Ambient Digital Assistance в сфере здравоохранения на периферии

«Периферийные вычисления чрезвычайно важны в здравоохранении по нескольким причинам. И одна из главных причин — конфиденциальность».

Граничные вычисления — это вычислительный процесс, в котором реальный ЦП и его модули будут делать все, включая обучение моделей, прямо на граничном устройстве, вместо того, чтобы данные направлялись в облако для обработки, а затем возвращались обратно (1) . Итак, почему это важно? Ну, большие облачные серверы, такие как YouTube, подключены через основную сеть, затем через пограничные серверы, а затем через пограничные устройства (2). Но если вы снизите всю вычислительную мощность до уровня периферии, вы значительно уменьшите задержку, вероятность утечки данных, а также сможете улучшить конфиденциальность. Так что все это чрезвычайно важно в здравоохранении по сравнению со многими другими местами.

Это часть более крупной серии — Цифровой голосовой помощник в телемедицине, и она включает четыре основные темы:

  1. Истинное влияние телездравоохранения
  2. Обработка естественного языка в здравоохранении и обзор
  3. Амбиентный интеллект в здравоохранении
  4. Облако против граничных вычислений в здравоохранении

Итак, в этой статье мы обсудим граничные вычисления в здравоохранении.

Облако и периферия:

Вообще говоря, существует огромная разница между облачными и граничными вычислениями (3). В пограничных вычислениях расположение службы находится непосредственно в пограничной сети или на устройстве, или в маршрутизаторе, или в определенном месте. Таким образом, данные сами по себе не покидают объект, что снижает задержку. И джиттер очень низкий, что на самом деле представляет собой потерю данных и данные, которые могут передаваться между двумя разными устройствами. Для здравоохранения в целом и для таких устройств, как роботизированная хирургия, чрезвычайно важно иметь низкую задержку и низкий уровень джиттера. В дополнение к этому, в периферийных вычислениях геолокация распределена, поэтому даже в случае утечки данных вы не потеряете много данных. И поэтому это чрезвычайно важно. Кроме того, благодаря растущему количеству мобильных медицинских услуг, таких как компьютерная томография и МРТ в машинах скорой помощи, периферийные вычисления стали не просто реальностью, но и неотъемлемой частью оказания медицинской помощи.

Гибридные вычисления по преимуществу для игр

Основная причина, по которой граничные вычисления стали такой вещью, связана с игровой индустрией. В PS5 или Xbox вставляешь диск и он заливает 10-12 или 25 гигабайт полной графики и все. Но в многопользовательской игре вы не загружаете всю графику в облако, а вместо этого просто указываете местоположение или очень ограниченный объем информации в облаке. Итак, когда у вас есть значительная мощность графического процессора в Xbox или PlayStation, это снижает рабочую нагрузку на облако, а также необходимую передачу данных, и вы по-прежнему будете иметь очень хорошие игровые возможности с низкой задержкой. Итак, с технологической точки зрения вы должны понимать, что основной отраслью, которая получила такое большое преимущество граничных вычислений, является игровая индустрия. NVIDIA, создающая графические процессоры, медленно расширяется. На самом деле, будет появляться все больше и больше медицинских IoT-устройств, таких как Apple Watch или Fitbit, и появятся миллиарды датчиков, которые будут собирать все больше и больше данных. Таким образом, важно максимально обработать эти цифры на устройстве, затем на пограничном сервере, а затем уменьшить пропускную способность данных за пределами локальной сети. Это значительно сократит количество утечек данных, повысит конфиденциальность, а также уменьшит общее воздействие на окружающую среду.

