在全球范围内，医疗保健提供商面临着同样的三个问题。我们如何改善患者护理?随着人口的增长，我们如何帮助更多人?如何通过承受压力的预算来实现这一目标?

寻找这些问题的解决方案越来越依赖于技术。因此，解决这些问题的责任落在医疗机构的IT部门。一旦专注于“保持关注”，IT已经发展成为医疗保健领域的战略要素。它现在是一个专注于帮助降低成本，为医疗专业人员提供更多资源以及在组织内实现医疗创新的团队。

一直以来，通过更多地了解患者，医生可以更准确地诊断问题。现在，医疗专业人员可以使用除患者问题之外的数据来帮助他们更好地了解症状。从医疗手机应用程序到新的成像技术，一切都在提供大量数据来支持诊断。例如，通过将患者生活方式的信息与其DNA结构数据，家庭遗传性异常，心率和血压相结合，可以采取措施完全预防某些疾病。处方药物或生活方式的变化，精确而完全地集中在该单个患者的生理学上。这些新的创新及其产生的数据越来越多地帮助医疗专业人员提供服务。

但是，能够在正确的时间，正确的位置和正确的格式访问所有这些数据是一项重大的IT挑战。估计表明组织中的绝大多数数据都是非结构化的。为了使医疗服务提供商能够从这些数据中受益，IT部门越来越多地寻求先进的实时分析和使用先进技术(如人工智能(AI)和机器学习)的“深度学习”，以支持数据的处理和交付。

毫无疑问，这些技术为众多行业提供了令人难以置信的优势。在医疗保健领域，实时分析的应用有助于更快地检测和诊断疾病，缩短治疗时间，降低成本并最终带来更好的患者护理和结果。

我们已经看到了加州大学伯克利分校AMPLab的潜在影响，它开发了一个分析基因构成的实时分析引擎。该分析允许医生提供针对每位患者更精确定制的药物。通过将此引擎与闪存存储相结合，实验室还显着缩短了对数据密集型DNA样本进行排序和分析结果所需的时间。因此，研究人员和临床医生可以在更短的时间内对更大量的DNA样本进行测序，从而产生有价值的新见解，并在某些情况下为生死问题提供更快的答案。

但实施高级实时分析或AI项目并非如此简单。需要快速处理和分析大量数据，以便做出技术所能做出的瞬间决策。因此，这些项目需要非常可靠的基础架构和强大的计算能力才能有效运行。

传统的医疗保健组织数据中心在帮助医疗从业人员提供患者护理方面做得相当不错。但它们的构建从未打算运行现在正在使用的苛刻数据应用程序。这些应用程序，AI和机器学习的未来需要采用不同的数据中心基础架构方法。一种特别关注存储的方法，旨在以非常高的带宽提供对数据的大规模并行访问。

但这是两难的问题，如何在处理有限预算的同时做到这一点?答案在于闪光灯。全闪存数据平台专为现代分析和深度学习而构建，可使医疗保健组织更快地实现人工智能的潜力，其占地面积远小于高性能计算所提供的传统基础设施。

今天的医疗保健提供商需要一个数据平台，使他们能够部署一类新的应用程序，从数据中提取新的见解并实时完成。通过确保从数据中心层面支持AI和高级分析等创新，他们应该能够以类似云的敏捷性运行运营，以高速度和规模提高数据分析的经济性，并获得新的见解以提供数据 - 驱使患者的结果和结果以前是不可能的。最终，通过改变组织处理和处理数据的方式，IT团队将使从业者能够为更多人提供最佳的综合护理。