埃森哲2018数字健康技术展望：五大趋势推动智能医疗，建立信任至关重要

趋势一：公民 AI，普惠商业和社会

目前，AI在医疗领域不断发展，它不仅是一种技术工具，更是劳动力的一部分。

AI可以通过智能手机使用算法来诊断疾病，让医生和护理人员能远程照顾老年人，帮助他们独立安全地生活。AI还可以帮助医疗体系通过数字化的方式核实患者的保险信息。

此外，AI也涉及端到端的医疗体验，并且将不断地发展。在受访者中，85%的医务工作者认为，在未来三年，基于AI的决定将会直接影响到每个人的日常生活。

同时，AI领域也在逐步地成长。正如一个小孩开始学会对自己负责一样，AI的发展没有被简单地程序化，而是通过学习不断地发展。基于学习的AI技术可以根据大量训练数据来创建模型。他们通过多样的因素发现模式并对测试数据进行自我检查。AI提供的数据越多，预测也就越准确。

AI在医疗领域的发展引人注目也令人担忧，因为一个错误的决定可能会导致潜在的影响。医疗机构必须认清这些影响并建立负责、公平和透明的AI——但目前大部分机构还没有做到这一点。

81%的医务工作者认为医疗组织还没有做好准备面对社会和责任的问题，这需要他们解释AI导致的行为和决定，问题才可以得到解决。

正确使用AI

当AI朝一个正确的方向发展时，它可以更好地帮助医疗企业。比如AI可以在多个领域帮助医务工作者做出决定，例如推荐治疗方案以及接受或者拒绝医疗索赔。这对于医疗领域来说至关重要。

医疗行业的领先者必须确保影响AI的数据不能有任何的差错。这样的差错可能会对人类造成伤害。比如，如果医疗机构构建了关于心脏病的诊断模型，但其中的数据都是关于老年白人男性的。这可能会导致错误的结果，比如对于一位年轻的非裔美国人来说可能造成不准确的诊断。

正因为如此，企业使用AI技术时必须明白数据中的什么因素会影响AI的结果。他们必须持续监测并修正错误，才能使风险、错误和潜在的伤害最小化。

解码AI

• 可解释的AI

在医疗领域，通过解释过程来进行决策对于信任度、安全性和顺应性至关重要。考虑到AI系统将会和人类一起工作，医疗组织必须构建并训练AI技术，为AI系统的结果提供清晰易懂的解释。

• 负责任的AI

使用AI的医疗企业必须仔细考虑有关责任的问题，毕竟AI是代表他们来执行任务。

缺乏信任和接受度

利用可解释的和负责任的AI来获取对技术的信任很重要。信任是促进接受的唯一途径，为了挖掘AI的全部潜力，每个医疗组织都必须公开其使用数据的动机，并且要与消费者的动机一致。这意味着要理解如何让消费者相信企业有权获取他们的信息。

与医疗服务提供者相比，健康计划可能有更多与信任相关的问题需要克服。例如，消费者认为健康计划共享的医疗信息是片面的。Accenture的一项调查发现，69%的消费者认为，健康计划的信息来源正引导他们朝着更理想的方向发展

随着健康计划开始使用AI来增强医务工作者的核心事务处理能力，例如医疗索赔，这种分析和决策的过程必须是透明的，这样消费者才能理解它——而不是隐藏在黑匣子里。

此外，监管机构经常参与审查消费者对驳回索赔的申诉，并期望得到一个明确的、可解释的决定性答案。

医疗机构可能会考虑通过公开一份关于负责任的、可解释的AI以及AI控制的声明，来清楚地了解如何使用患者数据。

除了赢得消费者的信任之外，临床医生还必须信任和接受AI。当他们使用AI来做决定时，需要相信这项技术是值得信赖和可靠的。但是这项技术的可靠性要多高才能进入临床阶段？像医科学生，护士或者医生助手一样可靠吗?

