在醫(yī)療成像領(lǐng)域人工智能 AI 的普及勢(shì)必將推動(dòng)這一領(lǐng)域的轉(zhuǎn)型

在醫(yī)療成像領(lǐng)域，以機(jī)器學(xué)習(xí)(ML)和深度學(xué)習(xí)( DL )技術(shù)為代表的人工智能( AI )的普及勢(shì)必將推動(dòng)這一領(lǐng)域的轉(zhuǎn)型。

憑借各種機(jī)器學(xué)習(xí)驅(qū)動(dòng)的工具，所有醫(yī)療生態(tài)系統(tǒng)內(nèi)的患者、醫(yī)療服務(wù)提供商、醫(yī)院、專業(yè)人士以及各利益相關(guān)方都將因此受益。從解剖學(xué)幾何測(cè)量到癌癥檢測(cè)，應(yīng)用前景可謂十分廣闊。而在這些應(yīng)用場(chǎng)景下，機(jī)器學(xué)習(xí)發(fā)揮的作用既包括提升工作效率，還會(huì)產(chǎn)生一些其他正面成效。

機(jī)器學(xué)習(xí)在醫(yī)療成像領(lǐng)域能通過(guò)多種途徑發(fā)揮作用

機(jī)器學(xué)習(xí)用于醫(yī)療成像的途徑有很多種。例如，放射學(xué)、皮膚病學(xué)、血管診斷學(xué)、數(shù)字病理學(xué)和眼科學(xué)，都會(huì)用到標(biāo)準(zhǔn)圖像處理技術(shù)。

在放射學(xué)中，胸部 X 光透視是最常見(jiàn)的放射檢查。每年全球完成的透視數(shù)量超過(guò) 20 億，相當(dāng)于每天完成 548，000 次，這一數(shù)字簡(jiǎn)直令人震驚。如此數(shù)量龐大的透視次數(shù)勢(shì)必會(huì)給放射科醫(yī)生造成沉重負(fù)擔(dān)，因而對(duì)工作流的效率提出了極高要求。誠(chéng)然，放射科醫(yī)生的專業(yè)素養(yǎng)至關(guān)重要，但在速度和精度方面，機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)( DNN )和卷積神經(jīng)網(wǎng)絡(luò)( CNN )等技術(shù)往往比放射科醫(yī)生的專業(yè)知識(shí)更略勝一籌。在面臨快速?zèng)Q策的壓力時(shí)，人為錯(cuò)誤率可能高達(dá) 30%。借助機(jī)器學(xué)習(xí)技術(shù)協(xié)助決策過(guò)程，有助于提高決策質(zhì)量，為放射科醫(yī)生與其他專業(yè)人員提供補(bǔ)充工具。

目前，法規(guī)方面的支持正在穩(wěn)步推進(jìn)，美國(guó)食品藥品監(jiān)督管理局(FDA)也正批準(zhǔn)在輔助診斷及其他應(yīng)用中采用更多機(jī)器學(xué)習(xí)技術(shù)。此外，F(xiàn)DA 還為基于機(jī)器學(xué)習(xí)的產(chǎn)品建立了一個(gè)新的監(jiān)管框架。新的監(jiān)管框架將機(jī)器學(xué)習(xí)技術(shù)稱之為“軟件即醫(yī)療設(shè)備(SaMD)”，有望為治療質(zhì)量和治療效率帶來(lái)可觀成效。

“機(jī)器學(xué)習(xí)+醫(yī)療成像”困難重重

在放射學(xué)、皮膚病學(xué)、血管診斷學(xué)、數(shù)字病理學(xué)和眼科學(xué)中，許多治療都需要大幅圖像，有時(shí)會(huì)達(dá)到 500 萬(wàn)像素甚至更高，并且需要進(jìn)行復(fù)雜的圖像處理。同時(shí)，機(jī)器學(xué)習(xí)工作流計(jì)算強(qiáng)度大、存儲(chǔ)器占用高。主流計(jì)算采用線性代數(shù)的方式，需要完成大量計(jì)算并使用大量參數(shù)。它需要數(shù)十億次乘法-累加( MAC )運(yùn)算、數(shù)百兆字節(jié)參數(shù)數(shù)據(jù)、眾多運(yùn)算符以及高分布式的存儲(chǔ)器子系統(tǒng)。因此，為實(shí)現(xiàn)組織檢測(cè)或分類，在 PC 和 GPU 上使用傳統(tǒng)計(jì)算方法開(kāi)展高準(zhǔn)確度圖像推斷往往效率低下，這也迫使醫(yī)療公司開(kāi)始尋求替代技術(shù)來(lái)解決這一問(wèn)題。

賽靈思出馬：見(jiàn)證“奇跡”的時(shí)刻

賽靈思提供的異構(gòu)、高分布式架構(gòu)恰好可以幫助醫(yī)療企業(yè)應(yīng)對(duì)這一問(wèn)題。賽靈思Versal自適應(yīng)計(jì)算加速平臺(tái)( ACAP )系列多處理器片上系統(tǒng)( SoC )整合了深度學(xué)習(xí)加速器和 SIMD VLIW“AI”引擎，能幾乎實(shí)時(shí)地完成高速數(shù)據(jù)的大規(guī)模并行信號(hào)處理。這就意味著，賽靈思所提供的計(jì)算能力可以穩(wěn)步超越每秒 100 太次運(yùn)算( TOPS )。

賽靈思器件可以大幅提高復(fù)雜醫(yī)療機(jī)器學(xué)習(xí)算法的求解效率，有助于為邊緣醫(yī)療應(yīng)用加速，同時(shí)，還可以節(jié)省資源、成本和功耗。由于其架構(gòu)和支持庫(kù)的天然簡(jiǎn)便性，Versal ACAP 器件可內(nèi)在地為遞歸網(wǎng)絡(luò)提供支持。

針對(duì)算法和應(yīng)用開(kāi)發(fā)者，賽靈思也提供了一款創(chuàng)新的生態(tài)系統(tǒng)：Vitis 等統(tǒng)一軟件平臺(tái)適用于應(yīng)用開(kāi)發(fā)，Vitis AI 可以用于加速機(jī)器學(xué)習(xí)推斷的優(yōu)化和部署。這就意味著開(kāi)發(fā)者可以在其項(xiàng)目中使用 ACAP 等先進(jìn)器件。

醫(yī)療工作流和醫(yī)療設(shè)備工作流正經(jīng)歷重大變革。在未來(lái)，“大數(shù)據(jù)”企業(yè)在計(jì)算需求、數(shù)據(jù)隱私、安全保障、病患安全和準(zhǔn)確性方面將提出更為嚴(yán)苛的要求，而這也將催生未來(lái)醫(yī)療工作流的新面貌。分布式的非線性并行化異構(gòu)計(jì)算平臺(tái)將是應(yīng)對(duì)和管理這種復(fù)雜性的關(guān)鍵。賽靈思Versal 等器件和 Vitis 等軟件平臺(tái)也必將成為實(shí)現(xiàn)未來(lái)優(yōu)化 AI 架構(gòu)的理想選擇。