英特尔AI医疗实战曝光：10倍加速辅助诊断、准确度高达90%

深耕医疗健康领域 20 年，医疗健康数字化、药物治疗精确化一直是英特尔的重要议题。

每一年都有 1800 万人因心血管疾病失去生命，易患疾病排名前三，又称头号健康杀手。算法

在医院里，心血管内科医生天天都要查看大量的医学影像资料，凭借着本身的经验判读每一张 MRI（心脏磁共振成像检查) 影像，试图从隐秘而复杂的心脏结构中发现心血管疾病病人的患病秘密。网络

人命关天，尽管他们不敢掉以轻心，但不一样医生之间经验有差异，并且长时间工做中谁也没法保证一直处于最佳状态。现在，AI 加入这场医学影像分析游戏，它超长待机永不疲倦，其颗粒度极其细微，熟稔心脏的每一处结构，就连隐藏暗处的线索都可以发现。架构

在医疗健康领域，AI 被普遍应用于医学影像、辅助诊断、疾病预测、药物研发等多个环节，它们就像汽车里的超级马达，促使各个医疗环节加快效率。app

据数据显示，2018 年中国医疗人工智能市场规模达到 200 亿元。这一高速增加得益于中国医疗市场的迫切需求，以及近年来医疗人工智能技术的发展与相关政策的支持。框架

做为人工智能应用落地最具潜力的领域之一，英特尔将自身软硬件能力、算法能力以及相关应用深刻医疗健康领域，协同产业医疗机构、医药公司等多方合做，在推理医学影像、医学影像分析、病理切片分析、药物研发等场景大显身手。分布式

1、人工智能落地医疗ide

根据 Global Market Insight 的统计数据，药物研发在全球医疗人工智能市场中的占比最大，达到 35%。紧随其后的是医学影像人工智能，占比 25%，并将以超过 40% 的增速发展，预计 2024 年将达到 25 亿美圆的规模。函数

人工智能在医疗健康领域的应用很是普遍，从医学影像、辅助诊断、疾病预测，到健康管理、药物研发等诸多环节，都发挥重要做用。工具

例如人工智能应用于慢病管理与疾病监测，基于患者体征对 (潜在) 慢性疾病进行风险预估，从而经过早期干预，下降患者的医疗费用。影像辅助诊断方面，帮助放射科医生快速筛除正常影像，提升分析影像的准确度，缩短诊断结果报告时间，提高医疗系统的诊断能力。性能

现阶段，我国基本成型的医疗影像产品大多处于医院试用阶段，该领域公司基本没有实现盈利；在辅助诊断方面，医学影像、电子病历、导诊机器人是主要应用场景，多为软硬件一体化全套解决方案，目前产品仍处于打磨阶段。国内新药研发仍以仿制药和改良药为主，国内 AI 新药研发主要是人工智能公司与药企合做开发新药。

要解锁 AI 在医疗健康领域的落地困境，须要软硬件配套设备的支撑，AI 算法提升诊断精度，AI 芯片做为底层关键技术，配合先进工艺的硬件设备，三方力量集成，以促进生物技术与信息技术的融合，从而撬动 AI 与医疗大生态。英特尔自身优点与 AI 落地医疗领域的节点正好契合。

2、英特尔软硬兼施

做为一家拥有数据积淀的科技公司，英特尔一直坚持从云到端的产品与技术创新，普遍与合做伙伴共同推进云计算、大数据、人工智能等技术与解决方案的发展。

目前英特尔的硬件产品有英特尔至强可扩展处理器和傲腾数据中心级持久内存和傲腾固态盘等；软件产品有英特尔架构优化的 Caffe 和 TensorFlow，以及 OpenVINO 工具套件等。

 

第二代英特尔至强可扩展处理器专为数据中心现代化变革而设计，提供比前代产品高出 25%-35% 的性能，且具有多项新特性，可以打造性能更强的敏捷服务和更具价值的功能，进而改善整体拥有成本，提高生产力。

此外，该第二代处理器集成了深度学习加速技术 (矢量神经网络指令 VNNI)，可加速人工智能和深度学习推理，并针对工做负载进行优化。这使其拥有集成 AI 加速能力的 CPU 架构。

