當我兒子還是個小孩時，他去兒科醫生進行了常規的CAT掃描。簡單的東西。只需一點點就可以制服他幾分鐘。他會醒著，輕浮地結束。
除了我兒子沒有醒來。他躺在診所的桌子上，反應遲鈍，生命力慢慢下降。該診所無法診斷他的病情。五分鐘後，他在一輛救護車的後面。我的妻子和我無能為力，只能繼續看下去，為我們男孩的生命發狂。
原來，他對一種普通的鹽酸鎮靜劑反應不好。一旦解決了這個問題，醫生很快就把他帶回來了，他很好。
如果…
但是，如果通過突破性的計算，數據庫和AI技術的混合，對他的血液和基因組進行快速的分析就可以揭示它在成為關鍵問題之前的潛力呢？
如果有可能針對他和他的身體的獨特狀況設計治療方案，而不是接受切餅方法並在其後立即處理不良反應，該怎麼辦？
而且，如果小型，甚至具有高帶寬連接能力的便攜式醫療設備都可以做到這一點呢？
簡而言之，如果通過卓越的計算能力和下一代無線連接能力，像我兒子這樣的數百萬人能夠在現場得到迅速，準確的治療，而不會忍受傳統醫療方法的成本和創傷呢？
我問有關兒子的這些問題是當今精準醫學工作的核心。這是根據個人特點量身定製治療方法的做法。精密醫學涵蓋了越來越多的領域，包括腫瘤學，免疫學，精神病學和呼吸系統疾病，其後端充滿了大數據分析。
關鍵點：
- 精密醫學利用患者的個體特徵（包括遺傳學）來識別高度特異性的，優化的醫療保健步驟。
- 需要5G以及新一代的無線和處理器來提供所需的速度和可訪問性。
- 優化並行處理的工作量使精密醫學更加實用。
- 像英特爾的“全天候”這樣的願景使用AI，5G和醫療物聯網在24小時內 將患者從檢查到精確治療。
數據推動以個人為中心的護理
將藥物與基因特徵配對僅涵蓋可以集中用於特定患者護理的部分數據類型。
考慮布朗克斯區的Montefiore衛生系統。它已經部署了語義數據湖，這是一種用於收集大量不同數據並將其在AI的幫助下整理為可用形式的體系結構。除了針對現場收集的患者的大量數據（包括從許多醫療傳感器和設備中收集的數據）之外，Montefiore的醫療保健專業人員還根據需要整理來自PharmGKB數據庫（遺傳變異和藥物反應），美國國立衛生研究院的數據來源的數據。統一醫學語言系統（UMLS）和在線孟德爾遺傳（人類基因組數據）。
長的故事短，基於弗朗茲-英特爾/ Cloudera公司/解決方案被證明能夠為患者準確地創建風險評分，預測他們是否有一個關鍵的呼吸事件，以及採取何種行動提醒醫生。
上圖：由Montefiore Health System實現的語義數據湖體系結構從多個數據庫中提取信息，以解決開放式查詢並提供一系列可行的醫療保健結果。
蒙特菲奧雷系統高級副總裁兼首席醫療官安德魯·拉辛（Andrew Racine）博士指出： “我們正在利用該機構中的重症患者的信息，以試圖確定那些有發展為呼吸衰竭風險的人（以便）我們可以改變其發展軌跡。”
如今，像Montefiore這樣的機構可以跨許多數據庫執行AI驅動的分析，下一步可能是通過5G網絡集成異地通信。這樣做將使醫生能夠從野外，從緊急地點到例行的家庭訪問中收集數據，並獲得有關如何進行的實時建議。這不僅可以使醫療保健專業人員提供更快，更準確的診斷，還可以讓普通醫生提供針對特定患者的個性化需求的專業建議。研究人員說，在一個到2030年將面對1500萬醫護人員短缺的世界中，在遠方的指導下使這樣的護理人員成為關鍵。
會發生什麼（AI，對於初學者而言）
無論如何，啟用此類服務並非易事。考慮數以百萬計的人可能需要進行基因測序，以便獲得足夠廣泛的樣本進行此類診斷。這僅僅是開始。
必須將不同的數據庫組合在一起（通常是通過雲計算的距離很遠），而又不能犧牲患者的權利或隱私。儘管有明確的需求，根據《華爾街日報》，在臨床試驗中，只有4％的美國癌症患者將其基因組數據提供給研究，而大多數治療結果對於研究和診斷界來說都是未知的。跨系統和數據庫維護患者匿名性和數據安全性的新方法在解決這一問題上應該有很長的路要走。一個有希望的例子：利用Intel Xeon平臺的處理效率，通過Oracle數據庫處理Epic EHR患者信息的透明數據加密（TDE）。擁護者表示，從醫療邊緣設備到核心數據中心可以集成更多的加密和受信任的執行技術（例如SGX），公眾將學到更多允許收集和使用其數據的知識。
除了安全性，精密醫學還需要出色的計算能力。必須運行分子建模和模擬以評估藥物與特定患者群體的相互作用，然後可能再次運行以查看該藥物在其他藥物存在下如何執行相同的作用。這樣的測試就是為什麼將一種藥物推向市場需要數十億美元和超過十年的時間的原因。
幸運的是，許多組織正在採用新技術從根本上加速這一過程。人工智能在加速和改善許多醫療保健和生命科學任務中涉及的重複，死記硬背的操作中起著關鍵作用。
例如，製藥巨頭諾華公司使用深度神經網絡（DNN）技術來加速高內涵篩選，這是對細胞水平圖像的分析，以確定當暴露於不同的遺傳或化學相互作用時它們如何反應。通過將處理平臺更新為最新一代的至強處理器，並行化工作負載，並使用諸如英特爾數據分析加速庫（DAAL）和英特爾Caffe之類的工具，諾華公司的性能比以前的配置提高了近22倍。這些是醫療機構可以期望的好處，它們可以通過優化平臺來更新遺留流程，這些平臺可以通過AI和高水平的並行化進行加速。
