邊緣運算將有助於重塑醫療服務的提供方式、地點和速度,但大規模採用仍有困難。
文/Mary K. Pratt‧譯/潘得龍
位於加州的兒科醫療保健體系機構,奧蘭治縣兒童健康中心,正在與其他醫療機構合作,進行臨床醫療影像的蒐集,像是MRI核磁共振、超音波以及心電圖等。他們的目標,是想要建立醫學影像資料庫以利後續進行資料探勘,從而開發訓練出能夠幫助臨床醫生執行診斷的演算法。
儘管計劃尚處於早期階段,但CHOC副總裁兼資訊長 John Henderson 已經在考慮他的組織需要哪些技術,以便實現這樣的人工智慧系統。他說,邊緣運算能夠對大型文件進行即時分析,這將是實現這項工作的關鍵組成部分。
邊緣運算越來越被視為能夠協助各種不同的連結設備,產生資料生態系統中的重要組成部分。它通常被定義為一種分散式運算,能將運算和資料儲存在實際上靠近資料產生和運用的位置。
在典型的邊緣運算架構中,位於網路邊緣的邊緣伺服器或閘道器,會先儲存和處理由感應器、相機以及智慧型手機等終端設備所產生的資料,然後才將部分或全部資料傳送到雲端進行額外處理。在某些情況下,初始處理是在終端設備本身上執行的,但無論哪種方式,初始資料處理和分析都發生在資料收集地點附近,而不是在遠端的雲端伺服器或企業資料中心。
在醫療照護領域,這樣的技術可以就近在病人端,先針對感應器和其它醫療設備所收集的資料進行分析。許多醫療IT專家預測,這種運算和儲存能力具備高度可用性,將能夠提供近乎即時的處理,因此有利於改革醫療照護的模式。
[ 推薦閱讀: 臨床流程不再造 醫療AI難以落地 ]
Henderson說:「邊緣運算目前還處於醫療照護應用的早期階段,不過這症是我們正在研究的項目。他將邊緣運算視為多種醫療保照護場景中,其中一種可以應用的關鍵支援技術。」
雲端運算可以藉由處理來自醫療設備的資料,例如血糖監測儀和血壓壓脈帶的資料,然後主動提醒臨床醫生有問題的數據,從而協助醫療人員先進的遠端患者監測能力。當各類設備在醫院設施中移動時,也可以使用於實現對醫療設備的即時管理。另外在醫院的教育訓練中,在提供擴增實境和虛擬實境的內容上,邊緣運算設備的特性,可以使用於確保使用者不會有延遲的感覺。
「雲端運算允許醫療照護組織推出新的功能並提高回應的速度」,IDC研究公司的副總裁 Dave McCarthy 指出,他領導的分析師團隊,就涵蓋了共享(公有)雲、專用(私有)雲和邊緣運算策略。
無所不在,而且隨時都在的健康照護
醫療照護業正表現出對邊緣運算的興趣和需求,那麼現在是投入的好時機嗎?
產生資料的終端設備呈現指數增長,是推動邊緣運算需求的重要因素之一。IDC公共部門集團副總裁 Lynne Dunbrack,藉由使用美國醫院協會AHA所蒐集的床位資料,針對每張病床相關的的醫療設備,以及AHA的920,000張配備人員的病床,計算出臨床設備總數為920萬至1,380萬台。
與此同時,醫療照護行業正在加速演算法、機器學習以及人工智慧的應用。這個產業還在臨床護理和培訓中應用更多的擴增實境和虛擬實境。所有這些用途都需要強大的即時資料處理能力,才能在醫療照護環境中有效地提供可用的結果。
此外,醫療照護正在擴展到醫院和醫生檢查室之外,藉由虛擬看診、遠端患者監控和消費者穿戴設裝置,產生出了更多臨床醫生想要取得和分析的數據,而且是可以隨時隨地提供的醫療數據。
來自 IDC Futurescape 的數據:2021年全球健康產業預測,強調了這些趨勢。根據報告:
- 到2021年底,10家領先的腕戴式可穿戴設備公司中的7家將發布演算法,能夠及早偵測到包括COVID-19和流感在內的傳染病的可能跡象。
- 而到2024年,資料量的激增將導致60%醫療機構的IT基礎架構,會在他們的資料平台上,採用用人工智慧以改進流程自動化和決策制定。
- 為了能針對醫療照護專業人員的在職持續教育順鍊,提供身臨其境的培訓並增強使用體驗,預估至2025年,60%的供應商將會從概念驗證,進入到全面部署AR/VR技術。
- 到2026年,65%的醫學影像工作流程,將使用人工智慧檢測潛在疾病,並提供臨床治療方式的指引,而50%將使用遠端放射醫學以共享研究成果,且能提供與放射醫學科醫師諮詢的機會。
