Dave Ryan lidera el Negocio global de salud y ciencias de la vida unidad de Intel que se enfoca en la transformación digital del borde a la nube para hacer realidad la atención de precisión basada en el valor. Sus clientes son los fabricantes que fabrican instrumentos de ciencias de la vida, equipos médicos, sistemas clínicos, aparatos informáticos y dispositivos utilizados en centros de investigación, hospitales, clínicas, centros de atención residencial y el hogar. Dave ha servido en las juntas directivas de la División de Salud y Bienestar de la Asociación de Tecnología del Consumidor, la Alianza de Salud Conectada Personal de HIMSS, la Coalición Global sobre el Envejecimiento y la Alianza para el Cuidado Conectado.
¿Qué es el negocio de salud y ciencias de la vida de Intel?
El negocio de Salud y Ciencias de la Vida de Intel ayuda a los clientes a crear soluciones en las áreas de imágenes médicas, sistemas clínicos y laboratorio y ciencias de la vida, lo que permite una atención distribuida, inteligente y personalizada.
El negocio de salud de Intel se centra en la salud de la población, imágenes médicas, sistemas clínicos e infraestructura digital.
- Population Health examina diversos datos de pacientes para brindar a los proveedores información sobre los riesgos de problemas médicos y tratamientos mejorados en todas las cohortes. El ML y la IA optimizados y ajustados ayudan a «nivelar» a los grupos, de modo que los pagadores y los proveedores prioricen a los pacientes con mayor riesgo.
- Imágenes médicas (p. ej., resonancia magnética, tomografía computarizada) generan enormes conjuntos de datos que requieren una evaluación precisa sin margen de error. La HPC y la IA ayudan a escanear más rápidamente los datos de las imágenes e identificar los factores críticos para ayudar a los radiólogos en el diagnóstico.
- Los sistemas clínicos utilizan visión por computadora, IA, HPC y computación perimetral para el monitoreo de pacientes, cirugía robótica, telesalud y muchos otros. Estos sistemas inteligentes reconcilian diversos datos de origen para obtener una vista completa del paciente y un mejor diagnóstico, con flexibilidad y escalabilidad para respaldar las necesidades cambiantes de la organización.
- La infraestructura digital integra muchas tecnologías para permitir enfoques novedosos para la interacción con el paciente, incluida la atención en cualquier lugar y en cualquier momento donde los médicos colaboran en el espacio y el tiempo para el manejo de condiciones, cirugía y análisis.
El negocio de laboratorio y ciencias de la vida de Intel se centra en 3 áreas principales: análisis de datos, ‘Omics y Pharma.
- Data Analytics utiliza IA para impulsar una cascada de descubrimientos y conocimientos que ayudan a habilitar, entre otras cosas, la medicina de precisión al garantizar que los pacientes obtengan los medicamentos que son más efectivos para ellos y, por lo tanto, reducen el riesgo de perfiles de efectos secundarios.
- ‘ómica describe y cuantifica grupos de moléculas biológicas, utilizando bioinformática y biología computacional. Los conjuntos de datos masivos involucrados aquí requieren un procesamiento de alto rendimiento para recibir resultados dentro de plazos razonables. Con este rendimiento y nuevas bases de datos, juegos de herramientas, bibliotecas y optimizaciones de código, las instituciones ómicas pueden reducir el tiempo de obtención de resultados y los costos de desarrollo.
- Pharma es el estudio de los medicamentos y cómo interactúan con los sistemas biológicos humanos, incluso a nivel molecular, donde la ciencia de datos necesita IA y ML para ayudar con la generación y optimización de clientes potenciales, la identificación de objetivos y la investigación preclínica. Esto da como resultado mejores ensayos clínicos, información más inteligente sobre las reacciones y un descubrimiento más rápido de nuevos fármacos.
¿Cuándo se interesó personalmente por primera vez en el uso de la IA en beneficio de la atención médica?
