Obrazowanie medyczne stało się jednym z najbardziej obciążonych obszarów w szpitalach. Liczba badań CT, MR i USG rośnie szybciej niż możliwości zespołów techników i radiologów, a dane są rozproszone między wieloma systemami i archiwami. Coraz więcej organizacji ochrony zdrowia szuka więc odpowiedzi na to, jak uporządkować środowisko obrazowania, przygotować je na AI, jednocześnie zapewniając bezpieczeństwo oraz przewidując koszty.
Wśród rozwiązań, które przyciągają dziś szczególną uwagę, znajdują się koncepcje i platformy rozwijane przez Dell Technologies we współpracy z NVIDIA – w tym środowiska klasy Dell AI Factory z NVIDIA oraz wyspecjalizowany zestaw narzędzi NVIDIA Clara AI Toolkit dla obrazowania medycznego.
Przez lata standardem były oddziałowe systemy PACS, zbudowane osobno dla radiologii, kardiologii czy innych pracowni. W czasach, gdy każda jednostka funkcjonowała stosunkowo niezależnie, miało to sens. Dzisiaj to podejście coraz częściej utrudnia pracę – dane są rozproszone, trudno zbudować pełny obraz pacjenta, a projekty AI często kończą się na pojedynczych pilotażach.
Dell Technologies opisuje wyraźny zwrot w kierunku enterprise imaging – spójnych platform, które konsolidują dane z wielu systemów i obejmują zarówno klasyczne badania DICOM, jak i obrazy spoza tradycyjnego PACS: zdjęcia wykonane przy łóżku pacjenta, wideo z bloków operacyjnych, materiały rejestrowane przez personel na urządzeniach mobilnych. Dzięki temu klinicyści otrzymują jeden widok historii obrazowej pacjenta, a zespoły IT zyskują lepszą kontrolę nad cyklem życia danych i możliwością ich wykorzystania w projektach AI.
AI jako wsparcie w raportowaniu i decyzjach klinicznych
W publikacjach Dell Technologies podkreślana jest rola sztucznej inteligencji jako cyfrowego asystenta, a nie zastępstwa radiologa. Modele oparte na dużych zbiorach opisów badań potrafią w kilka sekund przygotować wstępny, ustrukturyzowany szkic raportu, zgodny z wytycznymi i standardami opisu. Radiolog zachowuje pełną kontrolę nad wynikiem: edytuje treść, uzupełnia kontekst kliniczny i zatwierdza finalny raport.
W praktyce przekłada się to na skrócenie czasu oczekiwania na wstępny opis, szczególnie w obszarach takich jak nocne dyżury czy ostre dyżury szpitalne. Dodatkowo AI może pomagać w priorytetyzacji badań – zwracać uwagę na obrazy, w których wykryto potencjalnie niebezpieczne zmiany wymagające szybkiej reakcji.
Punktowe obrazowanie też musi trafić do systemu
W nowoczesnym szpitalu coraz więcej obrazów powstaje poza klasyczną pracownią – pielęgniarki dokumentują proces gojenia ran, lekarze medycyny ratunkowej wykonują szybkie badania USG przy łóżku, dermatolodzy fotografują zmiany skórne w gabinetach. Dell Technologies zwraca uwagę, że duża część tych danych nie trafia do formalnej dokumentacji medycznej, choć ma wysoką wartość kliniczną.
Nowoczesne platformy enterprise imaging, o których pisze Dell, pozwalają automatycznie przechwytywać takie obrazy, nadawać im odpowiednią strukturę (w tym DICOM, gdy jest to wymagane), archiwizować w vendor-neutral archive (VNA) oraz udostępniać w systemie EHR obok klasycznych badań radiologicznych. Z perspektywy lekarza oznacza to pełniejszą historię pacjenta, a z perspektywy zespołów odpowiedzialnych za AI – bogatszy materiał do analiz i trenowania modeli.
Jednym z wyzwań we wdrażaniu AI w ochronie zdrowia jest pogodzenie wymagań dotyczących ochrony danych z rosnącymi potrzebami obliczeniowymi. Trenowanie złożonych modeli głębokiego uczenia na latach zanonimizowanych badań wymaga dużych klastrów GPU, ale jednocześnie wiele instytucji chce, by dane wrażliwe pozostały w ich własnym centrum danych.
Dell Technologies opisuje coraz popularniejszy model, w którym lokalne środowisko – określane jako AI Factory – oparte na serwerach Dell PowerEdge z procesorami graficznymi NVIDIA służy do pracy na prywatnych danych, natomiast chmura publiczna zapewnia dodatkową elastyczność, na przykład przy mniej wrażliwych obciążeniach, współpracy między ośrodkami czy federacyjnym uczeniu modeli. Takie podejście łączy kontrolę nad danymi z możliwością skalowania mocy obliczeniowej zgodnie z bieżącymi potrzebami.
Cyberodporność – warunek działania „24/7”
Systemy obrazowania są krytyczne dla ciągłości pracy szpitala. Dell Technologies mocno akcentuje, że strategia cyberodporności musi być wbudowana w architekturę, a nie dołączana na końcu projektu. Mowa tu o stosowaniu niezmienialnych kopii zapasowych, izolowanych skarbców danych, mechanizmów wykrywania anomalii wspieranych przez AI oraz regularnie testowanych procedur odtworzeniowych na wypadek ataku ransomware czy innego incydentu.
Celem jest utrzymanie systemów w działaniu lub jak najszybsze ich przywrócenie, tak aby wpływ na leczenie pacjentów był możliwie najmniejszy.
NVIDIA Clara AI Toolkit na serwerach Dell – specjalizacja w obrazowaniu
W obszarze obrazowania medycznego ważną rolę odgrywa NVIDIA Clara AI Toolkit, który Dell Technologies wskazuje jako jedną z platform do budowy i wdrażania aplikacji AI w diagnostyce obrazowej. Clara to otwarta, skalowalna platforma obliczeniowa, która pozwala tworzyć inteligentne instrumenty i automatyzować przepływy pracy na danych z CT, MR czy USG – zarówno w środowisku wbudowanym (edge), lokalnym, jak i chmurowym.
Zestaw narzędzi Clara Deploy SDK zawiera m.in. adapter DICOM do komunikacji z istniejącymi systemami PACS, usługi orkiestracji zasobów i przepływów pracy oraz referencyjne aplikacje AI, które można wykorzystać z własnymi danymi lub rozbudować o własne algorytmy. Wyniki działania modeli mogą być wizualizowane jako trójwymiarowe rekonstrukcje z adnotacjami lub zapisane ponownie w formacie DICOM i wyświetlane obok oryginalnych badań w standardowych przeglądarkach obrazów.
Na poziomie infrastruktury Dell EMC oferuje serwery, które są certyfikowane i testowane pod takie obciążenia, jak PowerEdge R740xd – łączący wysoką pojemność i wydajność pamięci masowej z obsługą GPU – oraz PowerEdge C4140, zaprojektowany z myślą o wysokiej gęstości procesorów graficznych i najbardziej wymagających zadaniach AI, uczenia maszynowego oraz głębokiego uczenia.
Rozwiązania Dell Technologies i NVIDIA wyznaczają kierunek, w którym zmierza obrazowanie medyczne. Aby jednak w pełni z nich skorzystać, szpitale i sieci medyczne potrzebują wsparcia w przełożeniu koncepcji na konkretną architekturę, plan wdrożenia i późniejsze utrzymanie.
Jako partner pomagamy szpitalom i sieciom medycznym ocenić dojrzałość istniejącego środowiska, zaplanować przejście z silosowych systemów PACS do podejścia enterprise