儘管大部分資料最終會以集中式伺服器的方式儲存,(無論是在雲端還是在醫院的本地資料中心),但醫療IT專家表示,其中很大一部分資料需要在更靠近資料產生位置進行收集、處理和儲存以及運用。
專家表示,由於將大量資料轉移到雲端的成本較高,同時也會有、網路存取限制和延遲等問題,因此醫療照護需要需要更多可性處理能力。
「邊緣運算在過去幾年變得如此重要的一個主要原因,是人們在使用雲端時所遇到的一些限制。」McCarthy指出:「當會有大量資料產生,同時又有即時分析處理的需求時,就會需要採用邊緣運用。」
[ 加入 CIO Taiwan 官方 LINE 與 FB ,與全球CIO同步獲取精華見解 ]
Mike Angelakos 是Geisinger技術長,這是位於美國賓夕法尼亞州丹維爾的健康照護系統服務機構。他表示,隨著他和他一些負責業務執行的同事,在組織內推動醫療照護的連結以及其它數位計劃的時候,他看到了這些問題。
他指出,某些醫療影像的檔案大小可以高達3GB到6GB,而臨床醫生會經常有需求,在任意的時間點查看病人的多張影像。
「由於這些影像的檔案太大了,而且還要因應在螢幕上操作時的讀取和各類的解析處理,因此並不適合完全採用雲端的方式。」他表示,將此類材料傳輸到應用程式可以對其進行分析的集中式伺服器不僅耗費很高的成本,而且在緊急情況下取得的速度也不夠迅速。「當我們緊急外傷處理的醫療影像檔案時,那些額外的幾秒鐘,對病人而言意義是很重大的。」
醫療運算還在早期階段但成長速度領先
根據IDC在2021年6月的「邊緣運算支出指南」中指出,到了2025年,醫療供應商在邊緣運算(硬體、軟體和服務等)上的支出將達到103億美元,五年總年增長率為17%。
儘管金額看似巨大,但健康IT領導者表示,邊緣運算在醫療照護中的應用仍處於早期階段。此外,他們指出,當今醫療照護的邊緣運算,其運算能力大部分還是內嵌在終端設備中。
位於科羅拉多州的醫院、診所和醫療照護網路供應商UCHealth的資訊長 Steve Hess 指出:「如果你走進病房,就會立刻看到四到五台設備,例如心臟監視器,就是一種邊緣運算設備。設備能夠獲取病人的資料,並直接設備端將資料進行視覺化的處理。我們已經模糊了醫療設備和IT設備之間的界限。」
健康IT專家預計,未來幾年對於邊緣運算的投資將會持續成長,隨著這種增長,一些人表示,邊緣運算將有助於改變提供醫療的方式、地點和速度。
Angelakos以一個測試項目為例,Geisinger正在測試一個使用自動化和臉部識別技術的平台,以便患者可以藉由智慧手機簡易的完成門診掛號,並在身體檢查前接收到來自醫療工作人員的指示訊息。
Angelakos說:「在這樣的情況下,病人的智慧型手機將成為一種邊緣運算設備。能夠有助於從病人的角度簡化使用經驗,也就是能夠簡化操作本身。」他補充指出,這個平台將有助於降低掛號過程中的實體接觸點(有助於減少細菌傳播),同時並避免紙張的使用(節省資源)。
其他的見解,則更是為醫療照護領域的邊緣運算,設想了更多變革性的機會。
Weisong Shi 是韋恩州立大學電腦科學教授,邊緣運算和互聯健康專家,他以未來的急診服務為例說明。在救護車上工作的醫療人員可以先藉由拍攝照片,然後這些照片可以與來自車載醫療設備的病人生命徵象資料進行整合,並由邊緣運算設備進行分析。然後,初步分析的結果可以指導救護車上的醫療人員在途中先進行必要的處置,並且同步提醒急診室臨床醫生如何最好地為病人的到來預先做好準備。
或者,Shi教授表示,執行現場即時資料運算的邊緣設備,可以讓醫療人員在現場就能完成檢傷分類、評估甚至有效治療患者,有助於減少不必要的醫院就診。
其他人則引用邊緣運算在實現更有效的虛擬護理和遠距患者監控方面的潛力,作為該技術轉型能力的證據。
Hess說,與許多其他醫療機構一樣,UCHealth在COVID-19疫情期間,擴大了虛擬醫療的使用範圍。與此同時,醫療照護系統擴展了遠距監測患者的能力。為了在這兩種情況下更好地為患者服務,Hess表示,他設想藉由邊緣運算和其他技術,如人工智慧支持的數位工具,可以收集和分析病人所產生的資料,能夠為病人和臨床醫生提供提訊息的洞察。
