最新消息:欢迎您,亲爱的读者!您可以通过QQ号或新浪、腾信微博账号直接在评论处登录,发表评论并选择转发到微博、QQ空间。

英特尔在医疗AI与精准医疗领域的实践轨迹

技术产业 HIT 4231浏览 评论

来源:HIT专家网    记者:孙鹏

医疗AI持续火热,传统IT“巨头”纷纷入局,但各自侧重点不一。英特尔最核心的竞争力在于对人工智能的数据计算能力和计算方法。

“英特尔正全线布局AI,从产业合作到推动应用,从中寻求突破口。我们不做埃菲尔铁塔式的研发,任何技术要广泛合作,要在市场验证成功。”在2017英特尔人工智能大会上,英特尔公司全球副总裁兼中国区总裁杨旭如是说。

12

英特尔公司全球副总裁兼中国区总裁 杨旭

11月15日,2017英特尔人工智能大会在京举行。在人工智能持续火热的背景下,杨旭对外表示,英特尔目前针对AI的策略是:创新技术、广泛合作、推动应用。“创新、合作、应用”这三个关键词,无疑准确描绘出英特尔医疗AI的轨迹。

持续落地医疗AI创新应用

回顾今年英特尔在医疗AI领域的探索,最大动作莫过于与阿里云、零氪科技联合启动的天池医疗AI大赛。该大赛共分为三季,第一季也就是今年的主题是面向早期肺癌影像诊断。据了解,2017天池医疗AI大赛累计有20多个国家将近3000个队伍参加了比赛。比赛任务是通过AI模型找出CT影像中结节位置,并给出相应的概率。英特尔则为大赛提供了全部硬件平台。

在2017英特尔人工智能大会上,上海交通大学的阎威武教授介绍了该校参赛团队与英特尔在早期肺癌三维影像中寻找早期病症的合作成果。“医疗数据需要进行大量的预处理,多核并行是更快的预处理,任务非常繁重,优化的英特尔Python支持并行计算效果很好,ImageNet也有很多图象处理能力,Extended Caffe对3D测试效果也非常好,对于大赛成绩提升效果非常明显。”阎威武表示,英特尔至强融合处理器以及核心算法库支持高效多核并行,能支持更好的并行和三维运算。

“英特尔为比赛提供了192G内存,最大可至384G。大内存适合复杂模型情况下,可以送进去更大的BatchSize,这样可使模型训练深度更深,效果也更好。”阎威武说,“我们这次是上线最快的模型,完成一个周期大概10天左右,而一般平均要在两周左右。我们的肺结节的检出率已经达到97%,如果考虑假阳性,准确率是91%,平均诊断大概是1分钟。”

实际上,英特尔在国内医疗AI领域与业内合作早已展开。“我们和浙江大学合作,一起做甲状腺结节超声波图像的自动识别,准确率已经超过了一般人类医生水平。”据英特尔中国研究院院长宋继强介绍,早在去年下半年,英特尔就基于其人工智能平台与浙江大学孔德兴教授团队合作,针对甲状腺结节超声影像数据对算法进行优化,并利用大样本对计算机进行训练,人工智能诊断准确率达到85%,超过了很多经验丰富的医生。

此外,今年下半年,英特尔与爱尔眼科集团、极视互联科技、晋弘科技四方联合基于英特尔的硬件和深度学习平台,在爱尔眼科已有的人工智能识别成果基础上,进一步提升了对糖尿病视网膜病变(DR)和老年性黄斑变性(AMD)筛查的准确性和效率,目前开发出的针对DR和AMD人工智能识别系统的临床诊断准确率已达到90%以上。

为精准医疗生态伙伴提供更强计算力

“医疗领域非常复杂,它需要更强的处理器,不断给处理器提出更高要求,将来不仅仅是影像的诊断,还要把临床数据、精准医疗都加进去,所以未来会有更加综合性的要求。”阎威武教授说。实际上,精准医学和医学人工智能的发展离不开高性能计算分析平台,包括对计算性能、计算存储容量等高标准要求。

