英特爾AI醫療實(shí)戰手冊曝光：醫生診斷提速10倍，推理時(shí)間減少85%

　　AI正在變革（中國）醫療。
　　最近，一份實(shí)戰手冊剛剛披露，清晰勾勒出了AI如何重塑著(zhù)醫療行業(yè)的各個(gè)方面。
　　而且這份手冊展示的不光有趨勢分析、技術(shù)規劃，還展示了諸多案例，是實(shí)踐實(shí)戰后的全面總結。
　　報告撰寫(xiě)者，正是提供了最基礎但覆蓋全流程的AI能力計算巨頭英特爾，可以說(shuō)是AI醫療的首份權威“劍譜”。
　　那么，“劍譜”中究竟有什么？又該如何修煉？我們詳細拆解。

欲練此功，先看趨勢
　　在A(yíng)I落地趨勢中，醫療已經(jīng)成為了最大的應用場(chǎng)景。
　　根據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(shū)》，在中國，醫療健康領(lǐng)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(gè)AI醫療行業(yè)就已經(jīng)形成了數百億美元的市場(chǎng)規模，相應投資也在快速增長(cháng)。
　　前瞻產(chǎn)業(yè)研究院發(fā)布的《中國醫療人工智能行業(yè)市場(chǎng)前景預測與投資戰略規劃分析報告》顯示，2017年中國醫療人工智能行業(yè)市場(chǎng)規模達到136.5億元，增長(cháng)率為41%，到2018年，這一數字將會(huì )突破200億元，達到210億左右。

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

　　但AI醫療之大勢，已經(jīng)浩浩湯湯，銳不可擋。
　　其中還有一些“先富起來(lái)”的實(shí)踐者，在各種招式摸索之后，已經(jīng)趟出一條黃沙百戰之路，有總結，可參考，甚至能夠學(xué)習復刻。
　　而且更關(guān)鍵的是，還是在英特爾這份實(shí)戰為主題的報告中，詳細披露了AI醫療落地本領(lǐng)如何鑄就，還有各方高手，如西門(mén)子、東軟、解放軍總醫院等，紛紛給出了“注解”。
　　所以這究竟是一份怎樣的實(shí)戰報告，我們細細拆解。
AI醫療5種絕技
　　整個(gè)手冊，一共介紹了AI在醫療領(lǐng)域的五大應用——覆蓋發(fā)現病情、病情分析研究、藥物研發(fā)等?全流程各個(gè)方面。
　　具體來(lái)說(shuō)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(gè)區域，來(lái)簡(jiǎn)化或改變圖像的表現形式，從而讓圖像變得更加容易解讀和分析。
　　目前，圖像分割技術(shù)用在了腫瘤和其他病理位置定位、組織體積測量、解剖學(xué)研究、計算機輔助手術(shù)、治療方案制定以及臨床輔助診斷等多個(gè)細分領(lǐng)域。
　　圖像分割的實(shí)現方式也不難理解——以圖像中的自然邊界，例如物體輪廓、線(xiàn)條等，將圖像切分為多個(gè)區域。

　　在計算機中，是對圖像中的每個(gè)像素加上標簽，并認為具有相同標簽的像素有著(zhù)某種共同視覺(jué)特性，從而來(lái)實(shí)現分割。
　　傳統中有基于聚類(lèi)、閾值、邊緣、區域等特征的方法。但隨著(zhù)AI技術(shù)的發(fā)展，基于深度學(xué)習的方法效果出眾，超過(guò)人類(lèi)，成為最廣泛的應用。
　　這其中，全卷積網(wǎng)絡(luò )(Fully Convolutional Network, FCN)、U-net 和 V-net 是常見(jiàn)的幾種基于深度學(xué)習的圖像分割方法。
　　但在醫療領(lǐng)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，大多數情況下是針對一個(gè)指定器官的成像，而非全身。
　　器官本身結構比較固定，語(yǔ)義信息并非特別豐富。
　　所以高級語(yǔ)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(chǎng)景中，可以發(fā)揮出更大作用。
　　近年來(lái)，U-net 在醫學(xué)影像 分割領(lǐng)域良好的應用效果，已在很多部署中得到充分了證明。

