新聞中心

EEPW首頁 > 智能計算 > 行業(yè)解決方案 > 英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

作者: 時間:2020-09-21 來源:量子位 收藏

  正在變革(中國)醫(yī)療。
  最近,一份實戰(zhàn)手冊剛剛披露,清晰勾勒出了如何重塑著醫(yī)療行業(yè)的各個方面。
  而且這份手冊展示的不光有趨勢分析、技術規(guī)劃,還展示了諸多案例,是實踐實戰(zhàn)后的全面總結。
  報告撰寫者,正是提供了最基礎但覆蓋全流程的能力計算巨頭,可以說是AI醫(yī)療的首份權威“劍譜”。
  那么,“劍譜”中究竟有什么?又該如何修煉?我們詳細拆解。

本文引用地址:http://m.butianyuan.cn/article/202009/418563.htm

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

欲練此功,先看趨勢
  在AI落地趨勢中,醫(yī)療已經(jīng)成為了最大的應用場景。
  根據(jù)2018年9月中國信息通信研究院Gartner聯(lián)合發(fā)布的《2018 世界人工智能產(chǎn)業(yè)藍皮書》,在中國,醫(yī)療健康領域的AI滲透率已經(jīng)達到了22%,在所有垂直行業(yè)中滲透率最高。
  遠超排名第二的是金融,滲透率為14%,而之前AI落地競爭最激烈的安防,當前僅排名第五。
  盡管只有如此滲透率,整個AI醫(yī)療行業(yè)就已經(jīng)形成了數(shù)百億美元的市場規(guī)模,相應投資也在快速增長。
  前瞻產(chǎn)業(yè)研究院發(fā)布的《中國醫(yī)療人工智能行業(yè)市場前景預測與投資戰(zhàn)略規(guī)劃分析報告》顯示,2017年中國醫(yī)療人工智能行業(yè)市場規(guī)模達到136.5億元,增長率為41%,到2018年,這一數(shù)字將會突破200億元,達到210億左右。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  而且如此趨勢并不只是中國獨有,在全球范圍內(nèi),醫(yī)療領域的AI落地發(fā)展也極為迅猛。
  根據(jù) Global Market Insight 發(fā)布的報告顯示,2019年至2025年期間,醫(yī)療保健人工智能市場規(guī)模的復合年增長率預計將達到41.7%。
  這些數(shù)字的背后,不僅有AI技術的進一步發(fā)展落地推動,也有醫(yī)療市場本身的迫切需求,以及現(xiàn)相關政策的支持。
  具體到實際的落地場景中,AI的應用可以說非常廣泛,從醫(yī)學影像、輔助診斷、疾病預測,到健康管理、藥物研發(fā)等諸多環(huán)節(jié),都可發(fā)揮關鍵作用。
  但在不同層級的醫(yī)療機構中,AI的應用也有所不同,將會呈現(xiàn)出更加多元化的趨勢。
  在基層醫(yī)院或第三方體檢中心,主要以輔助篩查和輔助診斷為主;
  在三甲醫(yī)院等醫(yī)療機構,則以提高醫(yī)生工作效率為主;
  在健康管理方面,會以支持單位和個人支付的健康體檢為主要方向。
  而藥物研發(fā)這一領域,人工智能的應用則深入許多,通常需要人工智能技術公司與大型藥企、醫(yī)藥研究機構通力合作來推進。
  當然,將AI應用到醫(yī)療領域中,還有不少問題亟待解決,比如數(shù)據(jù)的數(shù)量與質量、模型的通用性和可解釋性、以及相應的安全問題等等。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  但AI醫(yī)療之大勢,已經(jīng)浩浩湯湯,銳不可擋。
  其中還有一些“先富起來”的實踐者,在各種招式摸索之后,已經(jīng)趟出一條黃沙百戰(zhàn)之路,有總結,可參考,甚至能夠學習復刻。
  而且更關鍵的是,還是在這份實戰(zhàn)為主題的報告中,詳細披露了AI醫(yī)療落地本領如何鑄就,還有各方高手,如西門子、東軟、解放軍總醫(yī)院等,紛紛給出了“注解”。
  所以這究竟是一份怎樣的實戰(zhàn)報告,我們細細拆解。
AI醫(yī)療5種絕技
  整個手冊,一共介紹了AI在醫(yī)療領域的五大應用——覆蓋發(fā)現(xiàn)病情、病情分析研究、藥物研發(fā)等?全流程各個方面。