证明其结果可以获得医生对于AI的信任。Jvion正在使用一个基于Eigen的认知计算引擎来帮助医疗机构识别不良事件的特定患者风险，并针对个人，推荐不同的方法来帮助减轻这些风险。

通过使用Jvion的解决方案，Health First避免了800多天不必要的住院，节省了200万美元的医疗物资。

新的解决方案将使医疗机构在AI模型的决策过程中更加透明，从而为医生和监管机构等分析者进行决策并消除偏见提供依据。例如，Pegasystems创建了一个具有“T-Switch”特性的客户决策中心，它允许企业为AI设置透明阈值。这给客户提供了选择：一些模型是不透明的，有些则更加透明，因此是可解释的。

这样的解决方案允许用户——无论是临床医生、管理人员还是消费者可以查看AI模型的内部工作情况，包括影响决定的因素。通过T-switch，AI成为决策的咨询伙伴。

根据欧盟的《通用数据保护规定》，这类功能对于兼容的AI非常重要，该规定包括“对自动系统做出的决定进行解释的权利”。

跟随AI的发展趋势

AI每天都在发生着变化，80%的医务工作者认为医疗组织的适应速度跟不上AI的发展速度。随着AI在医疗领域的不断发展，医疗行业领导者必须认清AI在这一领域的新作用和影响，才能更好地面对随之而来的挑战。

医务工作者中

• 73%的人计划制定与AI相关的内部伦理标准，以确保他们的AI系统能够负责任地运行。

• 81%的人认为如果出现问题，医疗机构需要对基于AI的行动和决定进行解释，而他们还没有做好准备来面对这些社会和责任的问题。

• 80%的人认为在未来两年内，AI将作为其同事、合作者和可信赖的顾问，与人类并肩工作。

对于疾病预测的深度解析

纽约西奈山伊坎医学院的研究人员在医院里有一位特殊的合作者：内部AI系统，它被亲切地称为“重度患者”。

通过对70万名患者的电子健康记录进行分析，“重度患者”学会了预测78种不同疾病的危险因素——现在该系统帮助医生来进行诊断。

重度患者可能不是一个人，但它也不仅仅是一个程序。AI系统学习自主决策，并且已经从一种技术工具成长为人类的伙伴，在劳动和社会中与人类进行协调合作。随着自主性的增强和能力的提高，AI的影响力越来越大。

趋势二：扩展现实，拉近距离

扩展现实技术为连接人、信息和体验提供桥梁。

技术的发展让它有更大的潜力来缩小距离上的差距，解决健康和医疗领域的重大问题，改变人们的工作和生活方式。

“扩展现实”（XR）包括虚拟现实和增强现实。它模糊了现实和虚拟世界之间的界线。XR技术使沉浸式体验变得普及，它解决了距离的问题，最小化了相关性。这对医疗领域有着重要的影响。

想象一下，住在农村地区的老年病人在自己家里，向一位世界级的专家进行咨询。外科住院医师在家里的虚拟环境中进行手术，而不是通过医疗设备进行操作。护士第一次尝试通过静脉显像仪进行静脉注射。退伍军人在虚拟环境中通过认知疗法治疗创伤后应激障碍（PTSD）。

• 虚拟现实（VR）

VR在视觉上将用户带出现实世界，进入虚拟环境，通常使用头戴式设备进行观看，通过手持控制器来导航虚拟空间。

• 增强现实（AR）

AR将数字化对象（信息、图形、声音）叠加在现实世界中，使用户能够体验到数字世界和现实世界之间的关系。

• 扩展现实（XR）

XR是模糊现实世界和虚拟世界之间界限的光谱。这项技术使用户通过视觉，听觉，潜在的嗅觉和触觉进行感应，沉浸在虚拟世界中。虚拟现实和增强现实是XR的两种主要类型。

医疗保健中的身体活动需要快速获取信息。XR将所有信息联系在一起，比如在外科手术中增加数字化信息。事实上，82%的医务工作者认为，扩展现实能消除人、信息和体验之间的距离障碍。

与人的距离

XR有巨大的潜力来缩小雇员、病人和提供者之间的距离。对于员工来说，XR允许在任何地方设置、运行、复制和调整场景，以提供各种情况的亲身体验。为了拉近与患者的距离，美国佛罗里达州坦帕医院使用虚拟现实模型，让神经外科医生、病人和他们的家人可以观察患者脑瘤或动脉瘤的解剖结构。