　　良好的圖像分割模型，能有效幫助醫療機構提高醫學(xué)影像判讀效率，進(jìn)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(shí)間，彌補因醫療機構影像科資源缺乏帶來(lái)的多種問(wèn)題。
　　但醫療領(lǐng)域的圖像分割對時(shí)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(shí)間。
　　這就決定想要將圖像分割應用到真正的醫療場(chǎng)景中，一方面需要基于不同的圖像分割類(lèi)型對模型進(jìn)行優(yōu)化，另外一方面則需要強大穩定的計算能力來(lái)完成推理。
　　怎么進(jìn)一步落地？英特爾提供了工具，比如OpenVINOTM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(shí)，推理時(shí)間大幅降低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(mén)子的心腔檢測和量化模型等等。
　?。ǜ嘣斍檎堃?jiàn)報告，獲取方式在文末）
　　絕技二：AI+云，部署更強醫療影像分析應用
　　伴隨著(zhù)醫療體系現代化建設，醫療設備也已逐漸普及，即便在基層醫療機構，患者也能進(jìn)行各類(lèi)醫學(xué)影像檢查。
　　雖然醫學(xué)影像設備和系統可以迅速到位，但“軟實(shí)力”卻無(wú)法一蹴而就，這就導致一些邊遠地區或基層醫療機構， 卻常常面臨空有設備卻無(wú)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(guò)拍照、掃描等方式傳給上一級醫療機構。但信息傳遞準確性以及時(shí)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(shù)的快速發(fā)展，讓這些問(wèn)題逐漸得以解決。

　　通過(guò)接入云服務(wù)，各級醫療機構能夠獲得跨終端、跨平臺的全醫技功能應用。
　　基于云計算的影像協(xié)同平臺，能夠讓來(lái)自大、中型醫療機構的醫學(xué)影像專(zhuān)家隨時(shí)隨地處理從不同地區傳來(lái)的影像數據，并對疑難雜癥進(jìn)行協(xié)同會(huì )診，來(lái)實(shí)現醫療資源的高效共享。
　　而且， 云計算和大數據技術(shù)的互聯(lián)互通，不僅讓各醫療機構可以規避過(guò)度檢查、重復治療等問(wèn)題，還有力地打破了數據孤島現象，建立無(wú)邊界醫療全連接，提高醫療服務(wù)質(zhì)量。

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

　　關(guān)鍵所在，是如何讓云+AI更好的結合起來(lái)，實(shí)現無(wú)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(jìn)行優(yōu)化升級。
　　實(shí)戰手冊中，在與西安盈谷 Cloud IDT 智能應用、醫學(xué)影像處理及分析云計算@iMAGES 核心引擎等相結合后，在肺結節診斷等一大批關(guān)鍵場(chǎng)景中建立起“AI+Cloud”的智能輔助診斷系統能力。
　　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性的工作。
　　具體的實(shí)現方式是將部分病變組織或臟器，經(jīng)過(guò)一系列處理后形成微米級薄片，粘附在玻片上并進(jìn)行染色處理，然后再交至病理科，病理科醫生通過(guò)顯微鏡對病理切片進(jìn)行鏡檢，觀(guān)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)驗與數萬(wàn)張切片的閱片積累以及具有豐富專(zhuān)業(yè)知識。
　　而且，人工檢查不免帶有較大主觀(guān)性，由不同病理科醫生對同一患者的病理切片作出的診斷，也經(jīng)常會(huì )存在差異，這可能導致誤診、漏診等現象產(chǎn)生。
　　同時(shí)，在實(shí)際病理切片檢查中，患者的病理切片以 40 倍的放大倍數進(jìn)行數字化后，單個(gè)病理切片的像素點(diǎn)可能超過(guò)百萬(wàn)像素。

