ヘルスケアにおける AI 導入の価値を最大化するには、エッジからクラウドまでのハイブリッド戦略が必要

ヘルスケアへのハイブリッドクラウドアプローチの導入

病院には患者の診断、入院、請求などに関するデータがあふれています。これらのデータはエッジと プライベートクラウドとパブリッククラウドの組み合わせそれぞれに利点と欠点があります。

• エッジの情報 多くの場合、ほぼリアルタイムの洞察を必要とする MRI 装置、X 線、超音波などのデバイスから取得されます。たとえば、超音波を実行する AI は、麻酔を投与するときに技術者が神経を見つけるのに役立ちます。ただし、エッジでのストレージと処理能力はまだある程度制限されています。
• プライベートクラウド 組織的な制御と、さまざまなデータセットにわたる AI ワークロードを処理する機能を提供します。プライベート クラウドを使用すると、病院は AI を使用して X 線や MRI レポートの懸念領域を強調表示し、放射線科医の知識を補強できます。ただし、データ転送時間はエッジ処理の場合よりも長くなります。
• パブリッククラウド 複雑な作業負荷に最適 匿名化された多様な患者集団からデータを取得するパブリック クラウド AI トレーニング モデルのメリットを享受できます。ただし、データの転送時間は長くなる可能性があり、組織はデータを安全に保つためにビジネス要件に署名する必要があり、出力コストが高額になる可能性があります。

オンプレミスのエッジコンピューティングとクラウドコンピューティングを組み合わせたハイブリッドエッジツークラウドアプローチは、これらの各環境をサポートし、コスト効率と柔軟性に優れた利点も追加されます。ハイブリッドエッジツークラウド環境では、病院は一部のワークロードをオンサイトで管理することを選択できます。 他の人をクラウドに移行しながら、コンピューティング リソースのコストを最適化します。最も複雑なワークロードでもオンサイトで処理できるため、臨床医はデータ転送に関連するコストを回避しながら、実用的な推奨事項を迅速に受け取ることができます。

続きを読む： ハイブリッド クラウド環境の 3 つの主な課題を克服します。

医療機関のコンピューティングリソースの最適化

成功した実装 効率的で効果的なハイブリッドクラウド エッジ インフラストラクチャは、病院がコンピューティング リソースを最適化できるかどうかに依存します。これは 2 段階のプロセスです。

最初のステップは、医療機関内の無数のデバイス、ワークフロー、テクノロジーによって収集されるデータの優先順位付けです。多くの病院は、積極的に情報を収集している従来のソリューションやデバイスに依存し続けています。そのデータには実際の価値があることがよくありますが、10年以上前のソリューションでは、その情報に対して機械学習アルゴリズムを実行する機能がありません。したがって、病院は、医療にとって最も重要なデータに焦点を当てる必要があります。 臨床業務、そのデータを生成しているマシンを見つけて、情報を抽出します。

2 番目のステップは、そのデータをどこに送るかを決定することです。情報によっては、ネットワークのエッジで簡単に処理できる増分分析のみが必要になる場合がありますが、より詳細なアルゴリズム分析には、プライベート クラウドまたはパブリック クラウドへの転送が必要になる場合があります。おそらく、ワークロードにはエッジ処理と中央処理の組み合わせが必要です。

いずれの場合も、ワークロードを適切にシフトすることで、すべてのコンピューティング リソースの使用率を最大化できます。これにより、帯域幅とストレージのボトルネックを最小限に抑え、最適なワークロード パフォーマンスとコスト削減のバランスをとることができます。

ハイブリッドエッジツークラウドコンピューティングが臨床医をサポートする方法

病院システムが AI とリアルタイム分析を導入し続けるにつれて、予算を超過することなくこれらの各ソリューションの要求をサポートする柔軟なインフラストラクチャが必要になります。 エッジからクラウドへのハイブリッドアプローチの採用 リソースを適切に最適化することで、これらのテクノロジーを効果的に活用し、現在の課題の多くを克服し、臨床医が優れた患者ケアを提供できるようになります。