这样患者可以更好地了解自己的情况，做出正确的医疗决定，医生可以制定详细的手术计划，并分享这些模型，以便其他临床医生可以学习这些复杂的手术过程。

对于医疗服务提供者和医科学生来说，XR可以拉近理论和实践之间的距离。例如，一位世界知名的医疗专家可以教另一个国家的住院医师使用一种新技术。

XR还将帮助企业解决劳动力的问题：让他们获得发展所需的人才。通过XR可以获得按需的劳动力，这使医疗机构能够从数千种不同的技能中获得专业知识。

在XR的帮助下，患者在就医时可以解决距离的问题。82%的医务工作者认为扩展现实的解决方案使医疗机构能更方便地向客户提供服务。例如，距离问题可能导致患者的某种疾病只能由非专家来进行诊治。而在身临其境的体验中，XR可以让患者接受专业医师的诊断。

与信息的距离

XR有助于消除消费者和临床医生之间的距离，而这一过程也需要信息提供者的参与。它给临床医生提供更多的细节信息，消除了决策的潜在障碍。

例如，一名外科医生可以戴着XR眼镜，看到现实世界里实时的数字化内容，而不需要他们的注意力从手术台上的病人身上移开。当信息附加在身体动作上时，医生可以更精确地掌握患者的信息，达到前所未有的效果。

XR不仅缩短了获取信息的距离，也能发现新的见解。新兴的XR工具在3D环境中表达数据，更接近人类实际看到和想象场景的方式。这为新型视觉化和医疗保健领域的新发现开辟了道路。

例如，美国德克萨斯州的外科医生正在使用3D地图和图像作为“GPS系统”来更好地指导复杂的解剖学，使外科手术更加精确。医生最近使用这项技术进行了鼻窦炎微创手术。

该系统记录了手术过程和手术计划，可用于其他外科医生学习这种复杂的手术过程。身体VR创造了传统2D医学影像的交互式3D模型，比如CT扫描和核磁共振成像，来提供更直观的医学影像。同样，牛津大学的研究人员创造了基因数据的VR模型，来更好地可视化活细胞内的情况。

消费者可以通过XR与信息更紧密地联系在一起，以此来改善生活。埃森哲开发了一款名为Drishti的AI解决方案，帮助视障人士改善他们体验周围世界的方式，提高工作效率。

通过智能手机，这个解决方案可以利用面部表情告诉用户房间里的人数、他们的年龄、性别甚至情绪。它还可以用来叙述书籍和文件里的内容，以及识别障碍物，如玻璃门，来保护视障人士的安全

与体验的距离

XR带来的最大突破可能是提供共享和协作的健康体验。临床医生无法体验患者的经历，但他们可以通过XR更好地了解病情，甚至是产生同理心。

例如，Embodied Labs创建了VR实验室，可以针对老年人服务进行培训。“We Are Alfred”实验室向年轻的医科学生展示了有听觉和视觉障碍的74岁老人的真实感受。“The Beatriz”实验室让用户体验了阿尔茨海默病的各个阶段。

XR可以让临床医生了解患者与疾病作的斗争，也可以让这些患者获得所需的治疗。例如，研究人员发现，在使用VR疗法来治疗退伍军人的创伤后应激障碍这一方面，已经取得了显著成果，可以让患者在与治疗师的实时交流中，解决触发性压力的问题。

南加州大学的the Institute for Creative Technologies与美国政府合作，开发了虚拟现实暴露疗法工具——Bravemind，该疗法将有心理创伤的退伍军人置于一个环境中，让他们能够面对导致创伤的来源或线索。研究人员发现压力症状，包括抑郁，在接受这种治疗后减少了80%。

扩展现实的技术也可以帮助儿童患者。医院正在使用XR来分散孩子们对痛苦经历的注意力，比如注射或换药。即将进行静脉注射的幼儿可以离开无菌病房，进入虚拟的海洋世界。美国迈阿密的Nicklaus Children’s Hospital开发了沉浸式VR，让医务工作者学习心肺复苏术（CPR）。

