Source: Victor Dey, How real-time data management is revolutionizing healthcare, April 7, 2023由于来自传感器和医疗设备的信息涌入，医疗卫生数据流继续呈指数级增长。这使得临床数据处理变得越来越复杂。电子健康记录、医学成像系统和临床研究数据库会产生大量数据，这对需要高效数据管理、准确性和安全性的医疗卫生专业人员提出了艰巨的挑战。如今，数据分析和自学习人工智能（AI）模型彻底改变了我们跨行业管理、分析和使用数据的方式。医疗卫生行业是实时数据管理和分析正在取得重大进展的行业。为了应对医疗数据管理日益严峻的挑战，该行业正在转向以患者为中心、数据驱动的方法，其中实时数据管理在促进患者服务和支持医学研究方面发挥着至关重要的作用。实时医疗卫生数据管理使用历史和实时数据来预测趋势、发现可操作的洞见、推动医疗进步并推动长期增长。实时访问和分析数据对于医疗卫生专业人员提供更好的患者护理和实现医学突破至关重要。如果实施得当，实时数据管理可以产生显著的好处，包括降低治疗成本、全面了解患者及其病情以及优化工作流程。实时数据管理和分析可以通过改善临床工作流程来显著提高护理质量。目前，医疗卫生行业主要分析几个月前的临床或计费数据，以找到增强未来护理的方法。相比之下，实时数据使提供者能够在临床遭遇过程中影响临床遭遇。医疗卫生组织正在采用实时数据分析，以减少在低效库存管理、患者护理和员工部署方面的超支。“利用实时数据可以让临床医生提出更好的问题并获取完整的病史，写下护理团队可以研究的完整笔记，并做出更好的临床决策，影响患者的健康轨迹，”医疗人工智能平台Abridge的联合创始人兼CEO Shiv Rao博士说。Abridge的医疗对话人工智能可以“倾听”医患对话，并实时生成草稿笔记和结构化数据。“这些数据可以被反馈到EMR（电子病历系统）中，让医生不仅从文档记录的负担中解放出来，也从EMR中的其他临床工作流程中解放出来，”Rao 表示。实时、真实的数据使医疗卫生提供者能够采取及时、主动的措施，防止负面的健康结果，最终降低患者的护理成本。事实上，来自真实世界数据源的实时数据提高了整个医疗卫生连续体中护理服务的有效性，改善了需要精确、量身定制治疗的不同患者群体的结果。“实时数据会影响精准医疗对需要实时干预的真实患者，患有真实综合症的患者的表现，”数据管理公司LexisNexis Risk Solutions的医疗卫生战略高级总监Camille Cook说。“通过实施实时数据，临床医生和公共卫生专业人员可以成倍地改善协调的护理工作、患者结果和患者的护理成本。”实时数据的另一个应用是临床试验监测。在这里，实时数据有时用于检测试验参与者中可能存在的安全问题。例如，基于AI/ML的临床恶化早期预警系统可以检测患者恶化之前的异常生命体征和不良结果。收到警报后，护理人员可以及时干预以稳定患者。“将来自内窥镜摄像头的实时数据与护理点的人工智能应用程序集成，为数字手术开辟了新的可能性，”英伟达医疗卫生发展总监David Niewolny解释。英伟达和美敦力最近宣布合作，将用于构建医疗设备的实时人工智能计算软件平台Nvidia Holoscan和工业级硬件平台Nvidia IGX与美敦力的GI Genius AI辅助结肠镜检查系统相结合，该系统可检测结直肠癌的早期迹象。有效的医疗卫生服务依赖于无缝、有凝聚力的生态系统。该生态系统包括手术工具、连接的传感器、放射成像、EMR和其他应用程序，这些应用程序必须协同工作，为外科医生、临床医生和介入医生提供全面的图像。为了确保这些系统的有效和高效运行，了解数据流和基本架构是至关重要的。系统间数据流中的任何干扰或间断都可能会引发问题。与临床工作流程的集成也是至关重要的，因为这是获得美国食品药品监督管理局(FDA)新医疗设备或软件作为医疗设备算法许可的关键评估标准。