数据|医疗信息化进程中，赛灵思扮演着什么角色？( 二 ) 信息化|扮演|角色|医疗

Subh表示：“像医院网络受到全系统网络攻击的情况，医院只能通过隔离和关闭服务器和存储设备来保护EMR、财务等数据的完整性，以防止病毒传播、损坏或窃取数据。但是那些临床上保护患者生命安全，网络上的关键医疗设备不能关闭，它们需要保持正常运行。”
为此，赛灵思自适应计算加速平台将处理器、可编程逻辑和关于信息安全和功能安全的的功能进行了集成，可以帮助信息工程师通过使用混合临界性设计解决方案将关键医学代码与非关键应用程序代码隔离开来，防止病毒破坏医疗系统，并确保医院网络上关键医疗设备的持续可用性。
其次医疗成像场景，赛灵思致力的方向一方面在于提高成像质量，另一方面还在于降低功耗和技术成本。
Subh表示：“目前很多大型原始设备制造商，都希望改善设备的质量的同时，还要降低成本。像美国FDA 和欧盟监管机构通常只做设备验证，并不会限制供应商。很多企业都在思考确保性能的同时，成本可以不断降低，减少尺寸，增加功能。”
目前赛灵思的替代解决方案，已经应用在国内联影医疗的PET扫描影像设备当中，从而替代传统的GPU。相比过去，新设备的技术成本和功耗都更低，而且无需牺牲任何性能和开发进度。
最后诊断分析场景，主要针对近些年由于医疗AI设备的大规模涌现而出现的各种算力需求。
赛灵思核心市场业务部市场营销与业务开发副总裁 Kapil Shankar 表示：“AI 是医疗行业中发展速度最快、需求最强劲的应用领域，很多企业都需要具低时延、高能效和可扩展能力的开源解决方案，但是现在这种方案并不多。”
今年10月份，赛灵思与 Spline.AI 及AWS共同研发推出了一种医疗 X 射线分型深度学习模型和参考设计套件。
该产品最大的特点在于可以运行各种神经网络，其中就包括用于分型和疾病检测的神经网络。意味着研究人员可以对其进行调整，适应不同应用特定需求。通过采用这样的开源设计，更多医疗AI企业可以大量开发和部署临床和放射医学应用训练模型。
结语从合成孔径成像技术到边缘推断器件；从算法加速计算到AI成为底层计算的重要元素，从摩尔定律失效到SoC FPGA燃起新算力变革，AI与硬件发展带来的变革日益凸显。
像DeepMind这样新的深度学习结构体系、新的疾病检测神经网络的不断涌现，未来的医疗IT对于对于新架构和算力的需求也将进一步爆发。
【 数据|医疗信息化进程中，赛灵思扮演着什么角色？】而随着今年十月，赛灵思以350亿美元全股票交易的方式正式并入处理器大厂AMD。两强的合并，CPU+GPU+FPGA三大产品的进一步结合。未来的赛灵思在医疗AI、新医疗器械、大数据中心领域又将出现哪些新解决方案，我们拭目以待。雷锋网雷锋网雷锋网