比訓練有素的放射科醫生更快
有趣的是，這種能力的數量級飛躍，儘管對於控制流入醫療數據庫的數據激增至關重要，但也可以應用於醫療物聯網設備。考慮一下X光機。基本上，它們是照相機，需要人類專家（放射線醫生）在將檢查結果傳遞給醫生之前檢查圖像並尋找健康或疾病的模式。根據GE Healthcare的數據，醫院現在每年生成50 PB的數據。GE表示，“驚人的” 90％來自醫學影像，其中97％以上的未分析或未使用。除了致力於使用AI來幫助減少大量“拒絕”圖像並因此減少多個方面的削減，GE Healthcare還與英特爾合作創建了一個X射線系統，該系統能夠捕獲圖像並檢測其中的肺塌陷（氣胸）秒。
僅憑AI就能檢測到氣胸事件就代表了巨大的飛躍。但是，該項目的部分目標是更快速地提供準確的結果，從而幫助使造成許多放射科阻塞的部分診斷工作自動化。英特爾幫助整合了其OpenVINO工具包，該工具包使能夠開發可模擬人類視覺和視覺模式識別的應用程序。然後，可以將這些工作負載調整為適用於CPU，GPU，
特定於AI的加速器和其他處理器的處理。通過優化，GE X射線系統執行推理（圖像評估）的速度比不使用時提高了3.3倍。每個圖像的完成時間不到一秒鐘，比訓練有素的放射科醫生快得多。而且，如上圖所示，GE的Optima XR240amx X射線系統是便攜式的。因此，該物聯網設備可以從廣泛的地方提供結果，並通過5G等快速連接將結果直接實時實時發送到醫生的設備。將來的版本可以將經過分析的X射線直接輸入患者記錄中。在那裡，它們成為構成患者數據集的多變量庫中的另一個因素，從而使醫生能夠進行個性化推薦。
我們正在處理的是
現在，您將看到問題/解決方案模式：
- 傳統醫學實踐難以解決日益增長的全球人口老齡化問題。問題的部分原因在於醫療行業生成的數據遠遠超過其基礎結構目前無法處理的數據。
- 人工智能可以幫助自動化衛生專家執行的許多任務。
- 通過將AI應用於一系列醫療數據類型和來源，可以根據患者的具體特徵為他們量身定製護理建議，以提高準確性和功效，而不是建議採用全面的做法更可能產生不良後果。
- 可以通過使用專門為這些工作負載設計的硬件/軟件平臺來加速AI。
- 支持AI的平臺可以嵌入醫療IoT設備中並與之連接，從而提供更高級別的功能和價值。
- 物聯網設備及其連接的生態系統可以配備5G等連接性，以將其效用和價值擴展到不斷增長的人口中。
美國為人口在這一進程中的影響提供了堅實的例證。根據美國疾病控制中心（CDC）的數據，即使最近幾年新發癌症事件的發生率趨於平緩，該國人口的增長也將確診的新病例數從2010年的150萬增加到2020年的190萬，部分原因是
超重，肥胖和感染率上升。
白皮書“ 加速臨床基因組學轉變為癌症護理 ”（下圖）描繪了從最初的患者就診到以數據為依據的治療方法，處理傳統的新癌症病例的傳統方法所花費的時間。
在每個步驟中，延遲都會困擾整個過程-擴大患者的焦慮感，增加痛苦，甚至導致不必要的死亡。
全天候
英特爾發起了一項名為“ 全天候 ”的計劃，以創建醫療行業的目標：在24小時內將患者從最初的掃描變為精確的基於藥物的治療。這包括基因測序，分析，從而深入瞭解參與癌症的細胞和分子水平途徑，以及鑑定能夠提供最安全，最有效療法的基因靶向藥物。
為了使“全天候”成為可能，該行業將需要安全且廣受信賴的方法來定期交換PB級數據。（英特爾指出，典型的基因序列會產生大約1TB的數據。現在，將其乘以涉及許多基因組分析操作的數千個基因組序列。）處理這些巨大的數據集需要AI和計算能力超越當今的大規模並行計算加速器可以做到。但是性能即將到來。
由於醫生將不得不為越來越多的患者群體提供服務，因此期望他們需要將數據結果和可視化結果傳遞到他們可能在任何地方，包括以虛擬現實或動畫形式呈現的形式。這將需要5G類型的無線連接，以為正在使用的任何醫療物聯網設備提供足夠的數據帶寬。
如果成功，那麼更多的人將獲得比以往任何時候都更多的個性化幫助和救濟。醫療物聯網和5G與其他趨勢緊密結合，現在正在重塑現代醫學並使這些願景成為現實。英特爾 2018年的一項調查顯示，醫療行業的受訪者中有37％已經在使用AI; 到2023年，這一數字應該會上升到54％。有希望的新產品和方法每天都會出現。最近的一些例子是在這裡，H ERE和這裡。
隨著AI的採用持續發展並與更快的硬件，更多種類的醫療設備和更快的連接能力相結合，也許我們很快就會到達一個時代，因為沒有不良反應本來可以避免，因此任何父母都不必看著無反應的孩子被救護車趕走。精密醫學和下一代技術。
本文由未艾信息（www.weainfo.net）編譯，
查看更多最新資訊，歡迎大家點擊閱讀原文登錄我們的AI社區。
關注我們的公眾號：為AI吶喊（weainahan） ，免費學習Python&人工智能！
閱讀更多 為AI吶喊 的文章
