對于人工智能企業(yè)，算力從來不是一項廉價的成本。作為算法推進的動力源泉，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，從影像到細胞學再到基因組學，醫(yī)學人工智能企業(yè)很難找準一個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，也談到了NVIDIA在醫(yī)療領(lǐng)域的算力解決方案。

英偉達副總裁Kimberly Powell

數(shù)據(jù)、算力、應用場景，企業(yè)在不斷利用AI推陳出新

醫(yī)學人工智能從發(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，英偉達通過一臺特定的機器結(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3T的蛋白質(zhì)數(shù)據(jù)，而基因數(shù)據(jù)的體量遠在此之上。

收據(jù)數(shù)據(jù)的過程不斷在進行，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，她認為在這樣的情況之下，我們必須用AI來解決這些計算問題。

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針對于CT開發(fā)出了一個AI實時算法，幫助CT縮短成像的時間，并生成更多更加安全、更加準確的實時圖像。

GE的硬件革新同樣重要：如果說出現(xiàn)了顱內(nèi)出血，這時通用電氣的機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。根據(jù)患者癥狀的嚴重性，機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)布了一個非常安全以及標準的人體測量平臺�？梢詫�AI使用到CT掃描當中，結(jié)合其平臺的知識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)學影像領(lǐng)域的重要運用，Toptom運用AI將七萬兩千種蛋白質(zhì)進行了比較，觀察蛋白質(zhì)之間相互的互動是什么樣子的，他們還有一個GANs深度學習的技術(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，人工智能技術(shù)可以使用計算機視覺以及排查技術(shù)充分了解細胞當中的化合物，以及它們之間的相互關(guān)系，嘗試了解新藥開發(fā)當中的一些晶體是如何開發(fā)出來的。

Clara平臺不僅僅為企業(yè)提供云端算力

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

Clara SDK為醫(yī)學應用程序開發(fā)者提供一套用于計算、高級可視化和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)建硬件抽象應用程序的容器。這些容器可對醫(yī)學影像進行重建、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)者可以在多個計算環(huán)境（包括嵌入式、預置式或云端）中部署應用程序。

當涉及治療和診斷時，放射科醫(yī)生通常需要花費數(shù)小時仔細檢查一張患者的3D圖像。這是一個枯燥乏味的過程，放射科醫(yī)生必須逐個切片查看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，然后對特定的器官或異常情況的所有3D圖像切片重復這一步驟。

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。這是通過使應用程序開發(fā)者和數(shù)據(jù)科學家將AI輔助注釋SDK集成至他們現(xiàn)有的應用程序中，并將AI輔助工作流程用于放射線照相得以實現(xiàn)。

AI輔助注釋SDK利用NVIDIA的遷移學習工具包不斷自我學習，所以每個添加注釋的新圖像都可以用作訓練數(shù)據(jù)，進一步提高所提供的預訓練深度學習模型的精確度。

“我們可以獲得NVIDIA的AI輔助注釋技術(shù)，并在幾天的時間內(nèi)將其集成至我們的圖像瀏覽器�！盡GH＆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——有時一天大約一千張或更多，所以任何有助于自動執(zhí)行此過程的技術(shù)都可能極大地減少注釋時間和成本。我們非常激動可以利用AI輔助工作流程并與NVIDIA共同解決這些至關(guān)重要的醫(yī)學影像問題�！�

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

不止于是云平臺，在算力層次，我們可以做的還很多

這樣的模式早已應用于游戲、自動駕駛領(lǐng)域，醫(yī)療領(lǐng)域的運用將會越來越復雜。除了Clara平臺這樣的云端方式外，還有一些企業(yè)選擇的運用其他手段為自己的項目布置算力。

以消化內(nèi)鏡、超聲等領(lǐng)域為研究方向的希氏異構(gòu)為了更好的獲取算法模型的效果，搭建了專用于醫(yī)學影像人工智能技術(shù)的研發(fā)平臺。該平臺采用NVIDIA提供的64塊TeslaV100搭建而成，在計算能力方面表現(xiàn)突出，將傳統(tǒng)需要訓練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，這些天生為算力而生的機器在特殊的處理下可串聯(lián)在一起為AI運算提供算力支持。相對于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)將會是世界上對于計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。