北(bei)京2022年7月6日 /美通社/ -- 隨(sui)著(zhu)人(ren)(ren)工(gong)智能不斷(duan)向行(xing)業(ye)應(ying)用(yong)(yong)滲透，多技術交叉正在(zai)給各(ge)個(ge)領域(yu)的(de)創(chuang)新(xin)帶來新(xin)的(de)想象力。在(zai)醫(yi)療(liao)健康領域(yu)，AI專(zhuan)家(jia)和醫(yi)學專(zhuan)家(jia)們正在(zai)一起(qi)推動從疾病輔助(zhu)(zhu)診斷(duan)、輔助(zhu)(zhu)決策、疾病愈后到隨(sui)訪管理的(de)全場景(jing)人(ren)(ren)工(gong)智能醫(yi)療(liao)服務(wu)體系的(de)應(ying)用(yong)(yong)。

在美國，西北(bei)大學芬(fen)伯格醫(yi)學院（Feinberg School of Medicine at Northwestern University）正在基于搭載了NVIDIA A100 Tensor Core GPU的(de)浪潮AI服務器，與(yu)西北(bei)醫(yi)學中(zhong)心（Northwestern Medicine）合作，開發人工智能NLP系(xi)統(tong)來識別(bie)需要(yao)隨訪(fang)的(de)放(fang)射(she)影像(xiang)檢查報告(gao)。這支研究(jiu)團隊來自放(fang)射(she)科、患者安(an)全、流程改(gai)進、初級醫(yi)療(liao)與(yu)護理學等不同領域，通過將深度學習的(de)技術運(yun)用到 NLP 中(zhong)，實現(xian)了使用 BiLSTM 模型等 AI 技術對放(fang)射(she)影像(xiang)報告(gao)中(zhong)的(de)結論與(yu)建(jian)議進行跟進，并在電子健康記錄系(xi)統(tong)（EHR）中(zhong)實現(xian)向醫(yi)生(sheng)及患者的(de)自動化警(jing)示通知，有效地減少和預防了高危疾(ji)病的(de)發生(sheng)。

該項(xiang)目實現(xian)了(le)(le)規(gui)范(fan)化、系(xi)統性的項(xiang)目設計，建立了(le)(le)數(shu)據(ju)采集(ji)、模型創建、模型迭代(dai)、數(shu)據(ju)標注、臨床評估等系(xi)統，構(gou)建了(le)(le)一個(ge)全自動化的閉(bi)環系(xi)統，不僅(jin)可以提高結果的準確性，還極大(da)提高了(le)(le)整個(ge)項(xiang)目的效率。

AI讀取影像報告，不錯過檢查中的"蛛絲馬跡"

芬伯格醫學院(yuan)與西北醫學的研究(jiu)團隊發(fa)現(xian)，當醫生在(zai)診治患者時，每天可(ke)能(neng)要為患者安排數十項放射(she)性(xing)醫學影像(xiang)檢(jian)查，如(ru) X 射(she)線、CT 和 MRI 等。然而，由于工作繁忙，醫生無法一次性(xing)處理完(wan)影像(xiang)檢(jian)查中(zhong)(zhong)發(fa)現(xian)的每一個問題，大(da)多數情(qing)況下，醫生只能(neng)處理自己正在(zai)診治的病癥(zheng)。這意(yi)味(wei)著，如(ru)果患者的影像(xiang)檢(jian)查報告中(zhong)(zhong)還(huan)有其他疾病相關的后續醫學行(xing)(xing)動建議（例如(ru)進一步的化驗和評估），它們可(ke)能(neng)會被延遲(chi)執(zhi)行(xing)(xing)或(huo)無意(yi)中(zhong)(zhong)忽略。

