David Niewolny, senior director för hälso- och medicinsk verksamhet på NVIDIA, förklarar att realtidsbehandling på plats är avgörande för många medicinska enheter. Edge-computing möjliggör låg latens och hantering av känslig data, medan en gemensam molnintegrerad plattform ger utvecklare en plats att distribuera AI-applikationer både lokalt och i molnet.

Praktiska arbetsbelastningar delas upp efter svarstid och datakänslighet: realtidsperception, enhetsstyrning och varningssystem körs på edge, medan institutionella inferenser, modellservice och storskalig träning kan ske i datacenter eller moln. Nyckelfaktorer är pålitligt nätverk, standardiserade containrar, API:er, identitets- och åtkomsthantering samt övervakning.

Organisationer måste dessutom bygga ett styrningsramverk som förenar klinik, IT, säkerhet och juridik. För att skydda patientdata föreslås lokala modeller och federerade eller syntetiska data-strategier, medan aggregerad och de-identifierad information kan centraliseras för bredare analys och modellförbättring.