Koronavirus (COVID-19) vaikuttaa miljardeihin ihmisiin, ja he ovat erist\u00e4ytyneet koteihinsa t\u00e4t\u00e4 tappavaa tautia vastaan. Koska COVID-19:\u00e4\u00e4n ei ole viel\u00e4 parannuskeinoa, koko maailma on sekaisin ja kasaa keitti\u00f6it\u00e4\u00e4n p\u00e4ivitt\u00e4istavaroilla, kunnes p\u00f6ly laskeutuu.<\/p>\n
Kiinan ulkopuolella on kuitenkin enemm\u00e4n COVID-19-tapauksia, ja maat ovat pakottaneet kansalaisiaan joutumaan vangeiksi kodeissaan. Varotoimenpiteiden mukaisesti kansalaiset eiv\u00e4t saa poistua kodeistaan, ja maat sulkevat my\u00f6s ei-v\u00e4ltt\u00e4m\u00e4tt\u00f6m\u00e4n matkustamisen.<\/p>\n
Suurin ongelma t\u00e4m\u00e4n myllerryksen aikana on potilastietojen hallinta ja asiaankuuluvien tietojen k\u00e4ytt\u00f6. Kun l\u00e4\u00e4ketieteen tutkijat ty\u00f6skentelev\u00e4t ymp\u00e4ri vuorokauden j\u00e4rjest\u00e4\u00e4kseen suuren m\u00e4\u00e4r\u00e4n dataa ja tutkimusta COVID-19-hoitoa varten, tietojen k\u00e4sittelyst\u00e4 on tullut ylivoimaista.<\/p>\n
Hajauttaminen voi auttaa tietojen ker\u00e4\u00e4misess\u00e4, kokoamisessa ja nopeuttamisessa aina taudinpurkauksen yhteydess\u00e4. Se voi my\u00f6s torjua maailmanlaajuista pandemiaa, kuten COVID-19. Mobiilisovellukset ja arviointimallit voivat muuttaa tapaa, jolla ihmiset louhivat terveystietoja. Mutta on edelleen ep\u00e4selv\u00e4\u00e4, kuinka hajauttaminen voi vaikuttaa terveysteollisuuteen ja muokata tiedonlouhintamalleja.<\/p>\n
Koska WHO pit\u00e4\u00e4 koronavirusta massiivisena infodemiana<\/a> ,<\/strong> tutkijoiden on vaikea ker\u00e4t\u00e4 ja k\u00e4sitell\u00e4 tietoja. T\u00e4ss\u00e4 tulee esiin hajauttaminen. Hajautettu teknologia voi segmentoida koronavirukseen liittyvi\u00e4 tietojoukkoja, joita tutkijat voivat k\u00e4ytt\u00e4\u00e4 ja tulkita tarpeidensa mukaan.<\/p>\n Evgen Verzun<\/a> (kyberturvallisuusasiantuntija teko\u00e4lyyrityksess\u00e4) suhtautui my\u00f6nteisesti koronaviruksen hoitoon liittyv\u00e4\u00e4n tutkimukseen.<\/p>\n Rokotteen l\u00f6yt\u00e4minen COVID-19:n kaltaisten sairauksien parantamiseksi vaatii massiivista matemaattista mallintamista ja kaikkien mahdollisten toimivan kaavan muunnelmien tarkistamista. Hajautetut verkot voivat auttaa meit\u00e4 k\u00e4sittelem\u00e4\u00e4n matemaattista mallintamista ja laskennallisia prosesseja, jotka ovat t\u00e4rkeit\u00e4 COVID-19-l\u00e4\u00e4ketieteellisen tutkimuksen kannalta.<\/p>\n<\/blockquote>\n Terveysalalla on ongelmia p\u00e4\u00e4llekk\u00e4isten politiikkojen, resurssien allokoinnin ja laajan suunnittelun kanssa. Ja hajauttamista voidaan k\u00e4ytt\u00e4\u00e4 n\u00e4iden ongelmien ratkaisemiseen. Hajauttaminen siirt\u00e4\u00e4 valtaa keskustasolta alayksil\u00f6tasolle. T\u00e4m\u00e4 lis\u00e4\u00e4 teknist\u00e4 tehokkuutta ja vastuullisuutta terveydenhuoltoresurssien hallinnassa.<\/p>\n Michele Ostrander (Revokindin<\/a> perustaja) kertoo, kuinka hajauttaminen on t\u00e4rke\u00e4\u00e4 laajalle tutkimukselle, jolla pyrit\u00e4\u00e4n l\u00f6yt\u00e4m\u00e4\u00e4n parannuskeinoa COVID-19:\u00e4\u00e4n.