在本文中，WilliaM Van Winkle探讨了AI、5G和物联网技术如何助力实现精准快速医疗，以及当日完成诊疗的愿景。
我儿子还在蹒跚学步的时候，就去儿科医生那里做常规的CAT扫描。这原本是一件很简单的事情，只需要让他昏睡几分钟。他很快就会醒过来，完成后续检查。只是我儿子没醒。他躺在诊所的床上，没有反应，他的生命体征开始慢慢下降。诊所没有能力诊断他的病情。五分钟后，他上了救护车。我的妻子和我无能为力，只能眼睁睁地看着，为我们儿子的生命担忧得发疯。原来他对一种普通的盐酸镇静剂过敏。一旦弄清楚了原因，医生很快就把他带了回来，他也没事了。
如果有了精准医疗技术，一切都会不一样。如果通过开创性的计算机、数据库和人工智能技术的结合，对他的血液和基因组进行一轮快速分析，就能在他的这种过敏反应成为一个关键问题之前揭示出这种潜在的危险，那会怎么样呢? 如果有可能针对他和他身体的特殊情况设计一个疗程，而不是接受一种千篇一律的医疗方法，然后立即处理疾病的影响，那会怎么样呢? 如果可以用小型的，甚至是便携式的医疗设备来连接到更大的资源，那会怎么样呢? 简而言之，如果通过超级计算机和下一代无线连接技术的力量，数百万像我儿子这样的人能够在现场得到快速、准确的治疗，而不是承受传统医疗方法的成本和创伤，情况会有怎样的变化? 我问的这些关于我儿子的问题正是如今精准医疗努力的核心。这是一种根据个人特点量身定制治疗方法的实践。精准医疗涵盖了越来越多的领域，包括肿瘤学、免疫学、精神病学和呼吸系统疾病等，其后端充斥着大数据分析。
精准医疗利用病人的个人特征，包括基因，来识别高度具体、优化的医疗步骤。 需要5G和新一代的无线技术以及处理器来提供所需的速度和可访问性。 为并行处理优化工作负载，使精准医疗更加实用。 英特尔一天完成诊疗的愿景，就是利用人工智能、5G和医疗物联网，在24小时内将病人从检查带到精确治疗。 通过数据来驱动以个人为中心的护理。根据基因特征配对药物，只涵盖可集中用于特定患者护理的数据类型中的一小部分。
以布朗克斯区的MontefioRe医疗系统为例。它已经部署了语义数据库，这是一种收集大量不同数据并在人工智能的帮助下将它们整理成可用形式的架构。除了广泛的病人的特定数据收集现场（包括大量的医疗传感器和设备），MontefioRe医疗专家也根据需要整理数据来源，包括网页数据库（遗传变异和药物反应等）、美国国立卫生研究院统一医疗语言系统（UMLS）和在线Mendelian人类遗传数据库（人类基因组数据）。
基于英特尔/CloudeRa/FRanz的解决方案被证明能够准确地为患者创建风险评分，预测他们是否会有严重的呼吸事件，并建议医生采取什么行动。 MontefioRe医疗系统高级副总裁兼首席医疗官AndRew Racine医生指出：我们正在利用医疗机构中最危重病人的信息，试图识别那些有发展为呼吸衰竭风险的病人，这样我们就可以改变病情的发展轨迹。
现在，像MontefioRe这样的机构可以在许多数据库中执行人工智能驱动的分析，下一步可能是通过5G网络整合异地通信。这样做将使普通医生能够快速提供从现场、紧急现场到日常家访所获得的数据，并得到如何进行治疗的实时建议。这不仅可以使医疗专业人员提供更快、更准确的诊断，还可以使普通医生根据特定患者的个人需要提供专门的建议。研究人员表示，到2030年，全世界将面临1500万医护人员的短缺，在这种情况下，让护理人员能够在远程指导下进行护理至关重要。
首先需要的是人工智能。 在任何方面，启用这样的服务都不是一件小事。 考虑到数百万人可能需要进行基因测序，以获得足够广泛的样本人群进行此类诊断。 而这只是开始。 不同的数据库必须合并，这通常需要通过云服务进行长距离的合并，同时不需要牺牲患者的权利或隐私。 据外媒报道，尽管有明确的需要，但在美国临床试验中，只有4%的癌症患者的基因组数据可用于研究，这让研究和诊断界对大多数治疗结果一无所知。 保持患者匿名性，同时具备跨系统和数据库的数据安全性，这些新方法在纠正这一问题上有很长的路要走。
一个很有前途的例子：使用Intel Xeon平台的处理效率来处理Epic EHR患者信息的透明数据加密（TDE）和甲骨文数据库。 支持者表示，从医疗边缘设备到核心数据中心，加密和可信执行技术（如SGX）整合得越多，公众就越能学会允许其数据被收集和使用。 除了安全性之外，精准医疗还需要非凡的计算能力。 它必须进行分子建模和模拟，以评估药物如何与特定的患者群体相互作用，然后可能再次运行，以查看药物如何在其他药物存在的情况下执行相同的操作。 这就是为什么要花费数十亿美元和十多年的时间才能将一种药物推向市场。
