現(xiàn)代醫(yī)學(xué)之所以每天都在造福無(wú)數(shù)人類，對(duì)人體越來(lái)越深入的了解是重要原因，尤其是診斷的時(shí)候，醫(yī)學(xué)影像起到的作用越來(lái)越重要。專業(yè)醫(yī)療科學(xué)網(wǎng)站估計(jì)：醫(yī)療數(shù)據(jù)中有超過(guò)90%的數(shù)據(jù)來(lái)自于醫(yī)學(xué)影像。然而，針對(duì)影像數(shù)據(jù)的分析，現(xiàn)在主要還是靠易于出錯(cuò)的人工完成，誤診難以避免，中外概莫能外。從影像誤診人數(shù)來(lái)看，美國(guó)每年人數(shù)達(dá)到 1,200 萬(wàn)，中國(guó)每年高達(dá) 5,700 萬(wàn)。

不過(guò)，AI 和深度學(xué)習(xí)技術(shù)正在逐漸解決這些問(wèn)題。諸如對(duì)象檢測(cè)和分割等 AI 技術(shù)，可以幫助放射科醫(yī)生更快、更準(zhǔn)確地識(shí)別問(wèn)題，從而更好地劃分病例優(yōu)先級(jí)、改善患者治療效果、降低醫(yī)院運(yùn)營(yíng)成本。這種技術(shù)的挑戰(zhàn)在于：如何在盡量不大幅增加系統(tǒng)成本的的前提下，能夠高效、準(zhǔn)確地處理醫(yī)學(xué)影像？

英特爾和飛利浦公司合作證明：搭載英特爾 至強(qiáng) 可擴(kuò)展處理器的服務(wù)器，可用于高效執(zhí)行面向患者 X 光和 CT 掃描的深度學(xué)習(xí)推理，醫(yī)療機(jī)構(gòu)無(wú)需巨額投資、修改使用GPU硬件 ，也能實(shí)施醫(yī)療 AI 工作負(fù)載。

骨齡預(yù)測(cè) and 肺部分割，推理大提速

2017 年，英特爾推出了至強(qiáng) 可擴(kuò)展處理器，可以處理復(fù)雜的混合工作負(fù)載，包括醫(yī)療成像領(lǐng)域常見(jiàn)的大型內(nèi)存密集型模型，也能實(shí)現(xiàn)加速。在此之前，要想使用硬件加速深度學(xué)習(xí)，常見(jiàn)的做法是使用圖形處理單元 GPU。不過(guò)，這種做法存在一些內(nèi)存限制，同時(shí)購(gòu)買適用 GPU 的費(fèi)用也是居高不下。英特爾和飛利浦發(fā)現(xiàn)，相比基于 GPU 的系統(tǒng)，英特爾至強(qiáng)可擴(kuò)展處理器更能滿足數(shù)據(jù)科學(xué)家的需求。更讓飛利浦高興的是——能夠以更低的成本為客戶提供 AI 解決方案。

為了支持醫(yī)學(xué)圖像興趣區(qū)分割和醫(yī)學(xué)圖像分類，飛利浦正在開(kāi)發(fā)復(fù)雜的深度學(xué)習(xí)模型，可用于以下兩種案例：

骨齡預(yù)測(cè)模型

以人類骨骼（比如手腕）的 X 光圖像和患者性別為輸入。然后，推理模型通過(guò)骨骼預(yù)測(cè)年齡，以確定因骨質(zhì)流失導(dǎo)致的身體狀況。該模型可以協(xié)助診斷營(yíng)養(yǎng)不良等癥狀。

肺部分割模型

患者胸部 CT 掃描結(jié)果識(shí)別肺部，在檢測(cè)到的器官周圍創(chuàng)建分割掩膜。推理結(jié)果可用于測(cè)量肺部的大小和體積，或加載用于譬如肺結(jié)核或氣胸檢測(cè)的特定器官疾病篩選模型。放射科醫(yī)生能更清晰地看到病患的肺部解剖結(jié)構(gòu)。

在模型的優(yōu)化上，飛利浦使用以下兩種方法，最大限度地提升了推理模型的性能。

使用 OpenVINO 工具套件

該套件有兩個(gè)主要組件：模型優(yōu)化器和推理引擎。前者對(duì)神經(jīng)網(wǎng)絡(luò)圖形進(jìn)行優(yōu)化，后者可以針對(duì)制定目標(biāo)硬件后端加載推理引擎。英特爾提供了面向各種硬件類型的程序開(kāi)發(fā)庫(kù)，以實(shí)施高效深度學(xué)習(xí)的內(nèi)核。

并行化工作負(fù)載

也就是運(yùn)行多個(gè) OpenVINO 實(shí)例。相比運(yùn)行一個(gè)實(shí)例而言，在每個(gè)處理器插槽上運(yùn)行多個(gè) OpenVINO 實(shí)例，顯著提高了每秒處理的圖像數(shù)。每個(gè)實(shí)例綁定至 一個(gè)或多個(gè)英特爾至強(qiáng)可擴(kuò)展處理器的內(nèi)核，顯著提高了內(nèi)核利用率。

經(jīng)過(guò)這些優(yōu)化后，效果顯著。針對(duì)前面提到的兩個(gè)案例：

★骨齡預(yù)測(cè)模型每秒處理的圖像增加 188 倍；

★肺部分割模型每秒處理的圖像增加 38 倍。

飛利浦的案例研究表明：醫(yī)療機(jī)構(gòu)無(wú)需巨額硬件投資，也能實(shí)施醫(yī)療 AI 工作負(fù)載。對(duì)于飛利浦這樣的公司而言，還可以通過(guò)在線商店等方式提供 AI 算法下載，以此增加收入，在日益激烈的競(jìng)爭(zhēng)中脫穎而出。

AI+醫(yī)療影像，創(chuàng)造健康美好未來(lái)

總體而言，醫(yī)療影像之類的工作負(fù)載，常常需要小批次或流處理方式應(yīng)對(duì)，這就非常適合使用CPU作為支撐硬件，特別是英特爾 至強(qiáng) 可擴(kuò)展處理器，可以為 AI 模型提供經(jīng)濟(jì)高效、靈活的平臺(tái)。結(jié)合OpenVINO 工具套件使用，能夠在不影響準(zhǔn)確性的前提下部署預(yù)訓(xùn)練模型，從而提高效率。

美國(guó)資深咨詢公司弗羅斯特 - 沙利文公司曾作出結(jié)論：“人工智能可將醫(yī)療效果提高 50%，同時(shí)減少多達(dá) 50% 的醫(yī)療成本。”人工智能和醫(yī)療影像的結(jié)合，必將為人類的健康創(chuàng)造更美好的未來(lái)。