  具體來說就是5大絕技。
  絕技一:圖像分割審查病情,用AI推理助力診斷
  圖像分割,顧名思義,就是將圖像切分為多個區(qū)域,來簡化或改變圖像的表現(xiàn)形式,從而讓圖像變得更加容易解讀和分析。
  目前,圖像分割技術用在了腫瘤和其他病理位置定位、組織體積測量、解剖學研究、計算機輔助手術、治療方案制定以及臨床輔助診斷等多個細分領域。
  圖像分割的實現(xiàn)方式也不難理解——以圖像中的自然邊界,例如物體輪廓、線條等,將圖像切分為多個區(qū)域。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  在計算機中,是對圖像中的每個像素加上標簽,并認為具有相同標簽的像素有著某種共同視覺特性,從而來實現(xiàn)分割。
  傳統(tǒng)中有基于聚類、閾值、邊緣、區(qū)域等特征的方法。但隨著AI技術的發(fā)展,基于深度學習的方法效果出眾,超過人類,成為最廣泛的應用。
  這其中,全卷積網(wǎng)絡(Fully Convolutional Network, FCN)、U-net 和 V-net 是常見的幾種基于深度學習的圖像分割方法。
  但在醫(yī)療領域中,應用最為廣泛的則是U-net 。需要分割的圖像有其獨特性,大多數(shù)情況下是針對一個指定器官的成像,而非全身。
  器官本身結構比較固定,語義信息并非特別豐富。
  所以高級語義信息和低層級特征就顯得重要,而 U-net 的 U 型結構和跳躍連接在這種場景中,可以發(fā)揮出更大作用。
  近年來,U-net 在醫(yī)學影像 分割領域良好的應用效果,已在很多部署中得到充分了證明。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  良好的圖像分割模型,能有效幫助醫(yī)療機構提高醫(yī)學影像判讀效率,進而增強臨床診療能力、提升疾病治愈率以及減少病患等待時間,彌補因醫(yī)療機構影像科資源缺乏帶來的多種問題。
  但醫(yī)療領域的圖像分割對時效性要求更高。
  通常情況下,留給病患的黃金診療窗口往往只有數(shù)十分鐘。因此,如果圖像分割 AI 應用的推理效率不夠高,就有可能延誤寶貴的搶救時間。
  這就決定想要將圖像分割應用到真正的醫(yī)療場景中,一方面需要基于不同的圖像分割類型對模型進行優(yōu)化,另外一方面則需要強大穩(wěn)定的計算能力來完成推理。
  怎么進一步落地?提供了工具,比如TM工具套件以及至強處理器系列產(chǎn)品等等, 能夠在在保證 U-net 模型高準確率的同時,推理時間大幅降低85%。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  在報告中不僅給出了具體的使用方法,也放出了不少已經(jīng)落地的案例,比如東軟的eStroke溶栓取栓影像平臺,西門子的心腔檢測和量化模型等等。
 ?。ǜ嘣斍檎堃妶蟾?,獲取方式在文末)
  絕技二:AI+云,部署更強醫(yī)療影像分析應用
  伴隨著醫(yī)療體系現(xiàn)代化建設,醫(yī)療設備也已逐漸普及,即便在基層醫(yī)療機構,患者也能進行各類醫(yī)學影像檢查。
  雖然醫(yī)學影像設備和系統(tǒng)可以迅速到位,但“軟實力”卻無法一蹴而就,這就導致一些邊遠地區(qū)或基層醫(yī)療機構, 卻常常面臨空有設備卻無人有能力“看片”的尷尬境地。
  也有不少人給出了解決方案,比如將影像文件通過拍照、掃描等方式傳給上一級醫(yī)療機構。但信息傳遞準確性以及時效性上,都難有保障,從而造成病情的延誤或誤判。
  云計算技術的快速發(fā)展,讓這些問題逐漸得以解決。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  通過接入云服務,各級醫(yī)療機構能夠獲得跨終端、跨平臺的全醫(yī)技功能應用。
  基于云計算的影像協(xié)同平臺,能夠讓來自大、中型醫(yī)療機構的醫(yī)學影像專家隨時隨地處理從不同地區(qū)傳來的影像數(shù)據(jù),并對疑難雜癥進行協(xié)同會診,來實現(xiàn)醫(yī)療資源的高效共享。
  而且, 云計算和大數(shù)據(jù)技術的互聯(lián)互通,不僅讓各醫(yī)療機構可以規(guī)避過度檢查、重復治療等問題,還有力地打破了數(shù)據(jù)孤島現(xiàn)象,建立無邊界醫(yī)療全連接,提高醫(yī)療服務質量。

