對(duì)于人工智能企業(yè)，算力從來不是一項(xiàng)廉價(jià)的成本。作為算法推進(jìn)的動(dòng)力源泉，如何合理利用算力，提升算法迭代速度成為初創(chuàng)公司不可回避的問題。

雖然NVIDIA已經(jīng)為了加速算法運(yùn)行推出了適用于不同場景的人工智能芯片，但隨著數(shù)據(jù)指數(shù)式的上升，從影像到細(xì)胞學(xué)再到基因組學(xué)，醫(yī)學(xué)人工智能企業(yè)很難找準(zhǔn)一個(gè)合適的定位去選擇能普適于全流程開發(fā)的芯片。

近日，在北京開幕的Emtech China 2019全球新興科技峰會(huì)上，NVIDIA副總裁Kimberly Powell做出了以人工智能發(fā)展的為主題的演講，在探討了各行業(yè)AI發(fā)展的同時(shí)，也談到了NVIDIA在醫(yī)療領(lǐng)域的算力解決方案。

英偉達(dá)副總裁Kimberly Powell

數(shù)據(jù)、算力、應(yīng)用場景，企業(yè)在不斷利用AI推陳出新

醫(yī)學(xué)人工智能從發(fā)展的開端便依賴多樣的工具，以收集人體之中的健康數(shù)據(jù)。2017年，英偉達(dá)通過一臺(tái)特定的機(jī)器結(jié)合全新的探測技術(shù)在原子層面上記錄蛋白質(zhì)數(shù)據(jù)，每一天可以收集到多達(dá)3T的蛋白質(zhì)數(shù)據(jù)，而基因數(shù)據(jù)的體量遠(yuǎn)在此之上。

收據(jù)數(shù)據(jù)的過程不斷在進(jìn)行，但處理這些數(shù)據(jù)卻異常困難。Kimberly Powell用“混沌”一詞描述了現(xiàn)有數(shù)據(jù)的雜亂程度，她認(rèn)為在這樣的情況之下，我們必須用AI來解決這些計(jì)算問題。

NVIDIA的三大合作伙伴通用電器、佳能與西門子早已在這一方面獲取豐富的研究成果。

Kimberly Powell向動(dòng)脈網(wǎng)記者講解了這些巨頭如何用于AI去優(yōu)化器械成像：Canna針對(duì)于CT開發(fā)出了一個(gè)AI實(shí)時(shí)算法，幫助CT縮短成像的時(shí)間，并生成更多更加安全、更加準(zhǔn)確的實(shí)時(shí)圖像。

GE的硬件革新同樣重要：如果說出現(xiàn)了顱內(nèi)出血，這時(shí)通用電氣的機(jī)器就可以幫助放射科的醫(yī)生重新安排自己的工作流程，重新確定工作的優(yōu)先等級(jí)。根據(jù)患者癥狀的嚴(yán)重性，機(jī)器可以重新安排工作順序供醫(yī)生參考。

西門子也在AI領(lǐng)域擁有很多技術(shù)突破，他們發(fā)布了一個(gè)非常安全以及標(biāo)準(zhǔn)的人體測量平臺(tái)。可以將AI使用到CT掃描當(dāng)中，結(jié)合其平臺(tái)的知識(shí)圖譜為患者給出診斷一件。

除了這些器械巨頭，創(chuàng)業(yè)公司們也在為自己挖掘一些全新的工作，并運(yùn)用AI技術(shù)去解決這些問題。

基因組研究與新藥研發(fā)是AI在非醫(yī)學(xué)影像領(lǐng)域的重要運(yùn)用，Toptom運(yùn)用AI將七萬兩千種蛋白質(zhì)進(jìn)行了比較，觀察蛋白質(zhì)之間相互的互動(dòng)是什么樣子的，他們還有一個(gè)GANs深度學(xué)習(xí)的技術(shù)，可以幫助研發(fā)人員創(chuàng)造化合物，且至今已經(jīng)創(chuàng)造出了五千種化合物。

同時(shí)，人工智能技術(shù)可以使用計(jì)算機(jī)視覺以及排查技術(shù)充分了解細(xì)胞當(dāng)中的化合物，以及它們之間的相互關(guān)系，嘗試了解新藥開發(fā)當(dāng)中的一些晶體是如何開發(fā)出來的。

Clara平臺(tái)不僅僅為企業(yè)提供云端算力

上述高性能計(jì)算以及人工智能技術(shù)離不開算力的支持，在2018年的北美放射性學(xué)會(huì)（RSNA）之上，英偉達(dá)推出了Clara醫(yī)療影像超算平臺(tái)，試圖為所有醫(yī)療影像提供統(tǒng)一支持服務(wù)。

Clara SDK為醫(yī)學(xué)應(yīng)用程序開發(fā)者提供一套用于計(jì)算、高級(jí)可視化和AI的GPU加速庫。隨著Clara SDK的發(fā)展變化，我們還將提供可用于構(gòu)建硬件抽象應(yīng)用程序的容器。這些容器可對(duì)醫(yī)學(xué)影像進(jìn)行重建、圖像處理、分割、分類和3D渲染。