XR正在推动行业领袖们不仅要思考什么是可能的，而且要创建新的方案，解决距离带来的挑战——这对接受XR的人来说是一个明显的优势。79%的医务工作者认为，医疗组织率先采用扩大现实的解决方案是很重要的。

医务工作者中

• 83%的人认为，扩展现实将为互动、交流和信息创造一个新的基础。

• 84%的人认为，医疗组织在与员工或客户打交道时，利用扩展现实的解决方案，来缩小现实距离是很重要的。

• 72%的人认为，未来5年，扩展现实将影响所有的行业。

沉浸式医学教育

Cleveland Clinic正在将其现有的传统尸体解剖学课程转变为一个多平台的数字化体验，让全世界的医科学生在交互式虚拟数字环境中学习人体解剖学概念。

这个多平台数字化解决方案提供的解剖学内容是基于该诊所医学院的临床学习教学大纲。

该组织正在与Zygote展开合作，Zygote是一家专注于数字化技术的公司，同时还提供人类解剖学3D模型的360度视图，这些视图可以通过云技术在全球范围内共享，可用于群体学习。这两个机构的知识财产、临床技术和相关技能为数字化医学教育设定了新的标准。

趋势三：数据的真实性决定信任度

医疗保健领域比以往任何时候都更依赖数据。

随着AI在管理和临床上的应用越来越多，自主的、数据驱动的决策也越来越多。然而，AI只有在数据训练的基础上才能发挥作用。如果没有建立数据的真实性或准确性，医疗组织就不能很好地利用AI。

不准确的数据会导致错误的见解和决策。24%的医务工作者表示，医疗组织多次在使用AI方面导致了错误（比如bot欺诈、仿冒传感器或物联网数据以及伪造的位置数据）。

在医疗领域，这些漏洞会造成严重的后果，因为数据支撑着医疗决策、治疗计划，甚至是保险索赔的接受与否。患者电子病历中的错误数据可能会让他们面临无法得到正确诊疗的风险。

不完整的公共卫生数据可能导致疾病暴发来源的误判。

不幸的是，许多健康计划和医疗服务提供者还没有做好自我保护的准备。在受访者中，77%的医务工作者表示，如果虚假数据渗透到他们的数据驱动信息系统中，他们还没有做好准备来面对随之而来的严重后果。

与此同时，他们已经感受到了这一漏洞带来的影响。一项全国性的调查显示，83%的受访医生之前经历过网络攻击，这也是健康计划的一个重要问题。为了应对这一挑战，企业必须肩负起双重使命，来最大限度地提高准确性，减少伪造数据的机会。

更少威胁，更多真实

正如虚假新闻所报道的那样，在一个充斥着伪造数据的世界里，没有人知道下一个威胁在哪里——而且也不知道最可怕的入侵是什么样的。

医疗机构应该从一开始就通过确定数据的来源、处理过程、使用环境和完整性，来保护数据，减少未来可能出现的错误

84%的医疗服务提供者和68%的健康计划都认为，自动化系统会带来新的风险，包括虚假数据和伪造数据。

然而，在受访者中，只有14%的提供者和6%的健康计划表示，他们对数据来源进行了广泛的验证，并对医疗组织的数据质量“非常有信心”。

医疗机构必须通过验证环节，来确保用户可以信任的数据输出。在整个系统中，发现导致错误结果的来源是提高数据真实性的关键。而真实数据可以减少干扰信息，让企业找到真正的威胁。最终，它将有助于确保数据的可信度，以推动未来的关键决策。

提高数据情报分析的能力

医疗机构想要提高数据的准确性，必须改善现有工作，确定数据的来源和环境，保证其完整性和安全性。

在网络安全和数据科学方面的现有投入可能需要进行调整，以解决数据准确性的问题，因为数据质量对于用户的信任十分重要，便于他们处理业务或者进行临床决策。例如，可以使用区块链等技术，确定数据的来源，并证明数据没有被篡改。