La proliferación de la IA en muchas industrias se ha centrado en gran medida en la automatización de aquellas tareas que los humanos realizan de forma rutinaria. En el cuidado de la salud, la IA se ha convertido en una herramienta a través de la cual aumentamos o ayudamos, no reemplazamos, la experiencia humana existente para brindar enfoques verdaderamente transformadores para el diagnóstico y el tratamiento. Y en ninguna parte es esto más claro que en imágenes médicas, en las que el volumen y la complejidad de los datos son tanto una barrera como una oportunidad. Hoy en día, la IA, y la inferencia en particular, es capaz de realizar exploraciones más rápidas y detalladas de una gran variedad de información que cualquier ser humano y, al hacerlo, no solo revela información previamente oculta, sino que también maximiza el valioso tiempo del radiólogo para alcanzar una mejor conclusión diagnóstica y para más pacientes. Por ejemplo, las soluciones de inteligencia artificial de los clientes ayudan a los radiólogos al analizar datos en rayos X que podrían indicar la presencia de un pulmón colapsado (neumotórax) o COVID. Este es un logro realmente notable que está revolucionando la eficacia tanto de la imagenología médica como de cómo se aplica la experiencia humana. Ser testigo de ese tipo de transformación en este campo lo motiva naturalmente a buscar el próximo gran salto en otras actividades de las ciencias de la salud y la vida donde el hombre y la máquina se combinan para producir un nuevo todo mucho mayor que la suma de las partes. Llevar eso un paso más allá es la idea de que la IA puede democratizar el conocimiento en todas las disciplinas de atención y hacer que la escasa experiencia humana y los matices basados en la experiencia vayan aún más lejos, elevando el nivel de calidad.
¿Qué importancia tiene la IA para analizar big data en un entorno clínico?
Las industrias de la salud y las ciencias de la vida generan más datos con mayor complejidad que cualquier otra industria en el mundo actual. Y a diferencia de otras industrias, administrar y analizar de manera efectiva esos datos es una cuestión de vida o muerte. Dadas estas magnitudes, la IA es ahora un facilitador indispensable de una variedad de necesidades, tanto mundanas como innovadoras, tanto en entornos clínicos como de laboratorio para abordar el triple objetivo de la industria: mejorar la calidad y el acceso a la atención al tiempo que se reducen los costos.
Por ejemplo, los registros de salud electrónicos (EHR) han permitido una revolución digital en la calidad y eficiencia de la prestación de atención. Desafortunadamente, dentro de estos registros hay una mezcla desordenada de datos estructurados y no estructurados que la IA puede ayudar a digitalizar en conjuntos de datos más unificados y útiles. El reconocimiento óptico de caracteres (OCR) y el procesamiento del lenguaje natural (NLP) son solo dos modelos habilitados para IA que pueden convertir los análogos de la escritura a mano y la voz en datos EHR. Y una vez digitalizada, la IA se puede aplicar a estos conjuntos de datos en muchos casos de uso interesantes.
En otros casos, los datos capturados de dispositivos médicos y cámaras están creciendo y, cuando se combinan con los datos del historial del paciente, los análisis pueden ayudar a generar nuevos conocimientos para personalizar aún más el tratamiento. A nivel de censo, muchos hospitales ya han implementado algoritmos que pueden predecir el inicio de la sepsis para una intervención más rápida, y en las UCI, el software puede combinar datos en múltiples dispositivos aislados para crear una imagen impresionantemente completa de ese paciente casi en tiempo real. Con el tiempo, todos los datos capturados y almacenados también se pueden analizar para obtener mejores predicciones en el futuro.
¿Cuáles son algunos de los casos de uso más notables que está viendo para el aprendizaje automático que analiza estos datos?
Como se mencionó anteriormente, las herramientas de NLP pueden ayudar a reemplazar el registro manual o la entrada de datos para generar nuevos documentos, como resúmenes de visitas de pacientes y notas clínicas detalladas. Esto permite que los médicos atiendan a más pacientes y que los proveedores mejoren la documentación, el flujo de trabajo y la precisión de la facturación ingresando pedidos y documentación más temprano en el día.
En términos más generales, los análisis habilitados para IA ayudan a los proveedores a comprender y administrar una amplia gama de aplicaciones clínicas que mejoran la eficiencia y reducen los costos. Esto permite que los hospitales administren mejor los recursos y ajusten las mejores prácticas, y que los equipos de atención colaboren en los diagnósticos y coordinen los tratamientos y la atención general que brindan para mejorar los resultados de los pacientes.