做为新一代至强可扩展平台的「核心」，第二代英特尔至强可扩展处理器支持英特尔傲腾数据中心级持久内存这一全新产品类别。而英特尔傲腾数据中心级持久内存经过与第二代英特尔至强金牌以及铂金处理器搭配，能够做为 DRAM 内存的有力补充，提升系统性能，加速工做负载处理和服务交付。

在强有力的硬件产品支撑下，英特尔的软实力也不可小觑。

面向深度神经网络的英特尔数学核心函数库 (MKL-DNN)，做为加速深度学习框架的性能加强库，包含高度矢量化和线程化的构建模块，支持利用 C 和 C++接口实施深度神经网络, 具有普遍的深度学习研究、开发和应用生态系统，适用于：Caffe、TensorFlow、Pytorch、Apache MXNet、BigDL、CNTK、OpenVINO 工具包等深度学习软件产品。 

为了应对在 CPU 上运行深度学习模型面临的性能挑战，英特尔推出优化版 TensorFlow，可以确保深度学习类工做负载在各类状况下均可利用英特尔 MKL-DNN 基本运算单元高效运行。

此外，为配合软硬件双重发力，英特尔还推出一系列软件开发工具套件，分别是面向英特尔架构优化的 Python 分发包，提供编写 Python 原生扩展所需的一切；OpenVINO 工具套件，用以加快高性能计算机视觉处理和应用。

该工具容许异构执行，支持 Windows 与 Linux 系统，以及 Python/C++语言，可以有效推动计算机视觉技术在从智能摄像头、视频监控、机器人，到智能交通、智能医疗等领域的深刻应用。

3、四大场景急速医疗产业变革

围绕推理医学影像、医学影像分析、病理切片分析、药物研发等多个场景，经过英特尔与东软、西门子、解放军总医院、盈谷以及江丰生物等合做伙伴在医疗人工智能领域的实战案例，咱们将详细阐述实战中的部署和应用。

1）推理医学影像：底层架构优化图像分割结果

在医学影像处理领域，图像分割也已在肿瘤和其余病理位置定位、组织体积测量、解剖学研究、计算机辅助手术、治疗方案制定以及临床辅助诊断等多个场景证实了其价值。

在治疗心血管疾病过程当中，心血管专家须要凭借经验来对心脏磁共振成像检查 (MRI) 影像进行判读，不只费时费力，且错误率较高，在解释图像时也容易受到主观因素的影响，致使漏诊和误诊。

目前西门子医疗与英特尔开展一系列创新医疗 AI 应用的研究，并将人工智能应用到心脏病学与放射性影像分析的实际应用中。 

该 AI 模型基于 DenseU-net，可对心脏的左右心室进行语义分割，并可扩展到全部四个腔室。AI 模型的输入是跳动心脏的 MRI 图像的堆叠，输出则是识别心脏的区域以及结构，其中每一个结构都会被颜色编码。这样能够实现原先须要人工识别标注的过程，从而加快影像判读速度。

第二代英特尔至强可扩展处理器为该 AI 模型的推理提供高效、灵活和可扩展的平台，特别是与 OpenVINO 工具套件的紧密结合，有效地加速针对视觉应用的深度学习推理，提升诊疗过程宝贵的诊断、决策速度和准确性。

英特尔深度学习加速技术对 INT8 良好的支持能力，使其能够将 FP32 训练模型转化为 INT8，在保持准确性的同时大幅提高推理速度。

 
脑卒中的首选有效治疗手段为溶栓和取栓治疗，但这一方法有赖于对脑部医疗影像的快速和准确判读。eStroke 溶栓取栓影像平台是基于缺血性脑卒中半暗带、脑微出血、脑侧支循环作出定量评价的云服务平台，能够实现对溶栓、取栓多模态影像作出精准评价。

以 eStroke 溶栓取栓影像平台为载体，东软与英特尔携手，基于 U-net 模型对平台中的脑卒中医学影像进行图像分割处理。

该方案采用面向英特尔架构优化的 TensorFlow(基于英特尔 MKL-DNN 优化) 以及 OpenVINO 工具套件进行优化，使基于 U-net 模型的深度学习推理在保证准确性的同时，推理时间得以大幅减小。