  與此同時,這也強化了影像數(shù)據(jù)的積累和分析,也讓基于 AI 的醫(yī)療影像分析 應用日趨走向成熟,一個過去需要10分鐘進行篩查的肺癌前期診斷,在AI的加持下能夠達到秒級,而且準確率也在95%以上。
  目前,在醫(yī)療影像 AI 分析應用中,目標偵測神經(jīng)網(wǎng)絡正被廣泛地運用,其通過深度學習的方法,能夠對 X 光片、CT 成像等醫(yī)療影像進行高效、準確的病灶檢測。
  典型的目標偵測神經(jīng)網(wǎng)絡有 R-CNN、Fast R-CNN、SPP-NET、R-FCN 等。R-FCN 是 近年來在醫(yī)療影像分析領域常見的目標偵測神經(jīng)網(wǎng)絡模型,其典型的結構入下圖所示:

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  關鍵所在,是如何讓云+AI更好的結合起來,實現(xiàn)無縫的協(xié)同,更強大的AI病情分析,也需要對主流的AI框架進行優(yōu)化升級。
  實戰(zhàn)手冊中,在與西安盈谷 Cloud IDT 智能應用、醫(yī)學影像處理及分析云計算@iMAGES 核心引擎等相結合后,在肺結節(jié)診斷等一大批關鍵場景中建立起“AI+Cloud”的智能輔助診斷系統(tǒng)能力。
  絕技三:病理切片分析,讓治療更準確更快速
  病理切片,是為更好病理診斷和預后評估,是一項非常復雜和具有挑戰(zhàn)性的工作。
  具體的實現(xiàn)方式是將部分病變組織或臟器,經(jīng)過一系列處理后形成微米級薄片,粘附在玻片上并進行染色處理,然后再交至病理科,病理科醫(yī)生通過顯微鏡對病理切片進行鏡檢,觀察病理變化。
  想要給出準確的診斷,需要具備多年的讀片經(jīng)驗與數(shù)萬張切片的閱片積累以及具有豐富專業(yè)知識。
  而且,人工檢查不免帶有較大主觀性,由不同病理科醫(yī)生對同一患者的病理切片作出的診斷,也經(jīng)常會存在差異,這可能導致誤診、漏診等現(xiàn)象產(chǎn)生。
  同時,在實際病理切片檢查中,患者的病理切片以 40 倍的放大倍數(shù)進行數(shù)字化后,單個病理切片的像素點可能超過百萬像素。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  病理科醫(yī)生需要連續(xù)觀察多張百萬像素級的圖片,并且需要注意到圖片里微觀區(qū)域的異常,不僅費時費力,還容易出現(xiàn)錯漏。
  且較長的閱片時間也會導致病患等待時間長,有可能會造成病情的延誤。
  這當然可以用AI。
  例如,通過ResNet50網(wǎng)絡進行的深度學習模型訓練,可用于執(zhí)行腫瘤病理組織的辨識工作。
  盡管得到的腫瘤預測熱學圖依然存在噪聲等問題,但已經(jīng)可以像病理科醫(yī)生一樣,以不同的放 大倍數(shù)來檢查病理切片圖像。
  訓練出來一個深度網(wǎng)絡模型,使其不僅能夠具備專業(yè)的檢測技術,而且還能有超快的檢測速度和無限的工作時間,也不是不可能。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  利用深度學習的方法來對病理切片圖像等做出快速檢測,不僅可以極大提升醫(yī)療機構 病理檢測的生產(chǎn)力,消弭因專業(yè)病理科醫(yī)生不足帶來的一系列問題,也能為病患帶去更精確、更及時的治療方案。
  目前,基于圖像分類和目標檢測的病理切片檢測 AI 應用,已在眾多醫(yī)療機構進行了落地部署,并獲得良好的反饋。
  絕技四:加速藥物研發(fā),從數(shù)年縮短到數(shù)月
  在全球醫(yī)療AI市場中,藥物研發(fā)占據(jù)了非常大的份額。根據(jù)Global Market Insight的數(shù)據(jù)統(tǒng)計,這一數(shù)字達到35%。
  而且,這一領域對新技術的接納速度最快。
  當前, 基于細胞圖像的高內(nèi)涵篩選(HCS)方法是在系統(tǒng)生物學和藥物研發(fā)領域常用的自動化分析方法之一,也是 AI 技術在藥物發(fā)現(xiàn)早期環(huán)節(jié)的重要應用。
  主要的工作流程是,通過顯微成像法獲得的圖像信息,分析、獲得由遺傳或化學處理誘導的細胞表型特征。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  在這一流程中,對細胞圖像的表型檢測、分析和分類是最重要的幾個環(huán)節(jié)。
  雖然這些在大量藥物研發(fā)過程中獲得成功應用,但其仍存在許多局限性。
  比如,對于對象分割、降維和表型分類,通常需要大量的先驗知識對每個測定流程進行定制。執(zhí)行每一個步驟,都涉及方法的定制以及參數(shù)的調(diào)整。