Swarm Learning для клинического машинного обучения:

Недавняя статья, которая была опубликована и которую вам обязательно стоит прочитать, — Swarm Learning для децентрализованного и конфиденциального клинического машинного обучения (4). Все эти усилия были инициированы EHP Hewlett Packard. И в этой статье они иллюстрируют совершенно новую модель, которая выходит за рамки федеративного обучения, называемого групповым обучением, в котором не только вычисления данных находятся на периферии, но у вас действительно есть модели искусственного интеллекта и машинного обучения, которые калибруются и затем загружаются. а затем объединяется, а затем перераспределяется на все пограничные устройства. Например, если есть несколько дверных дронов и каждый из них проходит полосу препятствий, то из-за болотного обучения, если один из них чему-то учится, обновляется весь рой дронов. Это точно так же, как у вас может быть децентрализованная, конфиденциальная среда обучения, только в которой загружаются не данные, а знания. Таким образом, он полностью становится приватным и чрезвычайно важен в этой среде программ-вымогателей и утечек данных.

Прорывы от NVIDIA:

NVIDIA сделала для этого большой толчок (5). На самом деле, теперь у них есть аппаратные системы, которые работают от 0,5 TOPS до 10 000 TOPS. И они пытаются это сделать по двум причинам. Одним из них, конечно же, является уменьшение задержки. Но что еще более важно, нам как врачам действительно нужна аналитика в реальном времени, особенно в критических ситуациях. И что аналитика в реальном времени может быть достигнута только за счет распределенных вычислений на всем пути от периферии до облака. И поэтому нам нужно, чтобы каждое подключенное устройство было все более и более интеллектуальным. Преимущество В РЕАЛЬНОМ ВРЕМЕНИ

Эволюция кремниевой архитектуры:

Если вы посмотрите на архитектуру, основные полупроводники изначально были скалярными, то есть процессором, а затем векторными, то есть графическим процессором. Но теперь у нас есть эта матрица, в которой были разработаны настоящие полупроводниковые чипы для ИИ. И они уже есть на рынке. Если вы посмотрите на первый чип M1 (6), представленный Apple, вы увидите огромный нейронный движок с 16 ядрами, предназначенными только для выполнения задач искусственного интеллекта. И это не только для Apple, если вы посмотрите на Arm V9, машинное обучение — это большая часть его совершенно новой архитектуры, представленной за целое десятилетие, на которой разрабатываются чипы Qualcomm и Apple. Таким образом, в самой отрасли есть огромный толчок к созданию встроенного ИИ на аппаратном уровне, чтобы он мог работать лучше. Следовательно, эти чипы и периферийные устройства будут лучше, и поэтому у нас будет все больше и больше граничных вычислений и более распределенных децентрализованных граничных вычислений.

Последние инновации:

Эти технологические нововведения имеют некоторые прямые результаты, например, если посмотреть на последние нововведения от Google, то можно увидеть, что они действительно сделали On-device Live Caption (7). Таким образом, данные не попадают в облако, а вместо этого у устройства достаточно мощности, чтобы оно могло выполнять субтитры на устройстве или распознавать речь на устройстве. Apple также представила его совсем недавно с Siri, и его можно автоматически выполнять на самом устройстве, потому что устройство имеет все возможности, а модели также были уменьшены с точки зрения использования памяти, так что теперь у нас есть лучшие модели, лучшее оборудование, чтобы на самом деле взять заботиться об этих новых реалиях.

"Если бы кто-то спас жизнь, это было бы так, как если бы он спас жизнь всему человечеству"

Ссылка:

  1. https://www.alibabacloud.com/knowledge/what-is-edge-computing
  2. Ахмед Э., Ахмед А., Якуб И., Шуджа Дж., Гани А., Имран М. и Шоаиб М. (2017). Приближение вычислений к пользовательской сети: являются ли граничные вычисления решением? Журнал IEEE Communications, 55 (11), 138–144.
  3. Ахмед, Э., Гани, А., Имран, М., и Шоаиб, М. (2017). Приближение вычислений к пользовательской сети: являются ли граничные вычисления решением? Журнал IEEE Communications, 55 (11), 138–144.
  4. Swarm Learning для децентрализованного и конфиденциального клинического машинного обучения. Природа, 1–7. https://doi.org/10.1038/s41586-021-03583-3
  5. https://nvidianews.nvidia.com/news/nvidia-launches-edge-computing-platform-to-bring-real-time-ai-to-global-industries
  6. https://www.apple.com/mac/m1/
  7. https://www.androidauthority.com/android-10-live-capture-1035738/