Hajauttaminen koronaviruksen parantamiseen tähtäävän tutkimuksen nopeuttamiseksi

Koronavirus (COVID-19) vaikuttaa miljardeihin ihmisiin, ja he ovat eristäytyneet koteihinsa tätä tappavaa tautia vastaan. Koska COVID-19:ään ei ole vielä parannuskeinoa, koko maailma on sekaisin ja kasaa keittiöitään päivittäistavaroilla, kunnes pöly laskeutuu.

Kiinan ulkopuolella on kuitenkin enemmän COVID-19-tapauksia, ja maat ovat pakottaneet kansalaisiaan joutumaan vangeiksi kodeissaan. Varotoimenpiteiden mukaisesti kansalaiset eivät saa poistua kodeistaan, ja maat sulkevat myös ei-välttämättömän matkustamisen.

Suurin ongelma tämän myllerryksen aikana on potilastietojen hallinta ja asiaankuuluvien tietojen käyttö. Kun lääketieteen tutkijat työskentelevät ympäri vuorokauden järjestääkseen suuren määrän dataa ja tutkimusta COVID-19-hoitoa varten, tietojen käsittelystä on tullut ylivoimaista.

Luotettavien terveystietojen luominen hajauttamisen avulla

Hajauttaminen voi auttaa tietojen keräämisessä, kokoamisessa ja nopeuttamisessa aina taudinpurkauksen yhteydessä. Se voi myös torjua maailmanlaajuista pandemiaa, kuten COVID-19. Mobiilisovellukset ja arviointimallit voivat muuttaa tapaa, jolla ihmiset louhivat terveystietoja. Mutta on edelleen epäselvää, kuinka hajauttaminen voi vaikuttaa terveysteollisuuteen ja muokata tiedonlouhintamalleja.

Koska WHO pitää koronavirusta massiivisena infodemiana , tutkijoiden on vaikea kerätä ja käsitellä tietoja. Tässä tulee esiin hajauttaminen. Hajautettu teknologia voi segmentoida koronavirukseen liittyviä tietojoukkoja, joita tutkijat voivat käyttää ja tulkita tarpeidensa mukaan.

Evgen Verzun (kyberturvallisuusasiantuntija tekoälyyrityksessä) suhtautui myönteisesti koronaviruksen hoitoon liittyvään tutkimukseen.

Rokotteen löytäminen COVID-19:n kaltaisten sairauksien parantamiseksi vaatii massiivista matemaattista mallintamista ja kaikkien mahdollisten toimivan kaavan muunnelmien tarkistamista. Hajautetut verkot voivat auttaa meitä käsittelemään matemaattista mallintamista ja laskennallisia prosesseja, jotka ovat tärkeitä COVID-19-lääketieteellisen tutkimuksen kannalta.

Miksi hajauttaminen on tärkeää?       

Terveysalalla on ongelmia päällekkäisten politiikkojen, resurssien allokoinnin ja laajan suunnittelun kanssa. Ja hajauttamista voidaan käyttää näiden ongelmien ratkaisemiseen. Hajauttaminen siirtää valtaa keskustasolta alayksilötasolle. Tämä lisää teknistä tehokkuutta ja vastuullisuutta terveydenhuoltoresurssien hallinnassa.

Michele Ostrander (Revokindin perustaja) kertoo, kuinka hajauttaminen on tärkeää laajalle tutkimukselle, jolla pyritään löytämään parannuskeinoa COVID-19:ään.

Hajautettu/hajautettu pääkirjatekniikka (DLT) on mahdollinen tapa jakaa tietojoukkoja tarkasti ja yksityisesti, etenkin kun se yhdistetään tekoälyyn.

Koska biolääketieteellisen tiedon luominen on vaikeaa, hajauttaminen voi luoda tarkkoja tietojoukkoja. Ja hajauttamisen yhdistäminen tekoälyyn voi auttaa tutkijoita tulkitsemaan tietoja, luomaan suuria tietojoukkoja ja ennustamaan taudinpurkauksen. Näin hajauttaminen voi auttaa ja muuttaa terveysalaa:

Tarkkojen tietojen luominen

Hajautetun teknologian käytön ainoa tarkoitus on luoda dataa tarkasti ja varmistaa yksityisyyden suoja. Hajautettu tekniikka voi koota ja käsitellä erityyppisiä tietoja ilman vuotojen riskiä.

Terveydenhuoltoala kokee tietomurtoja jatkuvasti, joten hajauttaminen on paras tapa suojata miljoonien potilaiden tiedot. Eikä edes hallituksella ole toimivaltaa peukaloida potilaiden tietoja hajautetussa tai vertaisverkossa.

Resurssien tehokas kohdentaminen

Terveydenhuollon resurssit ovat rajalliset, olivatpa ne hyödykkeitä tai ihmisiä. Ja hajauttaminen voi auttaa edistämään resurssien tasapuolista kohdentamista erityisiä terveyspolitiikkoja noudattaen. Lisäksi hajauttaminen voi auttaa käyttämään tehokkaita allokointikaavoja, jotka voivat vähentää kustannusten ylitystä.

Hajautettu tekniikka ottaa huomioon olemassa olevat terveydenhuoltokulut ja -resurssit ja jakaa ne sitten vastaavasti. Se voi vähentää terveysbudjettien jakamisen tasoittavaa vaikutusta, mikä estää varakkaita terveydenhuoltojärjestelmiä tukemasta köyhempiä terveydenhuoltojärjestelmiä.

