Den digitale transformasjonen har tatt fart i helsevesenet, og vi ser en kraftig økning i digitale omsorgstjenester. Noe som skaper enorme datamengder. Hvordan skal dette håndteres? Løsningen er lokale data – eller «edge computing».
Enkelt forklart er «edge computing» teknologi og infrastruktur med hastigheter og beregninger vi ikke har sett maken til. Databehandlingen skjer på tvers av nettverkets yttergrenser og på tilkoblede enheter der data er lagret. Grensene for databehandlingskapasiteten flyttes for både bedre ytelse og kapasitet. En teknologi som så dagens lys sammen med tingenes internett, da det sikrer lynrask datakraft nær kilden for raskere responstider for databehandling på stedet.
Forbedrer fjernovervåkning
Så hvordan kan «edge computing» brukes i helsevesenet? I praksis betyr det raskere, bedre, sikrere og mer pasientvennlig behandling. For eksempel forbedrer det fjernovervåkningen av pasienter ved å behandle data fra medisinsk utstyr som glukosemonitorer eller blodtrykksmansjetter for raskt å varsle om eventuelle problemer.
Sektoren akselererer også bruken av algoritmer, kunstig intelligens og maskinlæring. Det tas i bruk utvidet og virtuell virkelighet for klinisk behandling og opplæring, bruksområder som krever betydelige databehandlingsevner – i sanntid. I tillegg utvides helsevesenet ut over sykehusvegger og undersøkelsesrom i form av virtuelle besøk og fjernovervåkning av pasienter og utstyr. Dette er bruksområder som krever enorme databehandlingsevner i sanntid.
For selv om mye av dataene ender opp på sentraliserte servere – i skyen eller på et lokalt datasenter – må de samles inn og lagres i nærheten av der de brukes og skapes. En av hovedårsakene til at «edge computing» får en stadig mer sentral rolle, er begrensningene mange har opplevd med skyen. Med andre ord er edge computing alfa og omega ved generering av mye data samtidig som det kreves sanntidsanalyser. Pasientdata kan visualiseres ved endepunktet, og det gjør det mulig å viske ut grensene mellom medisinsk utstyr og IT-utstyr.
Overbelastede nettverk unngås ettersom data siles, behandles og analyseres der og da. Svartiden blir minimal, og kun de aller mest nødvendige dataene sendes over nettverket. Et annet poeng er at ustrukturerte data er enda viktigere i helsevesenet enn i noen annen vertikal fordi muligheten til å samle inn og analysere alle data i en journal gjør det mulig å gi den beste kvaliteten på behandlingen. Dette skyldes hovedsakelig at beskrivelsen av en medisinsk tilstand fanges opp som fritekst og dermed er ustrukturerte data. Det er derfor viktig at de underliggende lagringsløsningene er objektbasert.
Låsing av data
En annen viktig grunn til å velge objektlagring er å beskytte svært sensitive medisinske data mot løsepengeprogramvare eller utilsiktet sletting. Objektlåsfunksjonen gjør dataene uforanderlige i den forstand at de verken kan slettes, overskrives eller krypteres i en definert periode.
I fremtiden vil pasientbehandlingen handle om å holde deg frisk. Den enkelte persons «normale friskhet» vil kartlegges, og det vil være mulig å identifisere eventuelle avvik for inngripen på et tidlig tidspunkt. Men for at dette skal være mulig, kreves data fra den enkelte pasient. Enten det er via pasientens telefon eller en spesialtilpasset enhet, vil edge computing være avgjørende. Spesielt i områder utenfor allfarvei med treg eller ingen nettforbindelse.
Edge computing fjerner behovet for å overføre alle lokalt genererte data til skyen og dermed bevare båndbredde og holde overførings- og sentraliserte lagringskostnader i sjakk. I tillegg gir det sikkerhetsfordeler ved å begrense bevegelsen av data til lokale enheter, samt begrense rekkevidden av data som samles inn på ett sted.
Den største verdi ved edge computing er kapasiteten til å behandle og analysere data fysisk nær pasienten uten forsinkelsestid grunnet nettverkshastighet, da det leverer selv om det eksterne nettverket er nede. Hvilket er avgjørende for å muliggjøre de transformative konseptene for tilkoblet omsorg og helsetjenester hvor som helst – og når som helst.
Åpner lab for fremtidens mobilteknologi
