技術(shù)改變了我們進(jìn)行診斷、患者護(hù)理和治療的方式。邊緣計(jì)算和5G加速創(chuàng)新，讓醫(yī)療服務(wù)更快、更便宜、更好。疫情期間，許多人不想去醫(yī)院，這影響了他們的早期診斷和后期康復(fù)。此外，老年人口的穩(wěn)步增長(zhǎng)正在給世界各地的老年護(hù)理設(shè)施帶來(lái)越來(lái)越大的壓力。
需要快速、高效護(hù)理的人數(shù)遠(yuǎn)遠(yuǎn)超過(guò)了可為他們提供護(hù)理的提供者的數(shù)量。世界衛(wèi)生組織的數(shù)據(jù)顯示，我們面臨著全球700萬(wàn)衛(wèi)生工作者的短缺。這是個(gè)壞消息。好消息是，邊緣計(jì)算和5G等技術(shù)的快速發(fā)展使得引入解決方案變得更加容易，這些解決方案可以彌補(bǔ)人力短缺，改變醫(yī)療服務(wù)的提供方式。
讓我們看看邊緣計(jì)算和5G的一些醫(yī)療應(yīng)用案例：
可穿戴
可穿戴設(shè)備可以連續(xù)監(jiān)測(cè)血壓、心率、體溫、血氧水平等。
此數(shù)據(jù)被推送到最近的邊緣服務(wù)器，并在該邊緣位置進(jìn)行本地處理，從而最大限度地減少延遲并提高處理速度。醫(yī)生可以利用這些信息實(shí)時(shí)評(píng)估患者的健康狀況。
在醫(yī)院
啟用雷達(dá)的床上傳感器監(jiān)測(cè)心率、呼吸頻率和血壓等生命體征，同時(shí)在超出正常限度時(shí)向護(hù)理者發(fā)出警報(bào)。
床上的傳感器跟蹤人們的睡眠時(shí)間。從睡眠模式中獲取的數(shù)據(jù)可以檢測(cè)疾病的早期跡象。
直到最近，醫(yī)院都有一個(gè)集中的架構(gòu)，數(shù)據(jù)存儲(chǔ)在云中。各種較小的診所和醫(yī)療中心連接到一個(gè)中心位置來(lái)存儲(chǔ)和處理數(shù)據(jù)。
邊緣計(jì)算為醫(yī)院提供了在最近的邊緣位置存儲(chǔ)數(shù)據(jù)并使其能夠快速處理的好處。這有一個(gè)額外的安全優(yōu)勢(shì)，因?yàn)閿?shù)據(jù)存儲(chǔ)在本地，不會(huì)遠(yuǎn)距離傳輸?shù)皆贫?，這降低了中途有人入侵?jǐn)?shù)據(jù)的風(fēng)險(xiǎn)。
醫(yī)療點(diǎn)診斷和遠(yuǎn)程醫(yī)療
以移動(dòng)醫(yī)療點(diǎn)診斷為形式的按需醫(yī)療為城市和農(nóng)村地區(qū)的人們帶來(lái)了醫(yī)療保健。
與生命體征一起，糖尿病和心血管疾病等關(guān)鍵疾病的特定數(shù)據(jù)被推送到最近的邊緣服務(wù)器。這些數(shù)據(jù)可以在幾分鐘內(nèi)被處理、分析并傳輸給遠(yuǎn)程位置的醫(yī)生。
健康數(shù)據(jù)的快速可用性導(dǎo)致了遠(yuǎn)程健康應(yīng)用程序的增長(zhǎng)，導(dǎo)致服務(wù)提供商站點(diǎn)的容量需求增加。
邊緣計(jì)算幫助開(kāi)發(fā)人員快速增加額外的計(jì)算和存儲(chǔ)容量，滿(mǎn)足緊急需求并優(yōu)化資源。
救護(hù)車(chē)