實際(ji)上，現實中(zhong)(zhong)約(yue)有(you)33%的(de)(de)(de)后(hou)(hou)續(xu)醫學(xue)(xue)建議(yi)會(hui)被忽視，盡管大(da)部(bu)分都是良性或(huo)輕癥(zheng)，但隨著時間發展，它們有(you)可能成為惡(e)性或(huo)重癥(zheng)。針對這一問題，西(xi)北(bei)大(da)學(xue)(xue)芬伯格醫學(xue)(xue)院的(de)(de)(de) Mozziyar·Etemadi 博士與團隊(dui)制定了(le)一項(xiang)計(ji)劃——使用人工(gong)智能技術確保(bao)對放射影像檢(jian)查(cha)報(bao)告中(zhong)(zhong)的(de)(de)(de)結論與建議(yi)進行有(you)效(xiao)跟進，以防止診斷和(he)(he)治(zhi)療的(de)(de)(de)延(yan)誤(wu)并改(gai)善治(zhi)療效(xiao)果。該團隊(dui)開(kai)發了(le)基于遞歸神(shen)經網絡和(he)(he)自然語言處(chu)理（NLP）的(de)(de)(de)自動化 AI 工(gong)作流程(cheng)，檢(jian)查(cha)和(he)(he)識別那些包含(han)額外醫療隨訪建議(yi)的(de)(de)(de)放射學(xue)(xue)報(bao)告，并確保(bao)后(hou)(hou)續(xu)診治(zhi)得(de)到執行。

"我們(men)使用(yong)人工(gong)智能和特定的(de)(de)工(gong)具，如搭載 NVIDIA A100 Tensor Core GPU 的(de)(de)浪潮AI服務器 NF5488M5-D，構建了自己的(de)(de)定制 AI 工(gong)作流程，"Etemadi 博(bo)士說，"這(zhe)一(yi) AI 系(xi)統(tong)可讀(du)取幾乎每一(yi)份放射報告，并通過與我們(men)病(bing)歷系(xi)統(tong)的(de)(de)深度集(ji)成，向主治醫生、患者和專門的(de)(de)后續團隊提供(gong)警示與通知(zhi)，確保細微的(de)(de)發現(xian)和建議不被忽略。"

研究團隊將此項成果發表在了《新英格蘭醫學催化劑雜志》子刊（NEJM Catalyst）上，結(jie)(jie)果(guo)顯示，其(qi)定(ding)制(zhi)的(de)(de)(de) AI 工(gong)作流程(cheng)在(zai) 13 個月內篩選了(le)逾57萬份影像報告掃描件，發(fa)現其(qi)中 2.9 萬份（占總數的(de)(de)(de)5.1%）包含與(yu)肺部(bu)檢查(cha)結(jie)(jie)果(guo)相關(guan)的(de)(de)(de)后(hou)續建(jian)議，平均(jun)每天標記(ji) 70 個結(jie)(jie)果(guo)。結(jie)(jie)果(guo)表明，對(dui)肺部(bu)檢查(cha)結(jie)(jie)果(guo)隨訪(fang)的(de)(de)(de)靈敏度(du)達 77.1%、生物特異性(xing)達 99.5% 和(he)準確性(xing)達 90.3%，并與(yu)醫生進行了(le)近五千次互動，完(wan)成(cheng)(cheng)了(le) 2400 多次隨訪(fang)。文(wen)章得出(chu)的(de)(de)(de)結(jie)(jie)論是(shi)，人工(gong)智能和(he)機器學習(xi)過(guo)程(cheng)提高了(le)醫學成(cheng)(cheng)像結(jie)(jie)果(guo)的(de)(de)(de)可(ke)靠性(xing)，可(ke)以有效減(jian)少和(he)預防高危疾病。為了(le)讓這一(yi)項研究成(cheng)(cheng)果(guo)發(fa)揮最大效益，研究團(tuan)隊還將(jiang)附有教程(cheng)的(de)(de)(de)代碼進行了(le)。