  而在對整個分析流程的性能調(diào)優(yōu)過程中,如何對 所有參數(shù)進行聯(lián)合優(yōu)化,以達到性能最優(yōu)化。
  因此,更多基于深度學習的 AI 方法正逐漸被引入基于細胞圖像的 HCS 的表型分類工作。
  在深度神經(jīng)網(wǎng)絡中,通過一個框架來對圖像數(shù)據(jù)中的分層抽象進行計算和分析,CNN能夠自動地從圖像中學習和提取特征,因此在對細胞圖像的表型預測中具有更好的效率。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  一款新藥從發(fā)現(xiàn)、試驗到生產(chǎn),動輒數(shù)年,而基于AI,這一周期的能夠縮短到數(shù)個月。
  這不僅是眾多制藥企業(yè)加速創(chuàng)新,保持核心競爭力的普遍選擇,也是讓科技造福人類,助力創(chuàng)造健康生活的重要體現(xiàn)。
  英特爾在報告中也給出了相應解決方案,比如通過合理的優(yōu)化方案,大幅加速了諾華等藥企的藥物發(fā)現(xiàn)進程。
  絕技五:圖像識別落地醫(yī)療,正在成為行業(yè)智能化轉型關鍵
  醫(yī)療行業(yè)的智能化轉型,并不僅僅在于AI應用到診斷環(huán)節(jié)或者新藥研發(fā)環(huán)節(jié),也在于對整個行業(yè)的重塑。
  目前,越來越多的醫(yī)療機構正通過規(guī)范的信息系統(tǒng)的建設,來打造更智能的醫(yī)療信 息化能力,實現(xiàn)患者與醫(yī)務人員、醫(yī)療機構、醫(yī)療設備之間的高效互動。
  在這樣的趨勢下,高效率的識別技術頗為重要。
  通常情況下,醫(yī)療機構使用條碼識別、光學字符識別(OCR)識別以及軟件識別等技術來執(zhí)行對患者身份、藥品發(fā)放等工作。
  隨著 AI 技術的逐步發(fā)展,越來越多的醫(yī)療機構開始嘗試使用機器學習、深度學習等 AI 方法。
  與傳統(tǒng)圖像識別技術相比,基于深度學習的圖像識別技術準確率和工作效率更高,也更利于形成良好的更新機制。
  其基于圖像特征進行識別,能夠一次獲取多種類、多數(shù)量的圖像進行特征識別。
  同時也能實現(xiàn)患者身份的實時識別,讓藥品發(fā)放更準確,讓醫(yī)療檢查流程實現(xiàn)了無縫銜接。
  進而提升了整個系統(tǒng)識別的效率和準確率,增強醫(yī)療機構的工作效率。
  解放軍總醫(yī)院,現(xiàn)在正嘗試利用信息化手段來輔助減少發(fā)藥環(huán)節(jié)的錯誤。
  一共分為三步:
  首先,利用計算機視覺技術,在門診發(fā)藥窗口對藥品的分類和數(shù)量進行識別。
  其次,將該識別系統(tǒng)與 HIS 系統(tǒng)的處方數(shù)據(jù)進行自動關聯(lián)和匹配,通過信息比對來判斷待發(fā)藥品實物是否和處方信息一致。
  最后,將結果實時反饋給發(fā)藥的藥師,從而達到降低發(fā)藥出錯率的目的。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  雖然實現(xiàn)方式不難,但頗為有效,且具有很好的應用前景。
  未來,類似的 AI 技術不僅可應用于藥房發(fā)藥等場景,也可在其他醫(yī)療場景中發(fā)揮巨大作用,例如手 術耗材發(fā)放管理、病患醫(yī)療信息管理等。
算力是內(nèi)功,工具是心法
  以上種種應用,已經(jīng)在行業(yè)中實現(xiàn)了落地,且迸發(fā)出了強大的能量。
  但只看應用,不過是“外家功夫”,沒有強大的“內(nèi)力”支撐,雖然招式有模有樣,但終究難具威力。
  對于AI應用來說,算力就是內(nèi)功。
  以上種種應用能夠得以在各個場景中落地,需要算力加持。
  在這份報告中給出的案例中,都基于英特爾至強金牌6148處理器平臺展開。
  這一處理器與2017年問世,主打數(shù)據(jù)處理等AI流程和應用。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  發(fā)布之時,在內(nèi)核、緩存、內(nèi)存、I/O等多項優(yōu)化的輔助下,每個時鐘周期浮點性能提升兩倍,8K數(shù)據(jù)塊時壓縮速度可達100Gb/s,創(chuàng)造了58項世界紀錄。
  在上述案例中,至強金牌6148就是各種組織AI醫(yī)療落地的神兵利器。
  而且,在第二代至強可擴展處理平臺上,特別是在深度學習加速技術和傲騰數(shù)據(jù)中心級持久內(nèi)存的加成下,也有更好的表現(xiàn)。
  同時,英特爾提供的不僅僅只是算力,還有釋放算力的“心法“,即軟件架構。

