a laserovému zaměření na efektivitu, aby vše fungovalo hladce.
• Optimalizujte svůj rozpočet pomocí pokročilých nástrojů, které sníží vaše celkové náklady na vlastnictví (TCO) a přinesou příležitosti k úsporám nákladů – díky tomu získáte větší hodnotu z vaší investice do Google Cloud.
• Spojte své síly s výkonným týmem specialistů na architekturu, datové inženýrství, zabezpečení, sítě, DevOps a vývoj aplikací a navrhněte cloudová řešení pro zdravotnictví, která jsou dokonale v souladu s osvědčenými postupy Google Cloud a poskytují přesně to, co potřebujete.