企业必须建立数据情报分析的能力。通过技术工具来追踪数据记录、使用和维护时的情况，网络安全和风险管理系统对预期的数据情况有一个基准。

例如，在过去三年里，Aetna删除了100亿个社会安全号码（SSN）。该公司没有使用SSN作为唯一的标识符和身份验证器，而是采用了基于持续行为的身份验证，并通过由web和移动应用程序获得的行为特征来提供实时的身份验证。这种方法将身份验证嵌入到持续的电子交互技术中。

Aetna使用30-60个特征来计算风险指数。该指数会实时反馈给移动或web应用程序，应用程序将决定向消费者提供多少访问权限。

医务工作者中

• 86%的人认为，医疗组织正将最关键的系统和战略建立在数据的基础上，然而很多人并没有对数据的真实性进行验证。

• 24%的人表示，医疗组织多次在使用AI方面出现了错误。

• 89%的人认为由于医疗组织依赖于数据驱动的决策，数据完整性的问题将会成倍地增长。

利用区块链来保障医药供应链

物流公司DHL与埃森哲合作，创建了一个基于区块链的序列化原型，以追踪供应链上的药物情况。

分类账使企业能够符合法律和监管要求，并在保留密码特性的同时解决各种问题。药品的分类账可以与利益相关者共享，包括制造商、仓库、分销商、药房、医院和医生。原型模拟表明，区块链每秒能处理超过70亿个不同的序列号和1500项业务。

趋势四：规模化合作，实现无障碍的交易模式

现在，战略伙伴关系对医疗机构的业务增长比以往任何时候都更为重要。

随着不同行业之间的界限变得模糊，意想不到的合作正以非传统的方式进行着，成为连通世界的桥梁。在世界范围内领先的行业表明，技术是合作关系的基础。

以技术为基础的合作使网络更快地发展，进入更多的生态系统。然而，医疗遗留系统并不是用来支持这种快速扩展的。不久后，这些遗留系统将成为未来增长的主要障碍。

医疗机构必须重新考虑如何使基于技术的合作发挥作用，使自己处于可持续的差异化和增长地位。以下两种技术有望解决这些问题：微服务和区块链。

基于技术的合作

微服务将应用程序分解为最简单的组件函数。每个函数都是具有自己API的独立服务。

区块链信息通过传递信息和事务的节点网络进行复制，这些信息和事务是安全、不可更改但可验证的。

微服务不是一项技术，而是一种架构方法。随着应用程序变得更加模块化，微服务方法将提高其敏捷性，支持与许多新合作伙伴的快速集成。这种合作对于企业在生态系统中逐渐成长并脱颖而出至关重要。

随着医疗机构的合作范围越来越广，企业之间的交易方式变得更加复杂。区块链是一种分布式分类帐系统，可以存储各组交易。该技术有助于创建、扩展和管理合作关系，具有使合作伙伴承担责任的能力而无需首先建立信任。

通过采用微服务体系和区块链技术，并在区块链上存储自动执行的智能契约，医疗机构将为基于技术的合作奠定坚实基础，以支持未来的差异化和增长。现在对这些变化进行投资的人将重新定义企业未来的交易方式。

通过分解建立合作关系

微服务允许企业超越行业界限，与其他第三方合作，更快地将解决方案推向市场。

在医疗领域，针对发生改变的客户体验预期，微服务使医疗机构更容易快速地适应这一情况。它使用一组工具，如应用程序编程接口（API）、容器和云技术，将应用程序分解为简单零散的服务。每个特性都变成了它自己的服务，而不是被组合成一个单一的应用程序。

微服务体系为公司快速轻松地建立合作关系提供了基础，无缝地集成了服务，同时减少了与合作伙伴或客户之间的摩擦。

美国的医药企业Walgreens重建了“健康选择”奖励项目，旨在通过微服务扩大合作关系。在微服务转换过程中创建的API被第三方开发者共享，他们可以将Walgreens的奖励整合到自己的应用中，为顾客提供跑步、血压测试、甚至戒烟等活动的积分。

