在中國，要問哪些行業的 AI 滲透最為廣泛，醫療健康絕對是其中之一。而且與醫療健康相關的 AI 企業在所有 AI 企業中佔比最高。同時，國內醫療人工智慧市場規模也在飛速發展。據德勤公司估計：2019 年，中國醫療人工智慧市場規模將達到 310 億元人民幣。 這也符合 AI 在全球醫療保健行業中的發展趨勢。
在醫療 AI 的相關眾多細分領域中，醫學影像分析和藥物研發，是 AI 發力的重點。有了人工智慧的幫助，病人的醫學影像能夠得到更快速、更準確的診斷分析，讓醫生可以在寶貴的時間內給出治療方案，挽救病人的生命。同時，針對藥物研發過程中的遺傳和化學特徵檢測，AI 不但可以輔助分析，更能加速整個過程，助推新藥迅速上市，從而造福人力。
多年來，英特爾一直與中國多家醫療行業和醫院合作，致力於使用技術推進 AI 的應用，包括東軟、西安盈谷、解放軍總醫院等多家機構，在英特爾的幫助下，讓人工智慧在多個醫療場景中大顯身手。
醫療健康行業AI落地十問“實”答
隨著演算法的進一步成熟、算力的提高以及資料的持續積累，人工智慧得到迅猛發展，深度學習成為其代表，並呈現出應用領域日益集中的趨勢。人工智慧滲透較多的領域包括了醫療健康、金融、商業、教育和安防等，作為主要應用領域之一，醫療健康行業對人工智慧技術的投資也在快速增長。
那麼， AI 在中國醫療行業和企業中落地的過程中，是如何讓病患及其家庭看到技術帶來的新希望？英特爾AI又在其中扮演了怎樣的角色呢？答案就在這裡！
實戰篇
1. 比起其他 AI 影像處理領域，醫療領域的影像分割有何特點？
答：醫療領域的影像分割對時效性要求更高，黃金診療視窗往往只有數十分鐘，如果影像分割 AI 應用推理效率不夠高，就有可能延誤寶貴的搶救時間。東軟採用英特爾架構處理器（包括英特爾MKL-DNN）優化，推理時間延遲可降低72.6%，基於OpenVINO 工具套件優化，推理時間延遲可降低85.4%。西門子使用英特爾軟硬體，心臟 MRI 的分析效能提升了 5.5 倍。通用電氣在英特爾技術的協助下，CT 醫療推理引擎的處理能力提高了 6 倍。
2. 西安盈谷的 Cloud IDT 服務，如何優化常見的深度學習框架，以提升肺癌等病症的篩查時間和準確率？
答：Cloud IDT 中的醫療影像分析系統，主要從三個方面提升 AI 模型效能：提高資料命中率、並行化和向量化優化神經網路運算元、Winograd 演算法級優化。這主要藉助英特爾數學核心函式庫完成，同時，藉助至強處理器和針對英特爾架構優化的 Caffe 和 TensorFlow，影像分析效能提升了5 倍，肺結節等癌症前兆的檢測準確率提升到 95%，乳腺癌的智慧早篩敏感度提升到 95%。
3. 江豐生物的宮頸癌篩查方案如何利用 AI 提升效率？
答：江豐生物與英特爾一起，從以下幾個維度展開優化，以提升篩查深度學習模型的工作效率：
-
優化資料清理和預處理流程
-
構建兩階段端到端神經網路
-
引入模型準確率優化工具
英特爾架構處理器、面向英特爾架構優化的Caffe、英特爾深度學習加速技術等一系列英特爾先進產品和技術，大幅提升了病理切片檢測應用的工作效率。
4. 在藥物研發過程中，為什麼要用深度學習加速藥物篩選？
答：以往的細胞表型特徵檢測、分析和分類方法，存在很多侷限性，比如需要處理大量資料、定製流程、引數調整繁瑣、不易優化等等。深度學習可以藉助框架提升整體效率。英特爾®至強®可擴充套件處理器、Omni-Path架構等先進技術與產品，可以為基於深度學習的 AI 應用提供出色、可靠的大記憶體支援，同時加速單節點或多節點的訓練效率，以高頻寬、低延遲支援分散式訓練框架，從而大幅加速了諾華等藥企的研發過程。
5. 基於深度學習的影像識別在醫療領域有何好處和應用？