Los médicos pueden analizar anomalías específicas utilizando enfoques de ML apropiados y filtrar información estructurada de otros datos sin procesar. Esto puede conducir a un diagnóstico más rápido y preciso y tratamientos óptimos. Por ejemplo, los algoritmos de ML pueden convertir el sistema de diagnóstico de imágenes médicas en una toma de decisiones automatizada mediante la conversión de imágenes en texto legible por máquina. Las técnicas de reconocimiento de patrones y ML también pueden extraer información de volúmenes masivos de datos de imágenes clínicas, inmanejables por humanos solos, para transformar el diagnóstico, el tratamiento y el seguimiento de los pacientes.
Para evaluar y gestionar la salud de la población, los algoritmos de ML pueden ayudar a predecir futuras trayectorias de riesgo, identificar factores de riesgo y proporcionar soluciones para obtener los mejores resultados. Los módulos de aprendizaje profundo integrados con tecnologías de IA permiten a los investigadores interpretar conjuntos de datos genómicos complejos, predecir tipos específicos de cáncer (según los perfiles de expresión génica obtenidos de varios conjuntos de datos grandes) e identificar múltiples objetivos farmacológicos.
¿Podría dar más detalles sobre cómo Intel está colaborando con la comunidad de genómica para transformar grandes conjuntos de datos en conocimientos biomédicos que aceleran la atención personalizada?
La medicina de precisión proporciona fuentes de datos de salud a nivel individual que permiten una mejor selección de objetivos de enfermedades e identificación de poblaciones de pacientes que demuestran mejores resultados clínicos para nuevos enfoques preventivos y terapéuticos.
La genómica es la piedra angular de esta medicina de precisión. Proporciona el modelo de quiénes somos y por qué y cómo somos únicos, lo cual es fundamental para que los proveedores lo entiendan cuando combinan esta información con otros datos (imágenes, química clínica, historial médico, datos de cohortes, etc.). Los médicos utilizan esta información para desarrollar y administrar tratamientos específicos para pacientes que son de menor riesgo y más efectivos.
Intel está colaborando con la comunidad de genómica mediante la optimización de las herramientas de análisis genético más utilizadas en la industria para que funcionen mejor y en todas las plataformas basadas en la arquitectura Intel y los procesadores que las alimentan. Por ejemplo, la optimización del software de variantes genéticas líder en la industria de Broad Institute, Genomic Analysis Toolkit (GATK), en hardware de Intel utilizando OpenVINO para facilitar la depuración del desarrollo de modelos de IA y la implementación escalable, destaca nuestro impacto y compromiso con esta industria. El kit de herramientas GATK brinda beneficios para la investigación biomédica, como Genomics DB, que almacena de manera eficiente archivos de ~200 GB de tamaño (típico para conjuntos de datos genómicos) y Genome Kernel Library que ejecuta AVX512, que aprovecha las instrucciones específicas del hardware de la arquitectura Intel para acelerar las cargas de trabajo genómicas y la utilización de IA.
Acelerar la velocidad y reducir el costo del análisis genómico mientras se mantiene la precisión de ese análisis sigue siendo atractivo para los investigadores biomédicos y de otras ciencias de la vida, ya que utilizan las soluciones informáticas de Intel para descubrir y aprovechar nuevos conocimientos médicos.
¿Podría discutir por qué cree que la atención médica remota es tan importante?
La industria de la salud ha estado trabajando en varias formas y aspectos de la atención remota durante muchos años. Las razones de esto han sido, hasta hace poco, una creencia intuitiva y esperada de que la atención remota puede ser tan buena o mejor que los modelos tradicionales en la clínica para muchas situaciones de atención. Ahora, estimulados por la crisis de la pandemia y su impacto, los sistemas de prestación de atención médica en todo el mundo se ven obligados a adoptar la telesalud o colapsar. Esta repentina prisa por implementar ahora está demostrando que esas creencias arraigadas son ciertas y que la atención a distancia es vital y altamente viable.
La atención remota tiene muchos beneficios. La comodidad y satisfacción del paciente con la prestación de atención de telesalud está aumentando rápidamente. Pueden permanecer más tranquilos y cómodos en su hogar con menos interrupciones e impacto en el tiempo/programación. A los proveedores les gusta porque les permite atender a más pacientes, administrar mejor su propio tiempo y asignar mejor los escasos recursos clínicos. Y, por supuesto, lo que se ha convertido en la razón más clara y convincente en los últimos meses para todos es la capacidad inherente de la atención remota para limitar el contagio y la necesidad de contacto en persona cuando un chat de video con dispositivo aumentado y telemetría computarizada puede aprovechar al máximo. las tareas de prestación de cuidados se realizan igual de bien.
