針對醫療行業的疑難病症，IBM開出了怎樣的藥方？

說起去醫院看病，「看病難，排隊長」應該是許多人心目中的普遍印象。

是醫生不想快點給患者看病？當然不是。是病人在醫院流連忘返不想早點回家？當然更加不是。

那麼造成這一現象的背後，究竟有著怎樣的深層原因？

「目前的醫療數據，每年都在以接近100%的幅度高速增長，但是培養一位影像科的醫生，卻要花八年甚至更久的時間，才能夠作為一位獨立的醫生來自行看片。」如果不是親耳聽到醫准智能首席AI官王子騰說出這番話，很難想像醫療行業的人才缺口竟然已經如此嚴重。

「我媽媽也是一位腦神經醫生。光是每天的門診就要接待上百位病人，每個星期還要值兩到三個夜班，工作非常辛苦。而且如此巨大的工作負荷，對醫療效率和準確率也容易產生負面影響。」IBM大中華區系統部存儲系統總經理吳磊表示。

一邊是急速膨脹的醫療數據，一邊是日漸擴大的人才缺口，究竟要怎樣的靈丹妙藥，才能解決橫亘在醫療行業面前的這一疑難病症？

作為全球一流的人工智慧解決方案和雲平台提供商，IBM為其開出的藥方是——人工智慧。

無IA，不AI

「今天我們所遇到的挑戰，已經不單純是數據孤島。我們的客戶和合作夥伴，目前正在進入全新的消費模式——多雲模式。然而從離線到在線，從分散到聚合，處處都存在很多痛點。這時候如果有一個好的IA（Information Architecture，信息架構），不但性能強健和安全可靠，而且還能隨著客戶業務的成長做彈性的擴充，那麼就可以根據客戶消費計算力和存儲能力的變化，提供靈活的服務。」IBM大中華區系統部存儲系統總經理吳磊向趣味科技介紹道，「這就是IBM如今強調的『無IA，不AI』。」

IBM大中華區系統部存儲系統總經理吳磊

針對當前困擾醫療行業的數據收集與處理瓶頸，IBM通過引入人工智慧技術，搭建了一站式醫療影像人工智慧平台，可以實現全棧AI架構能力，為廣大醫生提供了一個高效、準確地輔助醫療檢測和診斷的工具。

據了解，平台主要基於IBM Power、Spectrum Scale、IBM Watson Machine Learning Accelerator（WML-A）搭建。「其中OpenPOWER伺服器主要負責提供超強算力，與DDL相結合提供強大的線性擴展能力；Spectrum Scale則負責為集群化的AI平台提供穩定、高效和安全的數據平台支持；另外作為開放性AI平台的代表，WML-A則可以為上層應用提供可靠的平台支持。」IBM中國系統開發中心技術解決方案總監崔瑋透露。

值得一提的是，該平台同時也是一個開箱即用的醫療影像深度學習的科研平台。舉例來說，醫生既可以通過這個平台，快速搭建高精度低假陽性率的肺結節和乳腺AI模型，也可根據醫院的實際需求進行研發和調整，同時確保數據不出院，最大限度保證數據安全可控。

「在平台中，Spectrum Scale扮演著非常重要的角色。雖然這個名字很多人可能都是第一次聽到，但其實它還有一個更老的名字，叫做GPFS（General Parallel File System，通用並行文件系統），而且已經有著25年的歷史。當年跟卡斯帕羅夫大師下國際象棋的深藍電腦，用的文件系統就是GPFS；IBM Watson和2018年IBM AI辯手Project Debater也是用的GPFS；今年IBM拿到全球第一、第二的高性能運算和智能的頂點，也是用的Spectrum Scale。光是在金融、電信行業，全球差不多就有幾十萬GPFS用戶。」吳磊介紹道。

IBM與醫准智能的強強聯手

對於醫准智能與IBM雙方的合作，王子騰表示：「醫准智能是一家專註於人工智慧輔助醫療影像診斷的公司，主要研究演算法，非常擅長模型的選擇和訓練。而在數據、存儲、管理等方面，IBM擁有非常豐富的經驗，特別是針對部署在多節點、大規模集群的環境，IBM更是有著強大的優勢，並且在醫療行業也有著多年的經驗沉澱，因此醫准智能選擇與IBM開展合作，可以說是順理成章，水到渠成，並且在應用、平台、端對端等各個層面都有合作。最近在許多醫院和醫生中大獲好評的達爾文智能科研平台，也是雙方攜手研發的成果。」

