说起去医院看病,“看病难,排队长”应该是许多人心目中的普遍印象。
是医生不想快点给患者看病当然不是。是病人在医院流连忘返不想早点回家当然更加不是。
那么造成这一现象的背后,究竟有着怎样的深层原因
“目前的医疗数据,每年都在以接近100%的幅度高速增长,但是培养一位影像科的医生,却要花八年甚至更久的时间,才能够作为一位独立的医生来自行看片。”如果不是亲耳听到医准智能首席ai官王子腾说出这番话,很难想象医疗行业的人才缺口竟然已经如此严重。
“我妈妈也是一位脑神经医生。光是每天的门诊就要接待上百位病人,每个星期还要值两到三个夜班,工作非常辛苦。而且如此巨大的工作负荷,对医疗效率和准确率也容易产生负面影响。”ibm大中华区系统部存储系统总经理吴磊表示。
一边是急速膨胀的医疗数据,一边是日渐扩大的人才缺口,究竟要怎样的灵丹妙药,才能解决横亘在医疗行业面前的这一疑难病症
作为全球一流的人工智能解决方案和云平台提供商,ibm为其开出的药方是——人工智能。
无ia,不ai
“今天我们所遇到的挑战,已经不单纯是数据孤岛。我们的客户和合作伙伴,目前正在进入全新的消费模式——多云模式。然而从离线到在线,从分散到聚合,处处都存在很多痛点。这时候如果有一个好的ia(information architecture,信息架构),不但性能强健和安全可靠,而且还能随着客户业务的成长做弹性的扩充,那么就可以根据客户消费计算力和存储能力的变化,提供灵活的服务。”ibm大中华区系统部存储系统总经理吴磊向趣味科技介绍道,“这就是ibm如今强调的‘无ia,不ai’。”
ibm大中华区系统部存储系统总经理吴磊
针对当前困扰医疗行业的数据收集与处理瓶颈,ibm通过引入人工智能技术,搭建了一站式医疗影像人工智能平台,可以实现全栈ai架构能力,为广大医生提供了一个高效、准确地辅助医疗检测和诊断的工具。
据了解,平台主要基于ibm power、spectrum scale、ibm watson machine learning accelerator(wml-a)搭建。“其中openpower服务器主要负责提供超强算力,与ddl相结合提供强大的线性扩展能力;spectrum scale则负责为集群化的ai平台提供稳定、高效和安全的数据平台支持;另外作为开放性ai平台的代表,wml-a则可以为上层应用提供可靠的平台支持。”ibm中国系统开发中心技术解决方案总监崔玮透露。
值得一提的是,该平台同时也是一个开箱即用的医疗影像深度学习的科研平台。举例来说,医生既可以通过这个平台,快速搭建高精度低假阳性率的肺结节和乳腺ai模型,也可根据医院的实际需求进行研发和调整,同时确保数据不出院,最大限度保证数据安全可控。
“在平台中,spectrum scale扮演着非常重要的角色。虽然这个名字很多人可能都是第一次听到,但其实它还有一个更老的名字,叫做gpfs(general parallel file system,通用并行文件系统),而且已经有着25年的历史。当年跟卡斯帕罗夫大师下国际象棋的深蓝电脑,用的文件系统就是gpfs;ibm watson和2018年ibm ai辩手project debater也是用的gpfs;今年ibm拿到全球第一、第二的高性能运算和智能的顶点,也是用的spectrum scale。光是在金融、电信行业,全球差不多就有几十万gpfs用户。”吴磊介绍道。
ibm与医准智能的强强联手
对于医准智能与ibm双方的合作,王子腾表示:“医准智能是一家专注于人工智能辅助医疗影像诊断的公司,主要研究算法,非常擅长模型的选择和训练。而在数据、存储、管理等方面,ibm拥有非常丰富的经验,特别是针对部署在多节点、大规模集群的环境,ibm更是有着强大的优势,并且在医疗行业也有着多年的经验沉淀,因此医准智能选择与ibm开展合作,可以说是顺理成章,水到渠成,并且在应用、平台、端对端等各个层面都有合作。最近在许多医院和医生中大获好评的达尔文智能科研平台,也是双方携手研发的成果。”