除了在医疗AI领域取得的成果。英特尔在精准医疗领域早已开始布局,与医疗行业内的生态合作伙伴开展密切合作。英特尔早前携手上海儿童医院共建儿童健康协作云,专门针对儿童遗传基因组研究和数据交换应用于临床,目前,上海市儿童医院及其联盟医院可利用该平台在不同站点之间对儿童发育迟缓案例进行基因变异识别和比较。

同时,英特尔正基于FPGA与华大基因联手在全基因组分析方面不断优化算法,降低成本和提高速度;与诺禾致源合作使用基于英特尔BIGstack基因组的解决方案,采用最新的英特尔CPU、NVMe和更先进的RSD设计,共同成立基于RSD的可扩展基因组学中心。

“在精准医疗方面,我们去年开始和国内领先行业厂商组成BioIT组织,在组织里,我们参与并提供很多软硬件方面的支撑,帮助在24小时内完成基因测序到图像分析处理,分析出具体病情并给出个性化诊疗方案,价格也要达到消费者容易承担层面。”宋继强表示,英特尔精准医疗发展愿景是到2020年能实现“24小时内的精准医疗”,即通过生命科学技术以及强大计算能力的支持,在一天之内完成对基因的分析、对病因的精准诊断,从而制定出个性化的治疗方案。

打造AI全栈解决方案

事实上,人工智能应用场景十分复杂,需要不同特性的硬件平台以及软硬件协同优化才能有效提升数据洞察速度和准确性。基于此,英特尔为业内提供的是一种端到端的人工智能全栈解决方案,其中包括计算、存储、网络等硬件平台和多种软件工具及函数库来优化开源框架。

13

英特尔公司人工智能产品事业部业务拓展总经理 Fiaz Mohamed

据英特尔公司人工智能产品事业部业务拓展总经理Fiaz Mohamed介绍,利用自身技术和产品创新的整合优势,英特尔提供了全面的人工智能全栈解决方案,主要包括四大部分:

首先是完整的硬件平台,其中涵盖至强处理器、至强融核处理器、英特尔®Nervana™神经网络处理器和FPGA、网络以及存储技术等;

其次是针对深度学习/机器学习而优化的基于英特尔架构的数学函数库(Intel® MKL以及数据分析加速库(Intel® DAAL)等;

再次是支持和优化开源深度学习框架如Spark、Caffe、Theano以及Neon等;

最后是构建以英特尔®Movidius和Saffron为代表的平台来推动前后端协同人工智能发展。

14

英特尔人工智能全栈解决方案

其中,最受业内关注的是英特尔于近期正式发布的业内第一个真正意义上的AI芯片——即首个面向神经网络处理的芯片英特尔®Nervana™神经网络处理器(Neural Network Processor,NNP),以及拥有13万个神经元和1.3亿个突触连接的自主学习神经元测试芯片Loihi,其最大的特点是可模仿大脑根据环境的反馈来“自主”学习。对于Nervana硬件平台,阎威武教授表示出了自己的期许,他认为,对于深度学习来讲,内存非常重要,医学图像数据量非常大,英特尔Nervana处理器是为深度学习“量身订做”的神经网络处理器,可以减少模型训练时间,同时还能提供高速内存交换数据。

“Nervana平台的另一个优点是高速度的可发展性和模型的并行性,这一点对医学影像处理来说非常重要,神经处理器的特点非常适合智能医疗影像处理。”阎威武说,“我们希望未来在医疗方面有更好的硬件平台出现,比如CPU+FPGA或者NPU像Nervana硬件平台的出现,我们也期待和英特尔能够做更好更深入的合作,推动智能医疗在中国发展。”

医疗AI持续火热,传统IT“巨头”纷纷入局,但各自侧重点不一。正如杨旭所言:“术业有专攻,每个公司都要专注于自己最强、最核心的地方,而英特尔的核心竞争优势在于对人工智能的数据计算能力和计算方法。”

【责任编辑:孙鹏】

 

您必须 登录 才能发表评论!