Evaluating an energy aware cloud native microservices architecture to reduce cost barriers in resource limited healthcare systems
Questo studio dimostra che un framework di autoscaling consapevole dell'energia per microservizi sanitari orchestrati da Kubernetes riduce significativamente i costi operativi e l'sovra-allocazione delle risorse in contesti con risorse limitate rispetto all'autoscaling convenzionale, abbassando così le barriere all'adozione per i sistemi di sanità digitale essenziali per la Copertura Sanitaria Universale.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nel mondo moderno, ospedali e cliniche si affidano sempre più a sistemi digitali per monitorare la salute dei pazienti, gestire le cartelle cliniche e prevedere la diffusione di malattie. Per gestire il flusso massiccio e imprevedibile di questi dati, molti sistemi sanitari si stanno rivolgendo a uno stile di calcolo chiamato "microservizi cloud-native". Immaginate una grande e complessa macchina scomposta in molte piccole parti indipendenti, ognuna delle quali svolge un compito specifico. Se una parte ha bisogno di più potenza per completare un compito, il sistema può aggiungere istantaneamente quella specifica parte senza fermare l'intera macchina. Questo approccio è potente e flessibile, rendendolo ideale per le complesse esigenze della copertura sanitaria universale, dove ogni persona dovrebbe avere accesso alle cure. Tuttavia, questa flessibilità ha un prezzo. Nei contesti con risorse limitate, come le cliniche rurali nelle nazioni in via di sviluppo, il costo di gestione di questi sistemi digitali sui server cloud può essere proibitivo. Quando arriva un improvviso picco di dati — come durante un focolaio epidemico — il sistema aggiunge automaticamente ulteriore potenza di calcolo per far fronte alla situazione. Spesso, aggiunge troppo, sprecando energia e denaro in risorse che non sono strettamente necessarie, minacciando la sostenibilità finanziaria del sistema sanitario stesso.
Un team di ricercatori della Kingston University e dell'University of Oxford si è posto l'obiettivo di risolvere questo problema specifico. Si sono chiesti se fosse possibile mantenere i benefici di questi sistemi digitali flessibili prevenendo al contempo l'eccessivo dispendio di denaro in energia. Per scoprirlo, hanno costruito una versione di prova di un sistema progettato per elaborare dati sul rischio di malattie cardiovascolari, un compito comune nell'assistenza primaria. Hanno creato un ambiente digitale che simulava la limitata potenza di calcolo disponibile in un piccolo ospedale con risorse ristrette. All'interno di questo ambiente, hanno fatto girare due principali lavoratori digitali: uno che puliva i dati disordinati dei pazienti e un altro che calcolava i rischi per la salute. I ricercatori hanno poi testato il comportamento di questo sistema di fronte a quattro diversi livelli di carico di lavoro, che variavano da un normale lotto quotidiano di diecimila record dei pazienti a un'ondata frenetica di cinquantamila record durante un focolaio epidemico simulato.
I ricercatori hanno confrontato due modi di gestire il sistema. Il primo era il metodo standard utilizzato dalla maggior parte dei sistemi cloud oggi, che aggiunge automaticamente potenza di calcolo ogni volta che il sistema è impegnato. Il secondo era il loro nuovo approccio, costruito su misura, che agiva come un rigoroso gestore del budget. Invece di guardare solo quanto fosse impegnato il sistema, questo nuovo metodo misurava esattamente quanta energia consumava ogni parte del sistema in tempo reale. Aveva un limite prestabilito sulla quantità di energia accettabile. Se il sistema tentava di aggiungere ulteriore potenza di calcolo ma tale aggiunta avrebbe superato il limite di energia totale, il nuovo metodo diceva semplicemente di no. Costringeva i lavoratori esistenti a finire il lavoro senza richiedere aiuto extra, garantendo che il sistema rimanesse entro il proprio budget energetico e finanziario.
I risultati hanno mostrato una chiara differenza tra i due approcci. Quando il metodo standard affrontava un carico di lavoro pesante, continuava ad aggiungere potenza di calcolo finché il sistema non diventava lento e pesante, consumando una grande quantità di energia nel processo. Al contrario, il nuovo metodo consapevole dell'energia manteneva il sistema in funzione in modo fluido senza mai superare il proprio limite energetico. In tutti gli scenari di test, il nuovo metodo ha ridotto l'energia utilizzata dal sistema tra il 12,1% e il 33,4%. Nel test più intenso, in cui il sistema doveva elaborare cinquantamila record sotto alta pressione, il nuovo metodo ha risparmiato un terzo dell'energia che il metodo standard avrebbe sprecato. Fondamentalmente, il sistema non ha rallentato né commesso errori; ha elaborato ogni record correttamente e ha mantenuto stabile l'uso della memoria. I ricercatori hanno scoperto che il sistema utilizzava solo la potenza di calcolo assolutamente necessaria e, una volta terminato il lavoro, tornava immediatamente a uno stato a basso consumo.
Per comprendere cosa significassero questi risparmi energetici per i sistemi sanitari reali, i ricercatori hanno tradotto le loro scoperte in potenziali risparmi di costo. Hanno esaminato i prezzi del calcolo in cloud nelle regioni in cui questi sistemi sono più necessari, specificamente in parti dell'Africa e dell'Asia meridionale. Hanno stimato che, per un tipico sistema sanitario a livello distrettuale con dieci server, l'uso di questo nuovo metodo potrebbe far risparmiare tra i 1.340 e i 1.521 dollari USA ogni anno durante i periodi di alta domanda. Sebbene possa sembrare una piccola somma, nel contesto di una struttura sanitaria che opera con un budget ristretto di forse cinquemila o ventimila dollari all'anno, questo risparmio rappresenta una parte significativa dei loro fondi disponibili. È la differenza tra un sistema che può essere sostenuto per anni e uno che deve essere chiuso quando finiscono i fondi dei donatori.
Lo studio conclude che costruendo la consapevolezza dei costi e dell'energia direttamente nel design dei sistemi sanitari digitali, è possibile renderli accessibili per i luoghi che ne hanno più bisogno. I ricercatori sottolineano che il loro lavoro è una "prova di concetto", il che significa che è stato un test riuscito in un ambiente controllato, non ancora un sistema in funzione in un vero ospedale. Hanno osservato che il loro test utilizzava dati simulati e un singolo computer per mimare una piccola rete, quindi i risparmi effettivi in una rete reale e più grande potrebbero essere ancora maggiori. Tuttavia, il risultato centrale è solido: è possibile impedire a questi potenti sistemi digitali di sprecare denaro in energia non necessaria. Trattando l'uso dell'energia come una misura diretta del costo, i pianificatori sanitari possono progettare sistemi che siano non solo tecnicamente avanzati, ma anche finanziariamente sostenibili, garantendo che la promessa della copertura sanitaria universale non sia minata dalla stessa tecnologia destinata a supportarla.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.