　　病理科醫生需要連續觀(guān)察多張百萬(wàn)像素級的圖片，并且需要注意到圖片里微觀(guān)區域的異常，不僅費時(shí)費力，還容易出現錯漏。
　　且較長(cháng)的閱片時(shí)間也會(huì )導致病患等待時(shí)間長(cháng)，有可能會(huì )造成病情的延誤。
　　這當然可以用AI。
　　例如，通過(guò)ResNet50網(wǎng)絡(luò )進(jìn)行的深度學(xué)習模型訓練，可用于執行腫瘤病理組織的辨識工作。
　　盡管得到的腫瘤預測熱學(xué)圖依然存在噪聲等問(wèn)題，但已經(jīng)可以像病理科醫生一樣，以不同的放 大倍數來(lái)檢查病理切片圖像。
　　訓練出來(lái)一個(gè)深度網(wǎng)絡(luò )模型，使其不僅能夠具備專(zhuān)業(yè)的檢測技術(shù)，而且還能有超快的檢測速度和無(wú)限的工作時(shí)間，也不是不可能。

　　利用深度學(xué)習的方法來(lái)對病理切片圖像等做出快速檢測，不僅可以極大提升醫療機構 病理檢測的生產(chǎn)力，消弭因專(zhuān)業(yè)病理科醫生不足帶來(lái)的一系列問(wèn)題，也能為病患帶去更精確、更及時(shí)的治療方案。
　　目前，基于圖像分類(lèi)和目標檢測的病理切片檢測 AI 應用，已在眾多醫療機構進(jìn)行了落地部署，并獲得良好的反饋。
　　絕技四：加速藥物研發(fā)，從數年縮短到數月
　　在全球醫療AI市場(chǎng)中，藥物研發(fā)占據了非常大的份額。根據Global Market Insight的數據統計，這一數字達到35%。
　　而且，這一領(lǐng)域對新技術(shù)的接納速度最快。
　　當前， 基于細胞圖像的高內涵篩選(HCS)方法是在系統生物學(xué)和藥物研發(fā)領(lǐng)域常用的自動(dòng)化分析方法之一，也是 AI 技術(shù)在藥物發(fā)現早期環(huán)節的重要應用。
　　主要的工作流程是，通過(guò)顯微成像法獲得的圖像信息，分析、獲得由遺傳或化學(xué)處理誘導的細胞表型特征。

　　在這一流程中，對細胞圖像的表型檢測、分析和分類(lèi)是最重要的幾個(gè)環(huán)節。
　　雖然這些在大量藥物研發(fā)過(guò)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(lèi)，通常需要大量的先驗知識對每個(gè)測定流程進(jìn)行定制。執行每一個(gè)步驟，都涉及方法的定制以及參數的調整。
　　而在對整個(gè)分析流程的性能調優(yōu)過(guò)程中，如何對 所有參數進(jìn)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(xué)習的 AI 方法正逐漸被引入基于細胞圖像的 HCS 的表型分類(lèi)工作。
　　在深度神經(jīng)網(wǎng)絡(luò )中，通過(guò)一個(gè)框架來(lái)對圖像數據中的分層抽象進(jìn)行計算和分析，CNN能夠自動(dòng)地從圖像中學(xué)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。

