L’objectif principal d’un hôpital est de fournir aux patients des soins optimaux. Malheureusement, les événements de ces dernières années ont rendu plus difficile la réalisation de cet objectif. La multiplication des cyberattaques a obligé les administrateurs informatiques des hôpitaux à se tourner vers la cybersécurité pour protéger les données sensibles des patients. La diminution des flux de revenus et la hausse des coûts de main-d’œuvre ont conduit à des contraintes budgétaires. Le manque de personnel laisse les cliniciens avec moins de temps à consacrer aux patients. Malgré ces défis, de nombreuses institutions restent déterminées à innover dans les soins aux patients.
Les systèmes hospitaliers investissent dans des solutions basées sur l’intelligence artificielle pour aider à atténuer ces défis et d’autres tout en accélérant et en améliorant la qualité des soins aux patients. Cependant, lorsque vient le temps du déploiement, les organismes de santé sont souvent bloqués par la question de savoir comment optimiser leur utilisation des outils d’IA. Ils savent qu'ils doivent fournir aux cliniciens des renseignements en temps réel sur le lieu d'intervention, mais ils ne savent peut-être pas comment le faire de manière pratique, rentable et évolutive, surtout si leurs infrastructures dépendent d'anciens systèmes. .
La réponse est double. Premièrement, les établissements de santé devraient envisager d’adopter des infrastructures hybrides flexibles de périphérie vers le cloud qui leur permettent de traiter les données en périphérie et dans le cloud de manière rentable. Deuxièmement, ils doivent optimiser leurs ressources informatiques afin de pouvoir extraire des informations précieuses tout en conservant des performances et une efficacité maximales.
Adopter une approche cloud hybride pour les soins de santé
Les hôpitaux regorgent de données provenant des diagnostics des patients, des admissions, de la facturation, etc. Ces données sont stockées en périphérie et dans une combinaison de cloud privés et publics. Chacun a ses avantages et ses inconvénients.
- L'information à la limite est souvent dérivé d’appareils tels que les appareils IRM, les rayons X, les ultrasons, etc., qui nécessitent des informations en temps quasi réel. Par exemple, une échographie utilisant l’IA peut aider un technicien à localiser les nerfs lors de l’anesthésie. Mais les capacités de stockage et de traitement en périphérie restent quelque peu limitées.
- Clouds privés offrent un contrôle organisationnel et la possibilité de traiter les charges de travail d’IA sur une gamme d’ensembles de données. Un cloud privé permet aux hôpitaux d'utiliser l'IA pour mettre en évidence les zones concernées sur un rapport de radiographie ou d'IRM afin d'augmenter les connaissances d'un radiologue. Mais les temps de transfert de données sont plus longs que ceux utilisés pour le traitement en périphérie.
- Clouds publics sont parfaits pour les charges de travail complexes qui bénéficient de modèles de formation d’IA dans le cloud public issus de diverses populations de patients anonymisées. Mais les délais de transmission des données peuvent être longs, les organisations doivent signer des exigences commerciales pour assurer la sécurité de leurs données et les coûts de sortie peuvent être élevés.
Une approche hybride de la périphérie au cloud, associant l'informatique périphérique sur site et le cloud computing, prend en charge chacun de ces environnements, avec l'avantage supplémentaire d'être très rentable et flexible. Avec un environnement hybride edge-to-cloud, les hôpitaux peuvent choisir de gérer certaines charges de travail sur site tout en en transférant d'autres vers le cloud, optimisant ainsi le coût de leurs ressources informatiques. Ils peuvent traiter sur site même les charges de travail les plus complexes, permettant aux cliniciens de recevoir rapidement des recommandations exploitables tout en évitant certains coûts associés au transfert de données.
Optimiser les ressources informatiques des établissements de santé
La mise en œuvre réussie d’une infrastructure hybride cloud et Edge efficace et efficiente dépend de la capacité des hôpitaux à optimiser leurs ressources informatiques. Il s'agit d'un processus en deux étapes.
La première étape consiste à prioriser les données collectées par une myriade d’appareils, de flux de travail et de technologies au sein de l’organisation de soins de santé. De nombreux hôpitaux continuent de s’appuyer sur des solutions et des appareils existants qui compilent activement des informations. Ces données ont souvent une réelle valeur, mais les solutions vieilles de dix ans ou plus ne sont pas équipées pour exécuter des algorithmes d'apprentissage automatique sur ces informations. Par conséquent, les hôpitaux doivent se concentrer sur les données les plus importantes pour leurs opérations cliniques, trouver les machines qui produisent ces données et extraire les informations.
La deuxième étape consiste à déterminer où doivent aller ces données. Certaines informations peuvent nécessiter uniquement une analyse incrémentielle qui peut être facilement gérée à la périphérie du réseau, tandis qu'une analyse algorithmique plus approfondie peut nécessiter un transfert vers un cloud privé ou public. La charge de travail nécessite peut-être une combinaison de traitement périphérique et central.
Quoi qu’il en soit, les charges de travail peuvent être déplacées de manière appropriée pour maximiser l’utilisation de toutes les ressources informatiques. Cela permettra de minimiser les goulots d'étranglement en matière de bande passante et de stockage et d'établir un bon équilibre entre des performances de charge de travail optimales et des coûts réduits.
Comment l’informatique hybride Edge-to-Cloud soutient les cliniciens
À mesure que les systèmes hospitaliers continuent d’intégrer l’IA et l’analyse en temps réel, ils auront besoin d’une infrastructure flexible capable de répondre aux exigences de chacune de ces solutions sans dépasser leur budget. L'adoption d'une approche hybride de la périphérie au cloud et l'optimisation appropriée des ressources leur permettront d'exploiter efficacement ces technologies, de surmonter bon nombre de leurs défis actuels et d'aider les cliniciens à prodiguer des soins exceptionnels aux patients.