<\/p>\n Hajautettu\/hajautettu p\u00e4\u00e4kirjatekniikka (DLT) on mahdollinen tapa jakaa tietojoukkoja tarkasti ja yksityisesti, etenkin kun se yhdistet\u00e4\u00e4n teko\u00e4lyyn.<\/p>\n<\/blockquote>\n Koska biol\u00e4\u00e4ketieteellisen tiedon luominen on vaikeaa, hajauttaminen voi luoda tarkkoja tietojoukkoja. Ja hajauttamisen yhdist\u00e4minen teko\u00e4lyyn voi auttaa tutkijoita tulkitsemaan tietoja, luomaan suuria tietojoukkoja ja ennustamaan taudinpurkauksen. N\u00e4in hajauttaminen voi auttaa ja muuttaa terveysalaa:<\/p>\n Hajautetun teknologian k\u00e4yt\u00f6n ainoa tarkoitus on luoda dataa tarkasti ja varmistaa yksityisyyden suoja. Hajautettu tekniikka voi koota ja k\u00e4sitell\u00e4 erityyppisi\u00e4 tietoja ilman vuotojen riski\u00e4.<\/p>\n Terveydenhuoltoala kokee tietomurtoja jatkuvasti, joten hajauttaminen on paras tapa suojata miljoonien potilaiden tiedot. Eik\u00e4 edes hallituksella ole toimivaltaa peukaloida potilaiden tietoja hajautetussa tai vertaisverkossa.<\/p>\n Terveydenhuollon resurssit ovat rajalliset, olivatpa ne hy\u00f6dykkeit\u00e4 tai ihmisi\u00e4. Ja hajauttaminen voi auttaa edist\u00e4m\u00e4\u00e4n resurssien tasapuolista kohdentamista erityisi\u00e4 terveyspolitiikkoja noudattaen. Lis\u00e4ksi hajauttaminen voi auttaa k\u00e4ytt\u00e4m\u00e4\u00e4n tehokkaita allokointikaavoja, jotka voivat v\u00e4hent\u00e4\u00e4 kustannusten ylityst\u00e4.<\/p>\n Hajautettu tekniikka ottaa huomioon olemassa olevat terveydenhuoltokulut ja -resurssit ja jakaa ne sitten vastaavasti. Se voi v\u00e4hent\u00e4\u00e4 terveysbudjettien jakamisen tasoittavaa vaikutusta, mik\u00e4 est\u00e4\u00e4 varakkaita terveydenhuoltoj\u00e4rjestelmi\u00e4 tukemasta k\u00f6yhempi\u00e4 terveydenhuoltoj\u00e4rjestelmi\u00e4.<\/p>\n Kun hajauttaminen siirt\u00e4\u00e4 valtaa keskusj\u00e4rjestelm\u00e4st\u00e4 yksil\u00f6ille, terveydenhuoltoj\u00e4rjestelm\u00e4 voi s\u00e4\u00e4st\u00e4\u00e4 aikaa ja rahaa potilastietojen ker\u00e4\u00e4misess\u00e4. Ottaen huomioon viimeisimm\u00e4n COVID-19-pandemia, hajauttaminen on ansiokraattinen j\u00e4rjestelm\u00e4, joka voi v\u00e4hent\u00e4\u00e4 rahank\u00e4ytt\u00f6\u00e4 luotaessa ja kasattaessa potilastietoja asiaankuuluviin luokkiin. Yksil\u00f6t voivat p\u00e4ivitt\u00e4\u00e4 terveystietonsa suoraan hajautetussa verkossa ja jopa tarkistaa vanhoja datatiedostoja.<\/p>\n Potilaiden henkil\u00f6tietojen suojaaminen on toinen suuri huolenaihe terveydenhuollon tarjoajille. Potilaat luottavat terveydenhuoltolaitoksiin ja jakavat henkil\u00f6kohtaisia \u200b\u200btietoja, kuten luottokorttitietoja tai osoitteita. Tietoturvaloukkaukset voivat kuitenkin asettaa potilaiden arkaluontoiset tiedot varastamisen ja manipuloinnin vaaraan.<\/p>\n Siksi hajauttaminen voi auttaa potilaita v\u00e4hent\u00e4m\u00e4\u00e4n luottamusta, jota tarvitaan terveydenhuollon tarjoajiin. Jokainen voi tarkistaa ja p\u00e4ivitt\u00e4\u00e4 omat yksityistietonsa hajautetussa verkossa<\/a>. Toisin kuin keskitetty terveysverkko, hajauttaminen voi v\u00e4hent\u00e4\u00e4 tehottomuusongelmia, jotka aiheutuvat potilastietojen luomisesta ja synkronoinnista.