面向医疗保健的云计算基本指南

小提示：您能找到这篇{面向医疗保健的云计算基本指南}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的面向医疗保健的云计算基本指南内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

人们需要了解医疗行业如何利用加速数字化转型、处理海量数据以及处理合规性问题。作为高度管制行业的成员之一，医疗保健组织已经谨慎地进入云计算领域。尽管如此，调研机构IDC公司估计，医疗保健机构将在2018年至2019年在云计算技术方面投资136亿美元，与前一时期相比大幅增长。

在医疗保健行业，由于医疗保健记录包括患者的姓名、地址、社会保险号码和病史，因此需要非常关注对个人识别信息(PII)的保护。如果这些信息被滥用或误用，医疗保健公司可能面临私人诉讼、集体诉讼和监管处罚。在云计算环境中，机器学习或数据分析被应用到数据中，尽管云计算和趋向高清电视广告于一起用于提高效率的目的。

多年来，随着大数据和医疗保健的日益交织和发展，医疗保健行业正在经历数字化转型。作为转型的一部分，纸质医疗保健记录正在被电子医疗保健记录(HER)取代(并且已经被大量取代)。有时出于研究目的，这些记录是匿名的，例如确定导致再入院的主要因素。许多医疗机构利用云计算进行研究，无论是研究基因测序、新药的分子结构还是确定疾病模式。与使用传统计算资源相比，使用云计算，他们能够在更短的时间内以更低的成本实现更多的目标。最近，研究人员还利用了云计算提供商提供的机器学习和人工智能能力，这有助于新的发现。

示例：医疗保健提供商如何使用云计算

医疗保健组织以各种方式使用云计算，其好处和优势在于：

• 可扩展性/灵活性。可以根据需要动态调整云计算资源以满足计算需求。医疗和医疗保健物联网设备的兴起可以大大增加医疗保健公司处理的数据量。随着数据量和数据类型的增长，可以分析的内容相关复杂性和可能相关性的数量也会增加。
• 容量。云计算能力可以与超级计算机相媲美，尽管成本较低。
• 协作。制药商、大学和其他研究人员使用云计算来促进更有效和及时的协作。
• 人工智能和机器学习。大型云计算提供商提供人工智能和机器学习功能，使医疗保健公司能够了解更多的患者和人群。某些类型的机器学习，特别是无监督学习和深度学习，能够识别人类以前没有识别的模式。
• 安全和合规性。云计算提供商在安全方面的投资比任何一家公司都要多。其基本服务提供了一些安全性，但医疗保健行业的组织往往需要额外的安全性和HIPAA合规性，以满足主要云计算提供商提供的需求。
• 可靠性。云计算环境是冗余的，因此如线上营销推广方式果一个位置发生中断，另一个位置就可以取而代之。这样可以最大限度地减少数据丢失和计算中断(在解决非常困难的数据密集型问题时，这可能是一个主要的时间和成本网站营销和因素)。
• 实时数据。随着医疗保健行业变得更加数字化，其处理信息的能力也在加速。组织不是以批量形式跟踪患者数据，而是越来越多地实时监控患者，以便更快地影响干预，从而改善患者的健康状况，并有助于降低患者医疗保健的总体成本。
• 成本。云计算比超级计算机的成本要低得多。
• 最新技术。云计算提供商投资于最新技术以保持竞争力。依赖于自身资源的企业必须摊销现有资源的成本，并且只在战略和财务上谨慎地投资新技术以供自己使用。
• 更快、更具成本效益的研究。云环境可使用大规模并行计算资源分析大量数据。结果是以更低的成本获得更快的研究成果。
• 架构灵活性。医疗保健组织可以添加云计算资源，以提高整个体系结构中工作负载的投资回报率。

• 合规性。主要云计算提供商提供包含HIPAA合规性的医疗保健云解决方案，并遵守欧盟的通用数据保护法规(GDPR)。
• 实现。将计算工作负载迁移到云平台需了解不同的内部数据中心和云计算环境如何不同以及如何改变企业成本和风险状况。
• 安全性。虽然主要云计算提供商提供强大的安全服务，但可能会以暴露敏感数据的方式错误配置基于云计算的资源。此外，无论是云计算还是其他方式，都不是绝对安全的，因为黑客总是在不断创新。
• 中断。尽管云计算环境具有固有的冗余性，但它们仍会出现中断。当计算云计算的总成本与其他选项的总成本时，应该考虑这个因素。为此，医疗保健公司需要了解云计算选项的详细信息。
• 数据所有权和处理。将数据放入云平台中很容易，实现它并不总是那么容易。此外，HIPAA使患者有权知道谁处理了他们的数据。必须考虑这些风险，并详细审查云计算服务提供商合同，以确保医疗保健组织不会面临这些风险。

随着云计算技术创新的不断加速，医疗保健实践和IT也在不断变化。以下是一些新兴方案及其对医疗IT的可能影响。

机器学习：主要的云计算提供商提供机器学习功能，可以快速提升客户的能力。虽然企业现在理解数据质量和有用分析之间的联系，但对数据和机器学习并不一定如此。劣质数据会导致机器学习培训数据质量不佳，而劣质的训练数据导致错误的机器学习。由于偏见会以私人的方式影响个人的权利，它还必须对各种可能潜入的非预期偏见更加敏感。

机器人：机器人正在进入医院和老年护理机构。云计算提供商正在使机器人的设计和制造变得更容易，这意味着更多在IT部门工作的开发人员将能够制造以前不需要知识的机器人。由于机器人是物联网设备，它使用云计算来帮助处理信息，因此需要考虑安全和隐私。数字孪生(物理资产的数字复制品)的使用有助于通过比较其理想状态与当前状态来提高物联网和其他设备的可靠性。

转变：人工智能系统，无论是软件还是嵌入式(如机器人)，都被营销人员和其他方用来改变人们的行为。在医疗环境中，最明显的用途是帮助患者做出更健康的生活方式的选择。但是，同样的技术也可以用来影响相反的情况，例如被黑客攻击。这意味着人工智能或机器人可以被编程或重新编程以鼓励不健康的生活方式选择。同样，如果使用不当，它们可能会加剧心理健康问题。应该了解风险。

安全性：更多与医疗相关的物联网设备和可穿戴设备正在成为现代医疗IT结构的一部分。因此，首席信息安全官(CISO)需要能够识别漏洞，评估威胁形势，并优先考虑最有可能被利用的漏洞，包括云中的漏洞。由于此任务随着设备、软件和硬件的增多而变得越来越复杂，IT和安全团队需要适当的工具来管理安全风险。

数据增强：与其他组织一样，医疗保健组织也越来越希望使用第三方数据来补充已有的数据，以执行更高级的分析形式。额外的数据提供了额外的背景，例如导致疾病爆发的天气模式、疾病爆发更可能发生的地点等。考虑到HIPAA、GDPR和其他法规，重要的是与数据相关的创新不会使医疗机构面临不必要的风险。

远程医疗：医疗机构可以为发展中国家偏远地区的患者提供基于云计算的远程医疗，因此这些社区可以拥有某种类型的医疗保健服务。例如，社区代表可以使用手机拍照，使用人工智能实例或医疗保健提供商对其进行分析和诊断。在发达国家，远程医疗可以为无法行动的患者提供诸如精神病治疗等服务。无论远程医疗平台和应用程序如何设计，其后端都倾向于使用广泛的云计算资源来处理信息。视频会议等远程医疗可能会因网络噪音或带宽问题而中断。由于故障与技术相关，因此IT是故障排除和解决方案的主要来源。