通過在GPU上利用Docker和NVIDIA的Kubernetes，開發(fā)者可以在多個(gè)計(jì)算環(huán)境（包括嵌入式、預(yù)置式或云端）中部署應(yīng)用程序。

當(dāng)涉及治療和診斷時(shí)，放射科醫(yī)生通常需要花費(fèi)數(shù)小時(shí)仔細(xì)檢查一張患者的3D圖像。這是一個(gè)枯燥乏味的過程，放射科醫(yī)生必須逐個(gè)切片查看CT或MRI掃描圖像，手工繪制、注釋和修正他們關(guān)注的器官或異常情況，然后對(duì)特定的器官或異常情況的所有3D圖像切片重復(fù)這一步驟。

NVIDIA的AI輔助注釋SDK能夠以10倍的速度大大加快此過程，并有助于更快地發(fā)現(xiàn)異常情況。這是通過使應(yīng)用程序開發(fā)者和數(shù)據(jù)科學(xué)家將AI輔助注釋SDK集成至他們現(xiàn)有的應(yīng)用程序中，并將AI輔助工作流程用于放射線照相得以實(shí)現(xiàn)。

AI輔助注釋SDK利用NVIDIA的遷移學(xué)習(xí)工具包不斷自我學(xué)習(xí)，所以每個(gè)添加注釋的新圖像都可以用作訓(xùn)練數(shù)據(jù)，進(jìn)一步提高所提供的預(yù)訓(xùn)練深度學(xué)習(xí)模型的精確度。

“我們可以獲得NVIDIA的AI輔助注釋技術(shù)，并在幾天的時(shí)間內(nèi)將其集成至我們的圖像瀏覽器。”MGH＆BWH Center for Clinical Data Science的執(zhí)行董事Mark Michalski說，“我們目前需 要注釋大量的圖像——有時(shí)一天大約一千張或更多，所以任何有助于自動(dòng)執(zhí)行此過程的技術(shù)都可能極大地減少注釋時(shí)間和成本。我們非常激動(dòng)可以利用AI輔助工作流程并與NVIDIA共同解決這些至關(guān)重要的醫(yī)學(xué)影像問題�！�

對(duì)于Clara在中國的運(yùn)用狀況，Kimberly Powell介紹道：“同樣的一套軟件既可以在醫(yī)院本地運(yùn)行，也可以在云端運(yùn)行，對(duì)于中國市場而言，我認(rèn)為這樣一種混合的運(yùn)營環(huán)境的支撐是非常有優(yōu)勢的，因?yàn)槲覀冎�道可能在中國的一些比較偏遠(yuǎn)的省份或者農(nóng)村地區(qū)，他們網(wǎng)絡(luò)條件不好，無法獲得這樣的云服務(wù)，他們可以選擇在本地執(zhí)行；但是對(duì)于那些大城市的醫(yī)院，他們擁有良好的硬件設(shè)備，則可以選擇云端運(yùn)行的方式運(yùn)行�！�

不止于是云平臺(tái)，在算力層次，我們可以做的還很多

這樣的模式早已應(yīng)用于游戲、自動(dòng)駕駛領(lǐng)域，醫(yī)療領(lǐng)域的運(yùn)用將會(huì)越來越復(fù)雜。除了Clara平臺(tái)這樣的云端方式外，還有一些企業(yè)選擇的運(yùn)用其他手段為自己的項(xiàng)目布置算力。

以消化內(nèi)鏡、超聲等領(lǐng)域?yàn)檠芯糠较虻南Ｊ袭悩?gòu)為了更好的獲取算法模型的效果，搭建了專用于醫(yī)學(xué)影像人工智能技術(shù)的研發(fā)平臺(tái)。該平臺(tái)采用NVIDIA提供的64塊TeslaV100搭建而成，在計(jì)算能力方面表現(xiàn)突出，將傳統(tǒng)需要訓(xùn)練15 天的模型縮短至52分鐘；公司使用自主研發(fā)的超算并行訓(xùn)練軟件具有在1024GPU系統(tǒng)上保持90％的線性加速。

還有一些創(chuàng)新模式仍在進(jìn)行，位于重慶的初創(chuàng)公司鈦星區(qū)塊鏈把目光放在了因比特幣暴跌而慘遭遺棄的礦機(jī)，這些天生為算力而生的機(jī)器在特殊的處理下可串聯(lián)在一起為AI運(yùn)算提供算力支持。相對(duì)于Clara輔助注釋SDK，這種方式顯得簡單暴力，但也不失為廢物利用的一種優(yōu)秀方式。

總的來說，醫(yī)療產(chǎn)業(yè)將會(huì)是世界上對(duì)于計(jì)算能力需求最大的產(chǎn)業(yè)，隨著研究人員在分子、原子甚至更微觀世界的透視，算力提供這筆生意或許會(huì)孕育出更多創(chuàng)新的模式，NVIDIA要想守住自己的地位，絲毫不可掉以輕心。

＊文中圖片由受訪企業(yè)提供。