高级分析和人工智能如何改善患者护理

从全球来看，医疗保健提供者面临着同样的三个问题。我们如何改善患者护理？随着人口的增长，我们如何帮助更多的人？如何在压力下通过预算实现这个目标？

寻找这些问题的解决方案越来越依赖于技术。因此，解决这些问题的责任落在医疗机构的IT部门身上。信息技术曾经专注于“保持注意力”，现在已经发展成为医疗保健的一个战略要素。它现在是一个专注于帮助降低成本、为医疗专业人员提供更多资源和在组织内实现医疗创新的团队。

一直以来，通过更多地了解病人，医生可以更准确地诊断问题。现在，医疗专业人员可以使用患者问题以外的数据来帮助他们更好地理解症状。从医疗手机应用到新的成像技术，一切都在提供大量数据来支持诊断。例如，通过将患者生活方式的信息与他们的DNA结构数据、家族遗传异常、心率和血压相结合，可以采取措施完全预防某些疾病。处方或生活方式的改变精确而完全地集中在个体患者的生理上。这些新的创新及其产生的数据越来越有助于医疗专业人员提供服务。

然而，能够在正确的时间、正确的地点、以正确的格式访问所有这些数据是一项重大的IT挑战。估计表明，组织中的绝大多数数据都是非结构化的。为了使医疗服务提供商能够从这些数据中受益，it部门越来越多地寻求使用先进技术(如人工智能(AI)和机器学习)来支持数据处理和交付的高级实时分析和“深度学习”。

毫无疑问，这些技术为许多行业提供了难以置信的优势。在医疗保健领域，实时分析的应用有助于更快地发现和诊断疾病，缩短治疗时间，降低成本，最终带来更好的患者护理和结果。

我们已经看到了加州大学伯克利分校AMPLab的潜在影响，该校开发了一个用于分析基因组成的实时分析引擎。这种分析使医生能够为每位患者提供更精确的定制药物。通过将该引擎与闪存存储相结合，实验室中对数据密集型DNA样本进行分类和分析所需的时间也大大缩短。因此，研究人员和临床医生可以在更短的时间内对大量的脱氧核糖核酸样本进行测序，从而产生有价值的新见解，并在某些情况下为生死问题提供更快的答案。

但是实现高级实时分析或人工智能项目并没有那么简单。需要快速处理和分析大量数据，以便做出技术可以做出的即时决策。因此，这些项目需要非常可靠的基础设施和强大的计算能力才能有效运行。

医疗保健组织的传统数据中心在帮助医疗从业者提供患者护理方面做得很好。但是它们从来不是为了运行当今使用的高要求数据应用程序而构建的。这些应用程序、人工智能和机器学习的未来需要不同的数据中心基础架构方法。一种特别关注存储的方法旨在以非常高的带宽提供对数据的大规模并行访问。

但这是一个两难的选择。如何在处理有限预算的同时做到这一点？答案就在眼前。全闪存数据平台专为现代分析和深度学习而构建，使医疗保健组织能够更快地实现人工智能的潜力，其占用空间远小于高性能计算提供的传统基础设施。

当今的医疗保健提供商需要一个数据平台，使他们能够部署一类新的应用程序，从数据中提取新的见解并实时完成它们。通过确保从数据中心级别支持人工智能和高级分析等创新，他们应该能够以云般的敏捷性运行操作，以高速和大规模提高数据分析的经济性，并获得新的见解来提供以前无法驱动患者的数据结果。最终，通过改变组织处理和处理数据的方式，信息技术团队将使从业者能够为更多的人提供最佳的综合护理。

标签：