¿Puede hablar sobre algunas de las tecnologías que se utilizan actualmente para la monitorización remota de pacientes?
Hay varios elementos tecnológicos críticos. El más importante es la facilidad de uso para el paciente, seguido rápidamente por la seguridad y privacidad de los datos, y la robustez de la aplicación y los datos que captura. Por ejemplo, debemos evitar que un usuario elimine una aplicación de monitoreo de su iPad por accidente.
Otro aspecto crítico para un proveedor de atención que se despliega en múltiples pacientes es la gestión de flotas y la capacidad de enviar actualizaciones o soporte técnico por cable y adaptado a cada usuario o cohorte de usuarios. Esto requiere:
- estandarización del intercambio de datos y privacidad con estándares de la industria como FHIR y Continua;
- plataforma informática segura y de bajo consumo para organizar los datos y comunicarlos al médico, incluido el software y el cifrado apropiados;
- conectividad a través de una red celular para que los dispositivos del usuario sean autónomos y no dependan del Wi-Fi en el hogar que puede ser poco confiable o incluso inexistente;
- almacenamiento en la nube y análisis en el backend.
Además, la capacidad de recopilar y agregar los datos que fluyen de los usuarios es fundamental para permitir que los médicos realicen el seguimiento y el apoyo de los pacientes, y para que el software y los análisis informen a los equipos de atención sobre un estado nominal o inicien una notificación de alarma para los resultados que no están disponibles. fuera de la tolerancia.
Creemos que la IA desempeñará un papel mucho más importante en el seguimiento del paciente, mejorando la experiencia del paciente a través de encuestas de voz natural («¿Cómo se siente hoy?», «Su presión arterial parece un poco alta») y permitiendo que los equipos de atención mejoren comprender la salud de un paciente e identificar los tratamientos apropiados. Mediante el uso de modelos de IA, la gestión de la salud de la población también progresará con todos los datos de los pacientes integrados en conjuntos de datos cada vez más grandes que mejoran la precisión de un modelo de aprendizaje iterativo. Esto es esencial para el monitoreo remoto a escala.
¿Cuáles son algunos de los problemas que deben superarse para aumentar la tasa de éxito de la atención médica remota?
Muchos de los mismos problemas que afectan a nuestro sistema actual de prestación de atención tradicional también son factores que mejoran o inhiben el éxito de la atención remota. Estos incluyen creencias y estigmas de subsegmentos sociales en torno a la atención médica, o barreras socioeconómicas derivadas de la falta de seguro, fluidez tecnológica, dispositivos necesarios y conectividad. Los silos de datos impiden maximizar el valor que podrían producir conjuntos de datos compartidos más grandes, especialmente ahora que nuestra capacidad para aprovechar los programas de aprendizaje está realmente emergiendo.
Pero hay desafíos que son exclusivos de la atención remota:
- los problemas de políticas y pagos, aunque han mejorado mucho últimamente, deben continuar con su impulso positivo para expandirse con restricciones relajadas sobre lo que es permitido y reembolsable bajo la modalidad de atención remota;
- Los desafíos financieros y la falta de capital para invertir en tecnología en el cuidado de la salud requieren una conversión de un modelo CapEx a un modelo OpEx. En lugar de invertir en instalaciones y equipos de capex, los proveedores pueden cambiar a un modelo de «pago por uso», renunciando a la necesidad de una gran cantidad de infraestructura fija y, como el servicio telefónico, pagan por los minutos (o datos) utilizados;
- la experiencia del usuario, tanto para el paciente como para el proveedor, debe continuar mejorando, en última instancia, hasta que la tecnología desaparezca en un segundo plano, y las capacidades sean intuitivas y fluidas y el proceso convincente con resultados y estructuras de costos equivalentes o mejores.
En última instancia, queremos que la tecnología apoye la provisión de atención, no que se interponga en su camino. Si tenemos éxito (y creemos que lo somos y lo seguiremos teniendo), entonces la tecnología realmente permitirá un puente hacia el mejor modelo de atención remota del mañana, creando el mejor caso posible para la normalización de la atención remota como estándar de atención. .
Gracias por la fantástica entrevista, disfruté aprender más sobre los esfuerzos de salud de Intel. Los lectores que deseen obtener más información deben visitar Negocio global de salud y ciencias de la vida de Intel.