边缘计算和5G在医疗保健中的作用-边缘计算与5g

技术改变了我们进行诊断、患者护理和治疗的方式。边缘计算和5G加速创新，让医疗服务更快、更便宜、更好。疫情期间，许多人不想去医院，这影响了他们的早期诊断和后期康复。此外，老年人口的稳步增长正在给世界各地的老年护理设施带来越来越大的压力。

需要快速、高效护理的人数远远超过了可为他们提供护理的提供者的数量。世界卫生组织的数据显示，我们面临着全球700万卫生工作者的短缺。这是个坏消息。好消息是，边缘计算和5G等技术的快速发展使得引入解决方案变得更加容易，这些解决方案可以弥补人力短缺，改变医疗服务的提供方式。

让我们看看边缘计算和5G的一些医疗应用案例：

可穿戴设备可以连续监测血压、心率、体温、血氧水平等。

此数据被推送到最近的边缘服务器，并在该边缘位置进行本地处理，从而最大限度地减少延迟并提高处理速度。医生可以利用这些信息实时评估患者的健康状况。

启用雷达的床上传感器监测心率、呼吸频率和血压等生命体征，同时在超出正常限度时向护理者发出警报。

床上的传感器跟踪人们的睡眠时间。从睡眠模式中获取的数据可以检测疾病的早期迹象。

直到最近，医院都有一个集中的架构，数据存储在云中。各种较小的诊所和医疗中心连接到一个中心位置来存储和处理数据。

边缘计算为医院提供了在最近的边缘位置存储数据并使其能够快速处理的好处。这有一个额外的安全优势，因为数据存储在本地，不会远距离传输到云端，这降低了中途有人入侵数据的风险。

以移动医疗点诊断为形式的按需医疗为城市和农村地区的人们带来了医疗保健。

与生命体征一起，糖尿病和心血管疾病等关键疾病的特定数据被推送到最近的边缘服务器。这些数据可以在几分钟内被处理、分析并传输给远程位置的医生。

健康数据的快速可用性导致了远程健康应用程序的增长，导致服务提供商站点的容量需求增加。

边缘计算帮助开发人员快速增加额外的计算和存储容量，满足紧急需求并优化资源。

救护车现在可以做的不仅仅是将患者运送到医院和返回医院。

嵌入在医疗点筛查设备和高清视频中的技术可以通过5G连接将生命体征和其他健康参数的数据传输到中央监控站，并通过最后一英里边缘提供商的网络进行回传。

护理人员和紧急医疗响应人员随后可以与医生合作，在患者被送往医院之前稳定患者，而急诊室人员则可以为患者的到来做好准备。

没有人工智能，就不可能完整地讨论医疗保健的未来。从慢性病和癌症到放射学和风险评估，我们可以使用人工智能改变患者护理和诊断。

以下是人工智能如何改变早期检测和诊断的两个例子。

黑色素瘤检测——黑色素瘤是一种恶性肿瘤，占皮肤癌相关死亡的70%以上。医生通常依靠目视检查来确定可疑的皮肤损伤。虽然在很多情况下很难做出准确的诊断。

人工智能有助于解决这个问题。使用DCNNs(深层卷积神经网络)的软件系统可以分析智能手机摄像头获取的广角图像，并识别需要进一步调查的病变。

通过将图像存储在最近的边缘服务器并在本地进行处理，结果将在几分钟内返回。

放射——边缘计算产生了人工智能应用，减少了MRI扫描所需的时间。Facebook和纽约大学格罗斯曼医学院的最新研究表明，人工智能生成的快速MRI图像包含的诊断信息可与较慢的传统MRI扫描仪拍摄的图像相媲美。

通过删除用于创建扫描的大约四分之三的原始数据，AI模型能够生成与正常MRI过程创建的快速MRI扫描相当的fastMRI扫描。

因为fastMRI扫描需要的数据少了四倍，所以他们有可能更快地扫描患者，从而减少他们在MRI机器上的时间。

孤立地考虑5G或边缘计算是错误的。边缘计算是5G实现小于5毫秒延迟目标的唯一途径。虽然大多数人认为5G的延迟较低，但他们忘记了边缘设备产生的数据量。

可穿戴设备、传感器和其他物联网设备等设备产生大量数据，需要在本地进行管理和处理，并将结果以近乎实时的方式传输回医生、医院急诊室和远程设施。

然而，由于许多电信公司的路由基础设施都不太理想，这并不总是可能的。5G with edge承诺通过显著减少端点和数据中心之间的延迟来解决该问题。