“数据必须是可定位的、可搜索的、可检索的和有用的——例如，[它必须采用]正确的格式或单位。如果缺少其中任何一个，整个数据链就会中断，“英伟达的Niewolny说。“当数据链中断时，数据最终会分散在多个系统或多个应用程序上的孤岛中，临床医生留下不完整的数据，或者必须做工作来拼凑出患者状况或状态的整体视图。”准确的医疗卫生数据对于做出影响患者护理的明智决策至关重要。数据准确性的一个关键要求是一个连接的框架，该框架建立明确的“事实来源”，确定对特定数据点具有管辖权的系统。当不必要地重新输入数据时，可能会出现不准确的情况，例如，当可以从EMR自动提取此信息时，手动输入患者人口统计数据。互联数据架构对于减少这些错误、简化信息流和最大限度地减少手动数据输入的需求至关重要。“重要的是，利用实时数据使工作流程和解决方案具有临床医生和患者应得的正常运行时间。这导致在适当的情况下利用虚拟化，并拥有容错系统，因此在发生网络或断电时不会出现单点故障，”Niewolny补充道。“这得益于经过深思熟虑的数据架构和使用企业级解决方案。”同样，数据驱动的医生咨询服务Atropos Health的联合创始人兼首席执行官Brigham Hyde表示，定义明确的数据架构可帮助医疗卫生组织安全有效地捕获，存储和学习数据。Hyde说：“定义明确的数据架构和来源提供了有关患者或其他类似患者状态的额外背景信息，从而能够通过临床知情的分析技术快速识别模式，趋势，预测和可能的治疗计划。这些结果可用于提供更明智的护理，减少因不同患者群体的证据差距而产生的医疗卫生差异。”越来越多的测量数据给临床医生带来了大量数据。难点是将这些大量的数据转化为可操作的洞见。这需要过滤数据以理解患者的状态，并在各种数据源中识别趋势。解决这种数据过载的技术之一是临床大语言模型（LLM）。在过去的几个月里，像ChatGPT这样的AI语言模型引起了轰动。但是，英伟达的Niewolny说，“有经过专门训练的医疗卫生AI/LLM模型，如GatorTron，可以做临床医生没有时间做的事情。”他补充说，这种人工智能模型可以将多个数据源（包括患者笔记）聚合到一个一致的视图中，或者编写大量数据的清晰摘要，以深入了解患者的病情。在数据激增的情况下，医疗卫生提供商正在努力应对一系列挑战。他们面临着包括安全问题、标准化问题和对更强大工具的需求在内的障碍。相反，不仅在技术领域，而且在医疗卫生流程的综合设计和管理方面，都需要进行根本性的转变。反过来，这将对服务提供商的商业模式产生积极影响。将患者置于医疗卫生系统的中心对其有效性至关重要。“获取数据很容易；将数据应用到现有的临床工作流程中是最困难的部分，”Lexis Nexis的Cook解释说。“允许跨EHR（电子健康记录）供应商、成像专家、注册表仓库、基因组学数据库和真实世界数据供应商的互操作性和大数据交换市场，增强了无缝集成到这些现有工作流程的能力。”Niewolny认为，医疗卫生的未来在于个性化护理，根据每位患者的独特需求量身定制治疗。随着治疗和个体患者需求的不断发展，实时数据将是实现这一转变的必要条件。Niewolny说：“多模式应用将继续变得更加普遍，利用所有可用数据（结构化和非结构化），为临床医生提供没有实时数据就无法获得的额外洞见。这些洞见将使我们更接近个性化精准医疗的目标，从而改善结果和患者体验。”同样，Atropos Health的Hyde表示，实时数据，真实世界数据和AI具有加速医学研究和改善患者预后的变化潜力。“我们期待未来在医疗卫生中广泛使用技术，使从临床数据中学习更快，更容易，更贴近不同的人群，” Hyde说。“对于医院来说，产出是实现学习卫生系统的承诺。对于患者来说，这是基于像他们这样的患者的生活经历的汇总证据的更量身定制的护理。对于科学来说，这是一条增强发现和研究潜力的道路。”