Walgreens公司表示，现在建立这些合作关系只需要几个小时，而不是过去的几个月。他们现在有超过275位合作伙伴，生产的药物得到了广泛应用。

88%的医务工作者预计他们所在的医疗组织明年会增加微服务的使用，但在医疗服务提供商和健康计划中，微服务仍是一种新兴的技术架构方法。

然而，小部分专家正引领着这一潮流，他们积极地将微型服务体系作为战略的一部分。一些医疗企业正在使用第三方集成层，这些第三方集成层位于记录系统之上，以提取信息供参与系统使用。

像Sansoro Health这样的公司正在推进微服务的使用，提供简化跨多个EMR平台的API集成的解决方案。第三方应用程序连接到平台以实现安全、无缝的数据交换，从而迅速扩展集成工作并快速产生价值。

行业领导者正在使用API层来最小化跨多个核心管理系统的集成复杂性。微服务体系帮助它们适应新的参与系统，比如智能手机、可穿戴设备和声控扬声器。他们正在开发Alexa技能和移动应用，在合作伙伴中进行快速整合，为会员提供统一的体验。

通过区块链管理合作伙伴

医疗机构可以使用区块链来管理广泛的合作伙伴网络，以简化它们收集和协调不同医疗以及金融数据的工作。提供者、医院、健康计划和其他合作者如果不互通数据，将会产生重大的影响。

区块链可以连接这些高度分散的数据筒仓，通过对数据来源的加密证明增加一层信任。单个的组织不能构建区块链，因此所有参与者都可以平等地访问他们有权了解的信息。

使用区块链技术意味着企业可以构建更广泛的网络，与新伙伴合作，或者轻松地进入新的生态系统。使用基于区块链的智能契约，企业可以获得给定关系的可计算条款，并自动与满足条款的合作伙伴进行交易。

78%的医务工作者认为，智能契约将极大地改变我们的交易方式，并使数字化信任成为可能。

这些新技术在医疗行业还处于早期试验阶段，落后于金融服务业等行业。尽管如此，医务工作者还是意识到了它的潜力。当被问到：“你希望区块链什么时候能集成到系统中”时，32%的医疗服务提供者和48%的健康计划表示一到两年的时间。

随着合作关系的确立，未来的趋势将变得更加明确：如果微服务和API是扩展和集成合作的关键，那么区块链对于在共享内容的真实性和准确性方面建立信任至关重要。

医务工作者中

• 88%的人预计，未来两年，与生态系统合作伙伴交换的数据量将增加。

• 88%的人认为，微服务对于扩展和整合生态伙伴关系至关重要。

• 91%的人认为区块链和智能契约将在未来三年对其医疗组织产生重大影响。

更好的健康管理平台

Anthem与Castlight Health公司合作，推出了Engage，这是新一代的健康参与和数字化体验平台，旨在改善消费者的健康状况，以及医疗决策。

新平台为雇主的健康项目建立了单独的中心，并将共同推动所有功能，为每位用户提供个性化的程序。它还使用一个微服务层，无缝连接到第三方的健康应用程序以及健康计划工具（如远程健康服务、虚拟护理和健身追踪器驱动的健康项目）。

例如，该平台会根据患者的医疗或者生活需求，提醒护理人员与患者联系，并帮助患者遵循医生的护理计划，标记错过的实验室测试，并提供额外的教育资源。

Anthem的副总裁Anil Bhatt表示，“Engage是通过微服务和事件驱动的架构来运作的，这些架构可以在需要的时候帮助数据和行为的轻松传输。Anthem Engage和其他内部应用程序利用微服务和API，创造了一种无缝的整合模式。”

从自动管理患者的ICU病房到自我维护的设备，越来越多的医疗机构正在开发智能环境，其中涉及机器人、扩展现实、人工智能和连接设备。

然而，支持这种新的超连接环境的技术基础设施并没有以同样的速度发展。

如今在医疗领域，常见的企业基础设施并不是为了支持即时的分析和行动，因此不能大规模地创建智能解决方案。

目前的基础设施是围绕一些基本假设来设计的：有足够的带宽来支持任何远程应用程序，有无限的云端存储空间和硬件，将继续提供足够的计算能力。但对即时响应的时间需求——尤其是在医疗领域——却与这种方法背道而驰。