實現AI模型開發、迭代、部署全流程打通

自 2019 年以來(lai)，西北(bei)大學(xue)芬(fen)(fen)伯(bo)格醫學(xue)院已經在NVIDIA 和(he)浪潮信息(xi)AI計算平臺支持下(xia)開(kai)展(zhan)眾多(duo) AI 創(chuang)新項目。最初的(de)(de)合作起源(yuan)于(yu)芬(fen)(fen)伯(bo)格醫學(xue)院試點的(de)(de)高(gao)性能(neng)數據(ju)管道(dao)，以直接對衛生系統中的(de)(de)數據(ju)進(jin)行深度學(xue)習。此前(qian)，受制(zhi)于(yu)傳統的(de)(de)醫療數據(ju)存(cun)儲系統，芬(fen)(fen)伯(bo)格醫學(xue)院 AI 開(kai)發團隊(dui)(dui)在進(jin)行深度學(xue)習創(chuang)新時必(bi)須創(chuang)建(jian)數據(ju)副本，這(zhe)使得(de)AI研發的(de)(de)成本十分(fen)高(gao)昂。浪潮信息(xi)基于(yu) NVIDIA Ampere 架構的(de)(de) NF5488M5-D 人工智能(neng)訓練平臺集成了定(ding)制(zhi)中間件(jian)和(he)高(gao)速連接網絡，使 Etemadi 博(bo)士(shi)的(de)(de)團隊(dui)(dui)能(neng)夠構建(jian)內部定(ding)制(zhi)的(de)(de) PyTorch 和(he) TensorFlow 數據(ju)加載(zai)器，允(yun)許其無縫(feng)訪(fang)問傳統系統中存(cun)儲的(de)(de)數據(ju)，極(ji)大地優化了人工智能(neng)訓練效(xiao)率與結果。

結果表明，搭(da)載(zai)了(le)NVIDIA A100的浪潮信息AI計算平(ping)臺為西(xi)北大學(xue)(xue)芬伯格醫學(xue)(xue)院(yuan)的AI醫療(liao)創新提供(gong)了(le)從數(shu)據(ju)提取(qu)、數(shu)據(ju)清洗、模型(xing)(xing)(xing)(xing)訓練、模型(xing)(xing)(xing)(xing)優化(hua)到模型(xing)(xing)(xing)(xing)部署(shu)的全流程算力(li)保障，幫助(zhu)其提高(gao)AI模型(xing)(xing)(xing)(xing)訓練效率十倍以(yi)上，數(shu)據(ju)處理效率提升(sheng)百(bai)倍以(yi)上，隨著訓練速度(du)和數(shu)據(ju)準備等(deng)多方面改(gai)進，該解決方案能夠將深度(du)學(xue)(xue)習模型(xing)(xing)(xing)(xing)的快速原型(xing)(xing)(xing)(xing)設計、迭(die)代和部署(shu)直(zhi)接(jie)應用(yong)于(yu)醫療(liao)保健環境中，加(jia)速頂尖智(zhi)能醫療(liao)技術應用(yong)落地。

"浪(lang)潮 AI 服務(wu)器是市場上最強(qiang)大(da)的多 GPU 性能優化服務(wu)器解(jie)決方(fang)案之一，這(zhe)得益(yi)于我們(men)在(zai) AI 方(fang)面的持續創新(xin)，從 MLPerf 冠軍到 AI 框架再到大(da)模型開發，我們(men)已經積累了(le)深厚(hou)的技術實(shi)力(li)，"浪(lang)潮信息副(fu)總裁劉軍說，"在(zai)此祝賀 Etemadi 博士(shi)取(qu)得的工(gong)作成績，也(ye)為(wei)西北大(da)學芬伯(bo)格(ge)醫學院在(zai)人工(gong)智能創新(xin)方(fang)面的領先成果喝彩(cai)。"

"人工智能使醫學研究人員能夠將急需的工具應用于臨床，為醫生和患者交付成果，" NVIDIA 醫療人工智能全球負責人 Mona Flores 博士說，"使用人工智能優化工作流程可以減(jian)輕(qing)積壓，臨(lin)床醫生也可優先對最急需的患者進行隨(sui)訪。"

未來(lai)，西北大學芬伯格醫(yi)學院(yuan)將(jiang)基于AI技(ji)術(shu)構建和(he)測試新(xin)的智慧醫(yi)療(liao)工作流程(cheng)，持續提升臨(lin)床醫(yi)療(liao)診治(zhi)的效(xiao)率(lv)。Etemadi 博士總結(jie)說："通過借助NVIDIA與浪潮信息領先(xian)的AI計算解(jie)決方案，我(wo)們能(neng)夠(gou)打造定制化(hua)的人(ren)工智能(neng)工具，服務于我(wo)們的患(huan)者、醫(yi)生、護士和(he)一線員工。非(fei)常期待醫(yi)療(liao)保健、人(ren)工智能(neng)的未來(lai)發展，希望可以用各種方式繼(ji)續幫助患(huan)者。"