　　一款新藥從發(fā)現、試驗到生產(chǎn)，動(dòng)輒數年，而基于A(yíng)I，這一周期的能夠縮短到數個(gè)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(lèi)，助力創(chuàng )造健康生活的重要體現。
　　英特爾在報告中也給出了相應解決方案，比如通過(guò)合理的優(yōu)化方案，大幅加速了諾華等藥企的藥物發(fā)現進(jìn)程。
　　絕技五：圖像識別落地醫療，正在成為行業(yè)智能化轉型關(guān)鍵
　　醫療行業(yè)的智能化轉型，并不僅僅在于A(yíng)I應用到診斷環(huán)節或者新藥研發(fā)環(huán)節，也在于對整個(gè)行業(yè)的重塑。
　　目前，越來(lái)越多的醫療機構正通過(guò)規范的信息系統的建設，來(lái)打造更智能的醫療信 息化能力，實(shí)現患者與醫務(wù)人員、醫療機構、醫療設備之間的高效互動(dòng)。
　　在這樣的趨勢下，高效率的識別技術(shù)頗為重要。
　　通常情況下，醫療機構使用條碼識別、光學(xué)字符識別（OCR)識別以及軟件識別等技術(shù)來(lái)執行對患者身份、藥品發(fā)放等工作。
　　隨著(zhù) AI 技術(shù)的逐步發(fā)展，越來(lái)越多的醫療機構開(kāi)始嘗試使用機器學(xué)習、深度學(xué)習等 AI 方法。
　　與傳統圖像識別技術(shù)相比，基于深度學(xué)習的圖像識別技術(shù)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(jìn)行識別，能夠一次獲取多種類(lèi)、多數量的圖像進(jìn)行特征識別。
　　同時(shí)也能實(shí)現患者身份的實(shí)時(shí)識別，讓藥品發(fā)放更準確，讓醫療檢查流程實(shí)現了無(wú)縫銜接。
　　進(jìn)而提升了整個(gè)系統識別的效率和準確率，增強醫療機構的工作效率。
　　解放軍總醫院，現在正嘗試利用信息化手段來(lái)輔助減少發(fā)藥環(huán)節的錯誤。
　　一共分為三步：
　　首先，利用計算機視覺(jué)技術(shù)，在門(mén)診發(fā)藥窗口對藥品的分類(lèi)和數量進(jìn)行識別。
　　其次，將該識別系統與 HIS 系統的處方數據進(jìn)行自動(dòng)關(guān)聯(lián)和匹配，通過(guò)信息比對來(lái)判斷待發(fā)藥品實(shí)物是否和處方信息一致。
　　最后，將結果實(shí)時(shí)反饋給發(fā)藥的藥師，從而達到降低發(fā)藥出錯率的目的。

　　雖然實(shí)現方式不難，但頗為有效，且具有很好的應用前景。
　　未來(lái)，類(lèi)似的 AI 技術(shù)不僅可應用于藥房發(fā)藥等場(chǎng)景，也可在其他醫療場(chǎng)景中發(fā)揮巨大作用，例如手 術(shù)耗材發(fā)放管理、病患醫療信息管理等。
算力是內功，工具是心法
　　以上種種應用，已經(jīng)在行業(yè)中實(shí)現了落地，且迸發(fā)出了強大的能量。
　　但只看應用，不過(guò)是“外家功夫”，沒(méi)有強大的“內力”支撐，雖然招式有模有樣，但終究難具威力。
　　對于A(yíng)I應用來(lái)說(shuō)，算力就是內功。
　　以上種種應用能夠得以在各個(gè)場(chǎng)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(kāi)。
　　這一處理器與2017年問(wèn)世，主打數據處理等AI流程和應用。

　　發(fā)布之時(shí)，在內核、緩存、內存、I/O等多項優(yōu)化的輔助下，每個(gè)時(shí)鐘周期浮點(diǎn)性能提升兩倍，8K數據塊時(shí)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(xué)習加速技術(shù)和傲騰數據中心級持久內存的加成下，也有更好的表現。
　　同時(shí)，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。

　　比如英特爾Omni-Path 架構、面向英特爾架構優(yōu)化的Caffe、深度學(xué)習加速技術(shù)、OpenVINOTM工具套件等產(chǎn)品和技術(shù)等等。
　　算是軟硬件結合，有劍法有氣功，齊頭并進(jìn)幫助各路AI和醫療英雄加速成為實(shí)戰落地高手。
　　毫無(wú)疑問(wèn)，AI落地完全是一場(chǎng)能力考驗全面的戰爭，并非單一某方面突出就能成功。
　　其中硬件類(lèi)似兵器寶劍，講究的是稱(chēng)手實(shí)用，規?；涞貜椭七€要兼顧成本。軟件像氣法，配合有度，入門(mén)門(mén)檻足夠親民，未來(lái)發(fā)展還有拓展性。
結語(yǔ)
　　總之，這份計算巨頭英特爾的實(shí)戰報告，就像歲末年終“開(kāi)源”的一套劍譜。
　　有場(chǎng)景、有案例、還有實(shí)戰方法論，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(fēng)口正在隱隱作響，落地就能實(shí)現更大范圍內的價(jià)值創(chuàng )創(chuàng )造。
　　實(shí)際上，從完整報告總結來(lái)看，AI正在重塑醫療行業(yè)，并且已經(jīng)進(jìn)入白熱化階段，落地也正在加快。