「我們對病人照護的看法,未來真的會是讓你保持健康,他繼續解釋,「如果我們能弄清楚你的正常健康狀況是什麼,以及你的健康異常情況,我們就可以在適當的時間點進行介入。所有這些都需要一些邊緣運算,要來自你的資料,將這些資料提供給邊緣運算的智慧層。
Hess表示,邊緣運算 ─ 無論是在病人的手機上還是在專用設備上進行 ─ 對於在網際網路連線速度較慢,甚至沒有網際網路連線的偏鄉地區進行資料分析尤為重要。
在健康照護產業擴展雲端運算的阻礙
根據許多CIO和健康IT研究人員表示,邊緣運算在醫療照護中的廣泛採用,還需要數年時間,甚至可能需要十年或更長時間。正如CHOC的Henderson所指出的,「目前還為時過早,這個主題是一個10年以上的發展趨勢。」
專家表示,多種因素正在影響著邊緣運算的發展。
首先,醫療機構通常有其它項目的投資重點。許多CIO認為,針對病人的照護能夠產生直接影響的醫療設備和診斷設備,會是最優先的資金投入考量。
Henderson解釋:「新技術成為主流需要時間,而到真正被接受又需要額外時間,因為這涉及資金的投入,當你查看醫療照護必須進行的各種投資時,你會希望確保錢能用在刀口上。」
例如,Shi提到他和幾位同事開發了一個連結急診醫療服務(EMS)的雛型架構,並命名為STREMS,主要的功能是提供EMS的智慧即時到院前的通訊系統 ─ 但這個計畫提案尚未獲得資金投入。
與此相關的是,許多機構尚未投資於推動邊緣運算能力需求的其他技術組件。患者床邊的許多醫療設備都帶有嵌入式運算能力,因此已經在產生應用價值。但是,另外一類新興出現,由人工智慧所支持的工具,使用於分析病人所產生的資料,但尚未廣泛部署,許多端點和物聯網(IoT)設備也是如此。
Shi指出,事實上,許多醫療機構仍在致力於完整整合他們多年來部署的所有應用程式和系統 ─ 整合對於運用邊緣病人資料至關重要。
此外,醫療照護機構必須為使用邊緣運算的計劃,制定強有力的資料政策和程序,不僅要保護敏感的病人資料,還要替每個使用案例,確定所需的正確資料。否則,最終可能產生過多的資料,從而產生雜訊而不是價值。
「挑戰在於創建整個生態系統,整個鏈結相當長。你可能可以在邊緣運算方面取得進步,但僅憑這一點並不能真正改變整個事情」,ACM/IEEE 邊緣運算研討會和 IEEE/ACM 互聯健康:應用、系統和工程研討會的發起指導委員會主席Shi如此表示。
事實上,賓夕法尼亞州阿倫敦的 Lehigh Valley Health Network (LVHN) 資深副總裁兼資訊長 Michael Minear 表示,他並不認為邊緣運算是一項關鍵需求。他說:「我們非常關注臨床設備,例如CT電腦斷層掃描和數位輸幫浦等。對我們而言,這類需求在病人照護方面具有高度策略性和重要意義。」
此外,Minear表示他已經具備處理其機構資料的IT能力。他指出醫療照護系統中的臨床設備,每天會向電子病歷(EHR)系統上傳將近2,700萬筆資料。不過,LVHN是在本地網路和本地伺服器上運行這些設備,因此Minear表示他沒有遇到需要投資邊緣運算來解決的與雲端相關的延遲問題。
Edge在互聯照護方面的價值
Dunbrack承認邊緣運算對於在本地運行大量系統的組織來說並不重要,但她仍然將邊緣視為現代醫療照護中一個有價值的變革成份。
她說,Edge減少了延遲,無需將所有本地所產生的資料傳輸到雲(或本地資料中心),從而保留所需的網路頻寬並控制傳輸和集中儲存的成本。邊緣運算可以藉由限制資料向本地的其它設備移動,以及限制在一個地點收集的資料範圍,而能有更好的安全優勢。
但是,Dunbrack也表示,邊緣運算的最大價值,實際上在於它能夠處理和分析靠近病人身體的資料,而不會因網路速度而產生任何延遲,即使外部網路斷線,邊緣運算也能持續原本設計的功能。
因此她說,這對於實現互聯醫療以及無處不在的醫療照護,以及無處不在的醫療照護的革命性概念至關重要。
(本文授權非營利轉載,請註明出處:CIO Taiwan)