品品科技：英特尔开出一剂良方：至强集成AI加速，医疗业智能化机遇已至文章来源丨陈木青新冠肺炎疫情不断升级

文章来源丨陈木青
新冠肺炎疫情不断升级，科技战疫的集结号已被吹响。
医疗领域的科技创新，尤其是人工智能技术与应用，出现在了抗疫一线。
2月4日，工信部发布《充分发挥人工智能赋能效用，协力抗击新型冠状病毒感染的肺炎疫情倡议书》。
人工智能正式进入抗疫梯队，医疗界乃至整个社会都意识到了AI技术落地应用的价值点。
AI应用于影像医学，弥补医务人力缺口的关键
AI落地医疗，最需要击破的痛点是什么？
据CIAWorldFactbook的数据，截止2019年1月份，全球197个国家和地区中，中国的千人医生数量排名是90 ，每千人有1.79个医生。
医疗人才资源实属稀缺。截至2020年2月15日，在不计入军队支援的情况下，全国各省市共有近30000位支援队人员赶赴湖北，可见疫情严重地区对医务人力的紧迫需求。

文章图片
深圳驰援湖北医疗人员
疫情爆发期间，对于病例的确诊，医生不可能一个个手动完成肺部CT的定量评价。
但是否感染了新冠肺炎病毒，这不是仅靠问诊就能得到的答案，需要结合肺部CT的定量评价。
医生需要快速阅片，根据CT表现作出初步判断，进行分诊。然而人类精力有限，分身无术， AI的辅助作用即可突显。
如何利用人工智能，使诊断操作上消耗最短的时间，并能够辅助医生能在误差更小的范围内，获得更精确的诊断结果，是弥补医务人力缺口最理想的效果。
“智能”要让医疗中的“人工”更高效。
【品品科技：英特尔开出一剂良方：至强集成AI加速，医疗业智能化机遇已至】“大规模推理”时代将至，该选择怎样的硬件架构？
事实上， AI医疗早已是大势所趋，锐不可当。
而入局AI+医疗，强大推理能力尤为重要，因为让人工智能落地更多是推理层面的工作。
按照英特尔预测，到2020年，推理周期和训练周期之间的比率将从深度学习初期的1:1提高至超过5:1 。也就是说，在人工智能领域，推理的比重将会越来越重要。

文章图片
如果未来推理将占用近80%的AI流程，硬件架构就成为AI落地的重中之重。事实上，提到人工智能工作负载，人们通常会想到使用GPU等加速器，但这可能会增加系统和运营成本及复杂性，而且不利于向后兼容。
智能医疗中最先落地的技术主要集中在计算机视觉领域，例如医学影像、医疗图像分割等，而这些方面的数据量较大， CPU平台具有较大优势，用户学习门槛低、部署速度快的同时还能保证低风险。
软硬件协同助力，处理肺部CT模型计算只需一分钟
如同上述所说，从诊断效果来看， AI助力影像医学的重点在于快与精准。
如果能有效地提升放射科医生诊断精度和效率，诸如肺癌等很多疾病就能实现早发现早治疗，这其中完全可以发挥AI的作用。
PredibleHealth是印度的一家初创公司，致力于帮助放射科医师分析医学扫描文件并诊断癌症。
如今，这家公司与英特尔强强联手，共同抗击肺癌。用于在CT扫描图中检测肺结节的PredibleHealth深度学习算法已采用OpenVINO?工具套件分发版在强大的英特尔至强可扩展处理器上得到了优化，来看下提速成果：
l与基准配置相比，基于OpenVINO?工具套件分发版的优化可在至强可扩展处理器上显著提升速度，高达83倍；
l得益于强大的英特尔AI加速技术， PredibleHealth复杂的肺部CT模型可在不到一分钟的处理时间内完成计算；
此前， Predible设计的深度学习算法，可从影像归档和通信系统中自动查询胸部CTDICOM图像，对图像进行处理，并使用神经网络来检测肺结节，神经网络对DICOM系列进行处理后，结果会发送回PACS ，供放射科医生查看。