医疗行业对人工智能的投资不断增加，使得业界开始关注如何最大化AI部署的价值。其中一个重要例子是数据处理。从边缘运行的传感器和医疗设备中可以获取有价值的信息，但如果不将数据发送到云端再返回，近实时分析一直难以实现。
这种情况正在改变。在2026年CES联想Tech World活动上，联想发布了三款专为支持边缘AI推理而设计的服务器。其目标是在功耗受限、往返数据中心会增加延迟并带来隐私风险的环境中运行大型语言模型。
“你能够在数据收集点获得洞察并立即采取行动。这有助于临床医生尽快解决问题，做对患者有意义的事情。”联想北美医疗行业首席技术官贾斯汀·T·科利尔博士表示。推理服务器占用空间更小，不需要典型的数据中心基础设施——以及随之而来的供暖、冷却和占地面积问题。
边缘AI推理提供即时、本地化的决策能力
联想将边缘AI基础设施定义为使网络边缘AI处理成为可能的硬件、软件和网络服务。传统云端AI适用于大规模模型训练和数据存储，而“边缘AI专注于即时推理和本地化决策”，联想的网站如是说。
联想指出，边缘AI非常适合分析受保护健康信息，并且基本不受连接中断的影响，而连接中断可能使基于云端的临床应用程序无法使用。科利尔表示，联想一直强调外形因素，力求在功耗、热量管理、尺寸和性能等经常相互冲突的需求之间取得平衡。
科利尔拥有帮助严重受伤患者进行身体康复的背景，他列举了边缘AI推理的几个用例：
- 供应链和仓库管理：当临床医生没有所需的耗材（无论是加热毯还是特殊疗法）时，患者的体验就会受到影响。对库存水平的实时洞察可以帮助医疗系统预测和缓解潜在短缺，减少浪费，并通过更高效的订购优化资源分配。
- 物理安全：科利尔指出，研究表明，医疗工作者遭受工作场所暴力的可能性是私营行业工人的五倍。在已部署视频摄像头的边缘进行推理，可以进行实时分析。“毫秒之差可能决定能否获得适当的响应。”
- 初级和居家护理：分析患者体重、血压和A1C水平等数据趋势已有许多成熟场景。科利尔还指出了老年护理领域的机会，例如使用不引人注目的雷达传感器监测患者步态，以检测潜在问题并预防跌倒——以及由此引发的许多并发症。
- 床边数据管理：急诊科或重症监护室的患者可能有多达十几个设备监测运动或生命体征。从这些信息中或许能获得许多洞察，但时间至关重要。“你希望将所有床边数据流汇集在一起，尽可能接近实时地进行分析，而无需往返云端。”科利尔说。
治理、患者参与和未来用例都很重要
科利尔表示，与任何技术部署一样，考虑边缘AI推理的组织必须放眼未来。
“它不应该是点解决方案。它应该成为你技术实施未来扩展的基础。”他说，“考虑你今天能做什么，以便明天能完成更先进的事情。”
正确做到这一点的第一步是建立适当的数据和技术治理。科利尔说，医疗系统应召集广泛的利益相关者，他们必须参与设计和实施过程。否则，组织可能会浪费时间和金钱购买一个没人有兴趣使用的解决方案。
至关重要的是，利益相关者群体应该包括患者，科利尔说。原因之一是要提供经历过特定医疗旅程、并处于AI支持临床决策接收端的个人的视角。
患者视角对于组织如何传达利用边缘AI推理改善医疗服务的益处也很重要，尤其是在患者可能最关心的隐私和伦理问题上。
“如果你准备说，‘当我们这样监测你时，我们可以检测到你出现败血症迹象的瞬间，甚至预测你可能有败血症风险’，那么这比说‘我们将监测你的数据并永久存储’要更有效。”科利尔说。
沿着这个思路，他补充说，医疗组织需要更新患者同意书，以表明AI工具可能用于支持患者护理。
【全文结束】