救護(hù)車(chē)現(xiàn)在可以做的不僅僅是將患者運(yùn)送到醫(yī)院和返回醫(yī)院。
嵌入在醫(yī)療點(diǎn)篩查設(shè)備和高清視頻中的技術(shù)可以通過(guò)5G連接將生命體征和其他健康參數(shù)的數(shù)據(jù)傳輸?shù)街醒氡O(jiān)控站，并通過(guò)最后一英里邊緣提供商的網(wǎng)絡(luò)進(jìn)行回傳。
護(hù)理人員和緊急醫(yī)療響應(yīng)人員隨后可以與醫(yī)生合作，在患者被送往醫(yī)院之前穩(wěn)定患者，而急診室人員則可以為患者的到來(lái)做好準(zhǔn)備。
人工智能
沒(méi)有人工智能，就不可能完整地討論醫(yī)療保健的未來(lái)。從慢性病和癌癥到放射學(xué)和風(fēng)險(xiǎn)評(píng)估，我們可以使用人工智能改變患者護(hù)理和診斷。
以下是人工智能如何改變?cè)缙跈z測(cè)和診斷的兩個(gè)例子。
黑色素瘤檢測(cè)——黑色素瘤是一種惡性腫瘤，占皮膚癌相關(guān)死亡的70%以上。醫(yī)生通常依靠目視檢查來(lái)確定可疑的皮膚損傷。雖然在很多情況下很難做出準(zhǔn)確的診斷。
人工智能有助于解決這個(gè)問(wèn)題。使用DCNNs（深層卷積神經(jīng)網(wǎng)絡(luò)）的軟件系統(tǒng)可以分析智能手機(jī)攝像頭獲取的廣角圖像，并識(shí)別需要進(jìn)一步調(diào)查的病變。
通過(guò)將圖像存儲(chǔ)在最近的邊緣服務(wù)器并在本地進(jìn)行處理，結(jié)果將在幾分鐘內(nèi)返回。
放射——邊緣計(jì)算產(chǎn)生了人工智能應(yīng)用，減少了MRI掃描所需的時(shí)間。Facebook和紐約大學(xué)格羅斯曼醫(yī)學(xué)院的最新研究表明，人工智能生成的快速M(fèi)RI圖像包含的診斷信息可與較慢的傳統(tǒng)MRI掃描儀拍攝的圖像相媲美。
通過(guò)刪除用于創(chuàng)建掃描的大約四分之三的原始數(shù)據(jù)，AI模型能夠生成與正常MRI過(guò)程創(chuàng)建的快速M(fèi)RI掃描相當(dāng)?shù)膄astMRI掃描。
因?yàn)閒astMRI掃描需要的數(shù)據(jù)少了四倍，所以他們有可能更快地掃描患者，從而減少他們?cè)贛RI機(jī)器上的時(shí)間。
邊緣與5G齊頭并進(jìn)
孤立地考慮5G或邊緣計(jì)算是錯(cuò)誤的。邊緣計(jì)算是5G實(shí)現(xiàn)小于5毫秒延遲目標(biāo)的唯一途徑。雖然大多數(shù)人認(rèn)為5G的延遲較低，但他們忘記了邊緣設(shè)備產(chǎn)生的數(shù)據(jù)量。
可穿戴設(shè)備、傳感器和其他物聯(lián)網(wǎng)設(shè)備等設(shè)備產(chǎn)生大量數(shù)據(jù)，需要在本地進(jìn)行管理和處理，并將結(jié)果以近乎實(shí)時(shí)的方式傳輸回醫(yī)生、醫(yī)院急診室和遠(yuǎn)程設(shè)施。
然而，由于許多電信公司的路由基礎(chǔ)設(shè)施都不太理想，這并不總是可能的。5G with edge承諾通過(guò)顯著減少端點(diǎn)和數(shù)據(jù)中心之間的延遲來(lái)解決該問(wèn)題。