答：優秀的 AI 影像識別方案，可以極大提高醫療機構的資訊流傳效率。比如解放軍總醫院，使用基於深度學習的識別模組，輔助藥品發放過程，降低了人為因素導致的差錯率。其中用到經過英特爾 MKL-DNN 優化的 TensorFlow 框架，訓練和推理效率大幅提升，識別準確率達到 95.6%。
技術篇
1. 隨著資訊化、數字化的不斷深入，資料中心和企業對伺服器的要求都很苛刻，英特爾®至強®可擴充套件處理器如何應對？
答：第二代英特爾®至強®可擴充套件處理器專為資料中心現代化變革而設計，效能比前代高出 25%-35%。該系列支援更高記憶體速度、增強記憶體容量和四路可擴充套件性，並在效能、高階可靠性和硬體增強型安全技術方面取得了顯著改進，針對要求苛刻的主流資料中心、多雲、網路和儲存等工作負載進行了優化，能夠適應更復雜、更多樣化的應用場景。
2. 英特爾傲騰資料中心級持久記憶體有哪兩種工作模式？主要解決什麼問題？
答：一種是記憶體模式，非常適合提供大容量記憶體，且不需要對應用進行更改，實現以更低成本在單個物理伺服器上提升虛擬機器或容器的密度，或為每個虛擬機器及容器提供更大記憶體，且無需重新編寫軟體。App Direct 模式，具備資料持久特性，使得系統即使在維護或重啟期間，持久記憶體也能保留資料，增加系統業務彈性，縮短重啟時間，減少由此帶來的成本。
3. 英特爾以傲騰持久化記憶體、傲騰 SSD和QLC 3D NAND技術構建的資料為中心儲存架構，可以幫助使用者解決哪些問題？
答：主要體現在：突破儲存瓶頸、深挖資料價值、優化儲存成本。英特爾®傲騰™資料中心級持久記憶體顛覆了傳統的記憶體 - 儲存架構，建立新的儲存層來填補記憶體 - 儲存之間的效能差距。英特爾®傲騰固態盤具有低延遲、高穩定等特點，可幫助消除資料中心儲存瓶頸，允許使用更大型、更經濟實惠的資料集。英特爾®固態盤採用 3D NAND 技術提升儲存經濟性，為替代傳統硬碟提供了價效比更高的選擇，能夠幫助使用者改善體驗、提升應用與服務的效能，並降低 TCO。
4. 英特爾數學核心函式庫（MKL-DNN）如何支援多種深度學習框架？
答：MKL-DNN 是專為在英特爾架構上加快深度學習框架而設計的效能增強庫，其中包含高度向量化和執行緒化的構建模組，支援利用 C 和 C++ 介面實施深度神經網路 , 具備廣泛的深度學習研究、開發和應用生態系統。經過它優化的 Caffe 相比原始 Caffe 效能提升 10 倍以上。還可用在 TensorFlow 和 PyTorch Apache、Mxnet、BigDL 等多個深度學習軟體產品中。
5. 使用 OpenVINO 工具套件，對於 AI 相關產品研發有哪些好處？
答：作為加速深度學習推理以及部署的軟體工具套件，OpenVINO可以大幅提升開發和部署效率。具體包括：
-
允許異構執行，支援 Windows 與 Linux 系統，以及 Python/C++ 語言。
-
作為端到端解決方案，支援Movidius VPU、處理器、FPGA等多種硬體，包括異構硬體。
-
對傳統的 OpenCV 影像處理庫也進行了指令集優化，實現了效能與速度的顯著提升。
-
支援多種預先轉換的 AI 模型檔案，包括超過 20 個預先訓練的模型，實現快速開發。
-
允許異構執行，支援 Windows 與Linux 系統，以及 Python/C++ 語言。
-
作為端到端解決方案，支援Movidius VPU、處理器、FPGA 等多種硬體，包括異構硬體。
-
對傳統的 OpenCV 影像處理庫也進行了指令集優化，實現了效能與速度的顯著提升。
-
支援多種預先轉換的 AI 模型檔案，包括 超過20 個預先訓練的模型，實現快速開發。
https://www.toutiao.com/i6772640568032887303/