Kustannusten ylityksen estäminen

Kun hajauttaminen siirtää valtaa keskusjärjestelmästä yksilöille, terveydenhuoltojärjestelmä voi säästää aikaa ja rahaa potilastietojen keräämisessä. Ottaen huomioon viimeisimmän COVID-19-pandemia, hajauttaminen on ansiokraattinen järjestelmä, joka voi vähentää rahankäyttöä luotaessa ja kasattaessa potilastietoja asiaankuuluviin luokkiin. Yksilöt voivat päivittää terveystietonsa suoraan hajautetussa verkossa ja jopa tarkistaa vanhoja datatiedostoja.

Tietoturvan tehostaminen

Potilaiden henkilötietojen suojaaminen on toinen suuri huolenaihe terveydenhuollon tarjoajille. Potilaat luottavat terveydenhuoltolaitoksiin ja jakavat henkilökohtaisia ​​tietoja, kuten luottokorttitietoja tai osoitteita. Tietoturvaloukkaukset voivat kuitenkin asettaa potilaiden arkaluontoiset tiedot varastamisen ja manipuloinnin vaaraan.

Siksi hajauttaminen voi auttaa potilaita vähentämään luottamusta, jota tarvitaan terveydenhuollon tarjoajiin. Jokainen voi tarkistaa ja päivittää omat yksityistietonsa hajautetussa verkossa. Toisin kuin keskitetty terveysverkko, hajauttaminen voi vähentää tehottomuusongelmia, jotka aiheutuvat potilastietojen luomisesta ja synkronoinnista.

Lisäksi hajauttaminen lisää turvallisuutta suojaamalla lokerointia. Se tarkoittaa, että hajautettu verkko voi segmentoida potilaan tiedot pienempiin paketteihin ja kopioida tietoja eri tiedostojärjestelmistä. Koska potilaan tiedostot tallennetaan useisiin solmuihin, muut solmut toimivat jatkuvasti, vaikka hakkerit voisivat peukaloida yhden solmun.

Lääke COVID-19:ään Mac-tietokoneiden avulla

Mac-tietokoneiden GPU-syklit ja prosessorit auttavat kliinisiä tutkijoita löytämään parannuskeinoa COVID-19:ään. Koska on olemassa valtava määrä tietoa, joka vaatii tarkkaa ja yksityiskohtaista analyysiä, tutkijat tarvitsevat enemmän laskentasyklejä ja prosessointitehoa järjestääkseen olennaiset tiedot oikeaan järjestykseen.

Vaikka monet mobiilisovellukset auttavat kliinisiä tutkijoita löytämään lääkkeen COVID-19-virukseen, pandemiaan liittyvien tietojen kerääminen vaatii enemmän GPU-jaksoja. Tutkijoiden on myös simuloitava koronavirustaudin proteiinien laskostumista, ja siksi he tarvitsevat satoja ylimääräisiä Mac-tietokoneita.

Folding@Home on avoimen lähdekoodin sovellus, jonka voit asentaa Mac-tietokoneellesi ja jonka avulla tutkijat voivat käyttää GPU-syklejä ja tietokoneprosessoreita proteiinien taittumiseen liittyvään tutkimukseen. Tutkijat ovat onnistuneesti käyttäneet Mac-tietokoneita aiemmin luomaan proteiinilaskostuksen myös Ebola-virukselle.

Tästä syystä hajautetun järjestelmän käyttö on tärkeää koronaviruksen tai minkä tahansa muun tartuntataudin proteiinilaskostumisen rakentamiseksi. Proteiinien kartoitus on laskennallisesti raskasta, ja P2P-lähestymistapa, kuten hajauttaminen, voi auttaa tutkijoita vähentämään tietokonelaitteiden taakkaa.

Hajauttaminen voi virtaviivaistaa valtavia tietoja 

Terveydenhuollon hajauttamisen avulla tutkijoista voi tulla päättäväisempiä ja tarkempia edistymisessä ja COVID-19-hoidon löytämisessä. Vielä tärkeämpää on, että hajauttaminen voi ratkaista terveydenhuollon tarjoajien tietoon liittyviä ongelmia pandemian aikana.

Digitaalisista terveyskartoista voi kuitenkin olla apua sairauksien, kuten COVID-19:n, hallinnassa tai ehkäisemisessä. Tutkijat voivat myös käyttää digitaalisia terveyskarttoja ennustaakseen, mitkä maat ovat epidemian partaalla, ja ehkä tulevaisuudessa hallita epidemiaa, kuten COVID-19.

Onneksi WHO on jo luonut digitaalisen terveyskartan, nimeltään Digital Health Atlas, joka voi auttaa tutkijoita hallitsemaan taudinpurkauksia. Mutta tutkijoilla ympäri maailmaa on vaikeuksia hallita COVID-19:ää, koska heillä on rajalliset tietojoukot ja resurssit.

Vaikka viimeisin teknologia sisällytetään terveydenhuoltoalaan ajan myötä, se vaatii turvallisen järjestelmän, kuten hajautuksen. Hajauttamisen käytön ainoa tarkoitus on luoda yksi ekosysteemi, jossa kuka tahansa voi tuottaa dataa ja järjestelmä voi laittaa tiedot luotettavaan tietokantaan.

Terveydenhuoltoala kerää tietoja kaikkialta, jotka ovat eristettyjä ja joita ei käytetä tutkimustarkoituksiin. Koska terveydenhuollon tiedot ovat pahasti hajanaisia, hajauttaminen voi olla ratkaisu tämän massiivisen tiedon käyttämiseen COVID-19-hoidon löytämiseen.