医准智能首席ai官王子腾
谈及人工智能应用在医疗行业的落地,吴磊认为:“还是那句话‘无ia,不ai’,it无非就是算,算出东西要存,然后继续算,继续存。几年前,人工智能并没有真正进入生产环节,但是通过材料、架构的改变,我们改变了经典的计算机架构,譬如相变存储相比闪存可能带来20倍、30倍的速度提升。第二个就是规模化,以前光靠一台服务器你不可能进行训练,现在只用一台笔记本电脑也可以做一个人工智能模型的学习。以前信用卡被盗刷查起来很费时,现在只要一两分钟就能收到警示短信,这后面其实就是一个大规模反欺诈的算法加大规模集群的算法,以最短的时间为金融机构、电信机构向消费者提出警示,这些都是基础架构的规模化。从单机,几个节点,到多个节点,这些规模化对整个架构的要求完全不一样。”
“在过去的几十年里,人工智能几起几落,达到一个可生产的准确性之后,就必须可靠、可被监管、数据可备份、可回溯而且合规。当人工智能真的进入生产环境,规模化生产,为客户产生洞察力的时候,那就变成了一个严肃认真的业务,就必须要有刚才讲的这些属性。”吴磊指出。
“谈到做ai,主要有数据、算法、算力三大驱动力。其中算法的进步相对较慢,而算力反映到推动算法的运算上,ai起到了至关重要的作用。医准智能主要是在算法方面有很强的ai模型构建和训练能力,而ibm在架构和算力方面很强,知道如何搭建架构,需要底层高度可扩展的数据平台,对于这样一个分布式的数据平台,可以做好深度学习的训练和推理。基于这样的数据平台,我们可以支撑医准智能这样非常专注于ai医疗模型的算法和应用。”崔玮表示,“现在市场上我们有两癌筛查的项目,国家在这方面有非常大的投入,但是具体落地时遇到了很多困难,包括数据量大、医生不够、大量片子拍出来没有人力时间精力去看等等。我们可以用这个产品帮助医生读片子。然而要做到一个成型的方案还是要靠基础架构,否则几十套片子传进来,如果没有一个稳定的平台,很难支撑这样一个高并发的数据处理和分析需求。”
立竿见影的显著疗效
对于ibm为医疗行业开出的这剂药方,专业人士又有着怎样的评价呢
“如果按照传统的方法,对肺结核断层扫描的话,光是一毫米的层厚可能就要拍几百张片子,医生诊断起来相当累,看一个病人至少就得半个小时。”王子腾表示,“然而在应用了人工智能技术之后,只用十几秒钟就可以得出结果。”
“除了显著提升工作效率之外,人工智能的准确率也更高。因为医生用人工方式看片的话,容易受到疲劳、情绪等各种因素的影响,但是ai不会疲劳,没有情绪,可以做到非常客观,只要我们训练的数据足够多,案例足够丰富,检测的结果也会变得越来越准确。”王子腾补充道。
ibm中国系统开发中心技术解决方案总监崔玮
“看片子的时候,要判断病灶每一个点的位置,还要有一个电子版报告交给医生,还要审核签发交给病人,ai技术一方面可以大幅减少医生寻找病灶的时间,一方面可以非常方便地给出报告,可以节省大量的时间。科研方面更是如此,可以说如果没有一个类似的工具,就完全做不了科研。为什么近年来我们看到有很多医院,会招聘计算机专业或者编程的人员或者原本是医疗专业,但是进来以后主要从事的编程方面的工作,原因就在这里。”崔玮补充道。
据王子腾透露,过去医生如果想做ai研究,往往要把数据交给第三方公司,但是拿到的结果经常医生也看不明白。如今ibm与医准智能携手研发的达尔文智能科研平台,在医院内部就可以进行数据的搜集、标注、模型训练,因而在医生中大受欢迎。崔玮则强调,“我们可以为医生提供端到端的解决方案,包括power服务器的算力,spectrum scale对数据的收集和组织,deep learning做好深度学习的分析和运算等等。我们交给医生的,是一个可以开箱即用的科研工具。这样医生即使并不了解计算机、数学、linux和代码,只要通过拖拽式、搭积木的方式,一样可以完成ai的科研模型训练。”