关于带宽、远程存储和计算的假设与现实

带宽

假设：AI技术将是挖掘生命科学领域重大发现的主要方法。

现实：随着企业对更多数据的依赖，带宽成为一个硬性限制，尤其是在5G时代来临之前。

存储

假设：云端存储提供了无限的、廉价的存储空间。

现实：存储数据很便宜，但创建数据更便宜。自动驾驶汽车预计每小时产生3.6TB的数据，即每秒1GB。

计算

假设：硬件将继续变得越来越强大。

现实：收缩的晶体管达到了物理极限。性能仍在提高，但企业的实现方式正在发生改变。

未来需要对现有基础设施进行彻底改革。为了克服这些挑战，医疗组织可以采取以下三种策略：在所有地方嵌入智能工具、平衡云端与边缘计算以及利用定制硬件。

重新审视企业基础设施为医疗机构提供了新的机会，使它们愿意将边缘计算作为智能环境的战略资产。将业务嵌入到周围世界始于IT体系的转换——构建在任何地方支持智能操作的能力。

医疗领域的边缘计算

为了实现智能化，医疗机构必须对生成的数据进行分析并采取行动。没有时间等待连接，必须立即做出决定。这意味着将处理过程推向边缘计算。82%的医务工作者认为边缘计算体系将加速许多技术的发展。

“边缘”解决方案是在设备上处理和存储“附近”的数据。例如，Autonomous Healthcare（前AreteX Systems）使用安装在医疗设施设备上的机器学习工具来监测病人的生命体征，为重症监护患者自动分配和调整点滴。

边缘计算降低了延迟时间和带宽需求，并将数据发送到云端进行分析的需求最小化，来提高安全性。从源头通过分析生成结果。该设备可以执行分析的结果，并基于得出的结果，决定放弃数据或将其上传到云端。它本质上是物联网，但其中有软件，可以保证低失败率，这对于药物研发来说很关键。

边缘计算可以提高老年人的生活质量和独立性。通过智能传感器以及针对健康监测的可穿戴技术，可以进行被动感知和主动指导。例如，一个类似于Alexa的设备可以提醒患者心跳加速的情况（通过可穿戴设备检测到），并建议他们坐下来休息。

如果出现更严重的情况，这项技术会提醒护理人员或医疗服务提供者进行干预。这种技术让患者更加自由，也可以挽救他们的生命。

边缘计算的应用

在医疗领域，数字化和现实世界之间的界限继续变得模糊，这意味着需要一个更强大、更灵活的支柱：扩展的基础设施。扩展并不意味着破坏和替换。此外，它还可以调整基础设施，以便医疗企业能够充分利用AI、机器人和其他新兴技术，而不会增加带宽负担。

如果边缘计算的处理能力和能源效率得到改进，即时行动将成为可能，以此可以挽救生命。边缘计算允许医疗机构运用想要和需要的技术，因为他们有相应的处理能力。

在下一波医疗创新热潮中，边缘计算将成为基础设施的关键部分。企业必须决定什么应该被处理和存储在“边缘”，以及在云端和“边缘”之间找到唯一的平衡点。

医务工作者中

• 85%的人认为，从未来预期的数据量中生成实时的分析结果，需要在数据生成的地方进行边缘计算。

• 82%的人认为，为了支持实时的分析和行动，医疗机构需要重新关注定制硬件和硬件加速器。

• 86%的人认为，企业必须平衡云计算和边缘计算，以最大化技术基础设施的灵活性，并使智能技术无处不在。

即时的信息和行动

想象一下，一位癫痫患者被植入了一个设备，可以对他的脑电波进行实时分析，监测异常活动。在检测到癫痫发作的几毫秒内，该设备就会发出停止癫痫发作的脉冲——无需外部系统，也无需患者的任何输入。

事实上，患者甚至不知道发生了什么。所有的过程都发生在设备本身上。

这不是一个假设的场景，而是一个正在使用的治疗方案。将NeuroPace的神经刺激装置通过外科手术植入病人的颅骨后，就能自动监测和预防癫痫发作，仅第一年就能减少44%的发病率。这种对于重大疾病的实时管理是智能环境的一个实例：通过结合实时感知以及计算来提供即时行动。