Succes Internet of Medical Things is afhankelijk van edge computing

De zorg staat aan de vooravond van een technologische revolutie waarin artificial intelligence (AI) en edge computing een bepalende rol zullen spelen. Naar verwachting zal de implementatie van zorg-gerelateerde AI met 41,4 procent groeien naar een marktwaarde van 51,3 miljard dollar in 2027, terwijl de markt voor edge cloud computing naar verwachting tussen nu en 2025 met 34,1 procent zal groeien. De toepassing van AI brengt echter een aantal vraagstukken met zich mee die eerst opgelost dienen te worden. Welke drempels (en oplossingen) zijn er voor Internet of Medical Things (IoMT)? Dynabook geeft drie voorbeelden.

 

AI heeft letterlijk een big data-probleem: het is in vele opzichten een data-intensieve technologie. Niet alleen wordt op grote schaal data verwerkt door AI-oplossingen, ze leveren op hun beurt ook weer een stortvloed aan gegevens op. Neem bijvoorbeeld de slimme software die informatie verzamelt van patiënten die herstellen van een operatie. Niet alleen worden vitale organen gemonitord, het systeem leert ook door steeds naar hetzelfde scenario te kijken en afwijkingen te herkennen. Dit levert een constante uitwisseling van gegevens op.

 

Met edge computing worden gegevens dichter bij de bron verwerkt, waardoor geen tijd en bandbreedte wordt verspild aan het verzenden van gegevens naar de cloud of een datacenter. In plaats daarvan hebben dokters direct inzicht in medische data en kunnen ze op basis daarvan bepalen welke behandeling noodzakelijk is. Zo bewijzen de gegevens bovendien sneller hun meerwaarde.

 

Wanneer technologie en diensten zich steeds meer verspreid over het netwerk bevinden, is latency vrijwel niet te voorkomen. In een sector waar het verschil tussen leven en dood letterlijk enkele seconden kan zijn, is het daarom zaak om latency zo klein mogelijk te houden.

 

Ook hier kan edge computing een rol in spelen door de afstand tot de eindgebruiker per toepassing te bepalen. De meest kritieke dataverwerkingstaken dienen daarbij het dichtst bij de eindgebruiker plaats te vinden. Dit maakt snellere en responsievere AI-gebaseerde diensten mogelijk die vertraagde besluitvorming voorkomt.

 

De bescherming van persoonsgegevens is nog altijd één van de grote uitdagingen bij het toepassen van AI. Nu heeft de zorgsector al behoorlijk wat ervaring in het bewaken van de privacy van patiëntgegevens, maar AI-zorgtoepassingen voegen hier een nieuwe dimensie aan toe. Het besef groeit namelijk dat het geautomatiseerd vergelijken van verschillende patiëntgegevens de beste manier is om waardevolle inzichten voor patiënten te creëren. Daarvoor moet er wel een systeem opgetuigd worden waarbinnen data veilig en geanonimiseerd gedeeld kunnen worden.

 

Omdat edge-based AI patiëntgegevens lokaal op een device opslaat en verwerkt, en niet per definitie naar de cloud stuurt, kan de veiligheid van patiëntinformatie beter gewaarborgd worden. Door een deel van de data alleen lokaal op te slaan, wordt het dataverkeer van en naar de cloud verminderd - wat weer minder risico op datalekken betekent.