基于英特尔/Cloudera/Franz的解决方案被证明能够准确地为患者创建风险评分，预测他们是否会有严重的呼吸事件，并建议医生采取什么行动。
Montefiore医疗系统高级副总裁兼首席医疗官Andrew Racine医生指出：“我们正在利用医疗机构中最危重病人的信息，试图识别那些有发展为呼吸衰竭风险的病人，这样我们就可以改变病情的发展轨迹。”
现在，像Montefiore这样的机构可以在许多数据库中执行人工智能驱动的分析，下一步可能是通过5G网络整合异地通信。这样做将使普通医生能够快速提供从现场、紧急现场到日常家访所获得的数据，并得到如何进行治疗的实时建议。这不仅可以使医疗专业人员提供更快、更准确的诊断，还可以使普通医生根据特定患者的个人需要提供专门的建议。研究人员表示，到2030年，全世界将面临1500万医护人员的短缺，在这种情况下，让护理人员能够在远程指导下进行护理至关重要。
首先需要的是人工智能
在任何方面，启用这样的服务都不是一件小事。考虑到数百万人可能需要进行基因测序，以获得足够广泛的样本人群进行此类诊断。而这只是开始。不同的数据库必须合并，这通常需要通过云服务进行长距离的合并，同时不需要牺牲患者的权利或隐私。据外媒报道，尽管有明确的需要，但在美国临床试验中，只有4%的癌症患者的基因组数据可用于研究，这让研究和诊断界对大多数治疗结果一无所知。保持患者匿名性，同时具备跨系统和数据库的数据安全性，这些新方法在纠正这一问题上有很长的路要走。
一个很有前途的例子：使用Intel Xeon平台的处理效率来处理Epic EHR患者信息的透明数据加密（TDE）和甲骨文数据库。支持者表示，从医疗边缘设备到核心数据中心，加密和可信执行技术（如SGX）整合得越多，公众就越能学会允许其数据被收集和使用。
除了安全性之外，精准医疗还需要非凡的计算能力。它必须进行分子建模和模拟，以评估药物如何与特定的患者群体相互作用，然后可能再次运行，以查看药物如何在其他药物存在的情况下执行相同的操作。这就是为什么要花费数十亿美元和十多年的时间才能将一种药物推向市场。
幸运的是，许多组织正在使用新技术来从根本上加速这一进程。人工智能在加速和改善许多医疗和生命科学任务中涉及的重复、机械操作方面起着关键作用。
例如，制药巨头诺华（Novartis）利用深度神经网络技术加速高含量筛选，即分析细胞层面的图像，以确定它们在不同基因或化学相互作用下的反应。通过将处理平台升级到最新的Xeon一代，并行化工作负载，并使用诸如英特尔数据分析加速器库（DAAL）和Intel Caffe等工具，诺华实现了与以前配置相比近22倍的性能改进。这些都是医疗组织可以期待的好处，它们可以使用通过人工智能和高水平并行化优化加速的平台来更新遗留的流程。