醫准智能首席AI官王子騰

談及人工智慧應用在醫療行業的落地，吳磊認為：「還是那句話『無IA，不AI』，IT無非就是算，算出東西要存，然後繼續算，繼續存。幾年前，人工智慧並沒有真正進入生產環節，但是通過材料、架構的改變，我們改變了經典的計算機架構，譬如相變存儲相比快閃記憶體可能帶來20倍、30倍的速度提升。第二個就是規模化，以前光靠一台伺服器你不可能進行訓練，現在只用一台筆記本電腦也可以做一個人工智慧模型的學習。以前信用卡被盜刷查起來很費時，現在只要一兩分鐘就能收到警示簡訊，這後面其實就是一個大規模反欺詐的演算法加大規模集群的演算法，以最短的時間為金融機構、電信機構向消費者提出警示，這些都是基礎架構的規模化。從單機，幾個節點，到多個節點，這些規模化對整個架構的要求完全不一樣。」

「在過去的幾十年里，人工智慧幾起幾落，達到一個可生產的準確性之後，就必須可靠、可被監管、數據可備份、可回溯而且合規。當人工智慧真的進入生產環境，規模化生產，為客戶產生洞察力的時候，那就變成了一個嚴肅認真的業務，就必須要有剛才講的這些屬性。」吳磊指出。

「談到做AI，主要有數據、演算法、算力三大驅動力。其中演算法的進步相對較慢，而算力反映到推動演算法的運算上，AI起到了至關重要的作用。醫准智能主要是在演算法方面有很強的AI模型構建和訓練能力，而IBM在架構和算力方面很強，知道如何搭建架構，需要底層高度可擴展的數據平台，對於這樣一個分散式的數據平台，可以做好深度學習的訓練和推理。基於這樣的數據平台，我們可以支撐醫准智能這樣非常專註於AI醫療模型的演算法和應用。」崔瑋表示，「現在市場上我們有兩癌篩查的項目，國家在這方面有非常大的投入，但是具體落地時遇到了很多困難，包括數據量大、醫生不夠、大量片子拍出來沒有人力時間精力去看等等。我們可以用這個產品幫助醫生讀片子。然而要做到一個成型的方案還是要靠基礎架構，否則幾十套片子傳進來，如果沒有一個穩定的平台，很難支撐這樣一個高並發的數據處理和分析需求。」

立竿見影的顯著療效

對於IBM為醫療行業開出的這劑藥方，專業人士又有著怎樣的評價呢？

「如果按照傳統的方法，對肺結核斷層掃描的話，光是一毫米的層厚可能就要拍幾百張片子，醫生診斷起來相當累，看一個病人至少就得半個小時。」王子騰表示，「然而在應用了人工智慧技術之後，只用十幾秒鐘就可以得出結果。」

「除了顯著提升工作效率之外，人工智慧的準確率也更高。因為醫生用人工方式看片的話，容易受到疲勞、情緒等各種因素的影響，但是AI不會疲勞，沒有情緒，可以做到非常客觀，只要我們訓練的數據足夠多，案例足夠豐富，檢測的結果也會變得越來越準確。」王子騰補充道。

IBM中國系統開發中心技術解決方案總監崔瑋

「看片子的時候，要判斷病灶每一個點的位置，還要有一個電子版報告交給醫生，還要審核簽發交給病人，AI技術一方面可以大幅減少醫生尋找病灶的時間，一方面可以非常方便地給出報告，可以節省大量的時間。科研方面更是如此，可以說如果沒有一個類似的工具，就完全做不了科研。為什麼近年來我們看到有很多醫院，會招聘計算機專業或者編程的人員？或者原本是醫療專業，但是進來以後主要從事的編程方面的工作，原因就在這裡。」崔瑋補充道。

據王子騰透露，過去醫生如果想做AI研究，往往要把數據交給第三方公司，但是拿到的結果經常醫生也看不明白。如今IBM與醫准智能攜手研發的達爾文智能科研平台，在醫院內部就可以進行數據的搜集、標註、模型訓練，因而在醫生中大受歡迎。崔瑋則強調，「我們可以為醫生提供端到端的解決方案，包括POWER伺服器的算力，Spectrum Scale對數據的收集和組織，Deep Learning做好深度學習的分析和運算等等。我們交給醫生的，是一個可以開箱即用的科研工具。這樣醫生即使並不了解計算機、數學、Linux和代碼，只要通過拖拽式、搭積木的方式，一樣可以完成AI的科研模型訓練。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！