<\/p>\n Lis\u00e4ksi hajauttaminen lis\u00e4\u00e4 turvallisuutta suojaamalla lokerointia. Se tarkoittaa, ett\u00e4 hajautettu verkko voi segmentoida potilaan tiedot pienempiin paketteihin ja kopioida tietoja eri tiedostoj\u00e4rjestelmist\u00e4. Koska potilaan tiedostot tallennetaan useisiin solmuihin, muut solmut toimivat jatkuvasti, vaikka hakkerit voisivat peukaloida yhden solmun.<\/p>\n Mac-tietokoneiden GPU-syklit ja prosessorit auttavat kliinisi\u00e4 tutkijoita l\u00f6yt\u00e4m\u00e4\u00e4n parannuskeinoa COVID-19:\u00e4\u00e4n. Koska on olemassa valtava m\u00e4\u00e4r\u00e4 tietoa, joka vaatii tarkkaa ja yksityiskohtaista analyysi\u00e4, tutkijat tarvitsevat enemm\u00e4n laskentasyklej\u00e4 ja prosessointitehoa j\u00e4rjest\u00e4\u00e4kseen olennaiset tiedot oikeaan j\u00e4rjestykseen.<\/p>\n Vaikka monet mobiilisovellukset auttavat kliinisi\u00e4 tutkijoita l\u00f6yt\u00e4m\u00e4\u00e4n l\u00e4\u00e4kkeen COVID-19-virukseen, pandemiaan liittyvien tietojen ker\u00e4\u00e4minen vaatii enemm\u00e4n GPU-jaksoja. Tutkijoiden on my\u00f6s simuloitava koronavirustaudin proteiinien laskostumista, ja siksi he tarvitsevat satoja ylim\u00e4\u00e4r\u00e4isi\u00e4 Mac-tietokoneita.<\/p>\n Folding@Home<\/a> on avoimen l\u00e4hdekoodin sovellus, jonka voit asentaa Mac-tietokoneellesi ja jonka avulla tutkijat voivat k\u00e4ytt\u00e4\u00e4 GPU-syklej\u00e4 ja tietokoneprosessoreita proteiinien taittumiseen liittyv\u00e4\u00e4n tutkimukseen. Tutkijat ovat onnistuneesti k\u00e4ytt\u00e4neet Mac-tietokoneita aiemmin luomaan proteiinilaskostuksen my\u00f6s Ebola-virukselle<\/a>.<\/p>\n T\u00e4st\u00e4 syyst\u00e4 hajautetun j\u00e4rjestelm\u00e4n k\u00e4ytt\u00f6 on t\u00e4rke\u00e4\u00e4 koronaviruksen tai mink\u00e4 tahansa muun tartuntataudin proteiinilaskostumisen rakentamiseksi. Proteiinien kartoitus on laskennallisesti raskasta, ja P2P-l\u00e4hestymistapa, kuten hajauttaminen, voi auttaa tutkijoita v\u00e4hent\u00e4m\u00e4\u00e4n tietokonelaitteiden taakkaa.<\/p>\n Terveydenhuollon hajauttamisen avulla tutkijoista voi tulla p\u00e4\u00e4tt\u00e4v\u00e4isempi\u00e4 ja tarkempia edistymisess\u00e4 ja COVID-19-hoidon l\u00f6yt\u00e4misess\u00e4. Viel\u00e4 t\u00e4rke\u00e4mp\u00e4\u00e4 on, ett\u00e4 hajauttaminen voi ratkaista terveydenhuollon tarjoajien tietoon liittyvi\u00e4 ongelmia pandemian aikana.<\/p>\n Digitaalisista terveyskartoista voi kuitenkin olla apua sairauksien, kuten COVID-19:n, hallinnassa tai ehk\u00e4isemisess\u00e4. Tutkijat voivat my\u00f6s k\u00e4ytt\u00e4\u00e4 digitaalisia terveyskarttoja ennustaakseen, mitk\u00e4 maat ovat epidemian partaalla, ja ehk\u00e4 tulevaisuudessa hallita epidemiaa, kuten COVID-19.<\/p>\n\n
Miksi hajauttaminen on t\u00e4rke\u00e4\u00e4? \u00a0 \u00a0\u00a0\u00a0\u00a0<\/strong><\/h2>\n
\n
Tarkkojen tietojen luominen<\/strong><\/h3>\n
Resurssien tehokas kohdentaminen<\/strong><\/h3>\n
Kustannusten ylityksen est\u00e4minen<\/strong><\/h3>\n
Tietoturvan tehostaminen<\/strong><\/h3>\n
L\u00e4\u00e4ke COVID-19:\u00e4\u00e4n Mac-tietokoneiden avulla<\/strong><\/h2>\n
Hajauttaminen voi virtaviivaistaa valtavia tietoja\u00a0<\/strong><\/h2>\n