幸运的是，许多组织正在使用新技术来从根本上加速这一进程。 人工智能在加速和改善许多医疗和生命科学任务中涉及的重复、机械操作方面起着关键作用。 例如，制药巨头诺华（NOVaRtis）利用深度神经网络技术加速高含量筛选，即分析细胞层面的图像，以确定它们在不同基因或化学相互作用下的反应。 通过将处理平台升级到最新的Xeon一代，并行化工作负载，并使用诸如英特尔数据分析加速器库（DAAL）和Intel CaFFe等工具，诺华实现了与以前配置相比近22倍的性能改进。 这些都是医疗组织可以期待的好处，它们可以使用通过人工智能和高水平并行化优化加速的平台来更新遗留的流程。
比训练有素的放射科医生还要快。 有趣的是，这种能力上的数量级飞跃，虽然对于控制流入医疗数据库的数据洪流至关重要，但也可以应用于医疗物联网设备。 想想X光机，它们基本上只是是特殊的摄像机，还需要人类专家（放射科医生）检查图像，寻找健康或疾病的症状，然后将结果传递给医生。 根据GE HealthcaRe的数据，现在医院每年产生50 PB的数据，令人震惊的是，90%都来自医学成像。 GE表示，其中有97%以上未经分析或未使用。 除了使用人工智能来帮助减少大量的无用图像，从而在多个方面减少数据浪费外，GE还与英特尔公司合作，创造了一个X射线系统，能够捕捉图像并在几秒钟内检测出一个收缩的肺（气胸）。
仅仅能够用人工智能检测气胸就已经是一个巨大的飞跃。 然而，该项目的部分目标是更快地提供准确的结果，从而帮助自动化地诊断一部分工作量，减轻了许多放射科的工作。 英特尔帮助集成了OpenVINO工具包，该工具包支持开发模拟人类视觉和视觉模式识别的应用程序。 然后，这些工作负载可以跨CPU、GPU、AI特定的加速器和其他处理器进行处理。
通过优化，GE的X射线系统进行推断的速度比没有优化的快3.3倍。 每幅图像的评估完成时间不到一秒，大大快于训练有素的放射科医生。 GE的OptiMa XR240aMx X射线系统是便携式的，因此，这种物联网设备可以从大范围的地方发送结果，并通过5G等快速连接将结果实时直接发送到医生的设备上。 未来的版本可以将分析过的X射线直接输入病人的记录。 在那里，它们成为构成患者数据集的多元数据库中的另一个因素，从而使医生能够提出个性化的建议。
我们正在解决的问题。 随着全球人口的不断增长和老龄化，传统医疗在扩大规模方面遇到了困难。 部分问题源于医疗行业产生的数据远远超过其基础设施目前所能处理的数据。 人工智能可以帮助自动化完成许多由卫生专家执行的任务。 通过将人工智能应用于一系列医疗数据类型和来源，护理建议可以根据患者的具体特征量身定制，以获得更高的准确性和有效性，而不是建议采用更有可能产生副作用的笼统做法。 人工智能可以通过使用专门为这些工作负载设计的硬件或软件平台来加速。 支持人工智能的平台可以嵌入并连接到医疗物联网设备，提供新的功能和使用价值。 物联网设备及其附属的生态系统可以配备5G等连接，以将其效用和价值扩展到那些不断增长的人口中。
美国为这一进程中人口增长带来的影响提供了有力的例证。 根据美国疾病控制中心的信息，尽管在过去几年里，癌症新发病例的比例已经趋于平稳，但不断增长的人口使新发病例的数量从2010年的150万上升到2020年的190万，部分原因是超重、肥胖和传染病的比例上升。 白皮书《加速临床基因组学转变癌症护理》描绘了从最初的病人就诊到数据驱动的治疗，传统方法处理新癌症病例的整个过程。 在每一个步骤中，不断的拖延都在折磨着病人，延长病人的焦虑，增加疼痛，甚至导致不必要的死亡。
当日完成诊疗英特尔发起了一项名为当日完成诊疗的倡议，为医疗行业设定了一个目标：让患者在24小时内完成从最初的扫描到基于精准医疗的医治行动。 这包括基因测序，对癌症相关的细胞和分子水平通路的分析，以及识别能够提供最安全、最有效治疗的基因靶向药物。 为了使这一切在一天之内成为可能，该行业将需要安全、广受信任的方法来定期交换PB级的数据。 英特尔指出，一个典型的基因序列大约产生1TB的数据。 现在，在涉及许多基因组分析操作的数千个基因组序列中，需要将其相乘。 这些庞大数据集的处理需要人工智能和计算能力，这超出了当今大规模并行加速器的能力范围。 但这一愿景马上