英特爾AI醫(yī)療實戰(zhàn)手冊曝光:醫(yī)生診斷提速10倍,推理時間減少85%

  比如英特爾Omni-Path 架構、面向英特爾架構優(yōu)化的Caffe、深度學習加速技術、TM工具套件等產(chǎn)品和技術等等。
  算是軟硬件結合,有劍法有氣功,齊頭并進幫助各路AI和醫(yī)療英雄加速成為實戰(zhàn)落地高手。
  毫無疑問,AI落地完全是一場能力考驗全面的戰(zhàn)爭,并非單一某方面突出就能成功。
  其中硬件類似兵器寶劍,講究的是稱手實用,規(guī)?;涞貜椭七€要兼顧成本。軟件像氣法,配合有度,入門門檻足夠親民,未來發(fā)展還有拓展性。
結語
  總之,這份計算巨頭英特爾的實戰(zhàn)報告,就像歲末年終“開源”的一套劍譜。
  有場景、有案例、還有實戰(zhàn)方法論,可知別人探索經(jīng)驗,也能量體裁衣結合對照找出自己的復刻路徑。
  而且環(huán)境向好、大趨勢加持,軟硬件支撐能力也已經(jīng)就緒,風口正在隱隱作響,落地就能實現(xiàn)更大范圍內(nèi)的價值創(chuàng)創(chuàng)造。
  實際上,從完整報告總結來看,AI正在重塑醫(yī)療行業(yè),并且已經(jīng)進入白熱化階段,落地也正在加快。



評論


相關推薦

技術專區(qū)

關閉