在推理准确性基本一致的状况下，采用两个工具优化后的方案与未经优化的方案对比，推理延迟分别下降 72.6% 和 85.4%。 

最左列为脑部 CT 原图，中间列是未优化时的图像分割结果，最右列是经过 OpenVINO 工具套件优化以后生成的图像分割结果。推理速度高于未优化时。

目前，英特尔的应用已经在东软、西门子医疗、通用电气医疗集团等公司展开。

2）医学影像分析：云技术与大数据左右开弓

医学影像设备在医疗机构已至关普及，但在一些边远地区或基层医疗机构，却经常面临空有设备却无人有能力「看片」的尴尬境地。

以一些省份为例，不少医学影像设备已部署到县、社区一级的医疗机构，但病人接受检查后，当地医院却依然没法作出精准的判断和分析，须要将影像文件经过拍照、扫描等方式传给上一级医疗机构。有时会由于影像文件的质量得不到保障乃至失真，形成病情的延误或误判。

不只如此，因为各医疗机构的信息化系统彼此独立，且数据标准未彻底统一。例如各个影像归档和通讯系统上存储的医学影像数据几乎没有连通，造成一个个信息「孤岛」，这些都会形成偏远地区患者在基层医疗机构得不到有效的病情分析。

以医学影像数据为例，云技术与大数据左右开弓，可让信息孤岛问题得以解决。

专一医学影像核心技术近 20 年的西安盈谷，经过医真云的部署，将海量医学影像数据连接起来。同时将深度学习引入医学影像处理中，基于目标侦测神经网络模型构建了全新的 Cloud IDT 服务，进而提升检出率、下降决策时间、提升工做效率。

为帮助西安盈谷更好地推进这一系统的部署落地，英特尔向西安盈谷注入了强大的算力支撑能力，在英特尔至强可扩展处理器等最新一代平台产品与技术的配合下，助其完成 Cloud IDT 服务向英特尔架构平台的迁移，以及对于 Caffe、TensorFlow 等深度学习框架的部署和优化。

西安盈谷 Cloud IDT 智能应用、医学影像处理及分析云计算 iMAGES 核心引擎等应用结合与英特尔软硬件双双配合。目前西安盈谷已在肺结节诊断等一大批关键场景中创建起「AI+Cloud」的智能辅助诊断系统能力。

3）病理切片分析：层融合技术+分类卷积神经网络

病理切片是将部分病变组织或脏器，通过一系列处理后造成微米级薄片，粘附在玻片上并进行染色处理，而后再交至病理科，病理科医生经过显微镜对病理切片进行镜检，观察病理变化，并做出病理诊断和预后评估。

病理切片检查是一项很是复杂和具备挑战性的工做，而想要成为病理学方面的专家，更是须要具有多年的读片经验与数万张切片的阅片积累以及具备丰富专业知识。然而，据统计，目前全国病理科医生还不足万人。

此外，人工检查难免带有较大主观性，由不一样病理科医生对同一患者的病理切片做出的诊断，也常常会存在差别，这可能致使误诊、漏诊等现象产生。

宫颈癌做为女性癌症患者中排名第四的致命疾病，成为目前严重危害女性健康的恶性肿瘤之一。目前，中国每一年都会产生数千万新的宫颈 LBP 涂片，这对医疗机构的病理分析能力构成巨大的挑战。

为此，江丰生物与英特尔一块儿，利用 AI 技术，构建和优化基于宫颈 LBP 切片的宫颈癌筛查 AI 解决方案。

系统在输入图片后，经由数据预处理、分类卷积神经网络和后处理阶段，分别获得阳性预测和阴性预测。对于阳性预测，方案则进行第二阶段的目标侦测网络 (基于 Resnet50) 模型的训练，而后进行阳性识别的推理过程，并交由医生作最终审查。

江丰生物和英特尔一同测评了优化后的基于宫颈 LBP 切片的宫颈癌筛查 AI 解决方案，基于 5961 张精准标注样本进行了训练，并在 246 张测试集上评估了不一样的模型。

 
评估结果代表，加入分类网络后的优化方案，其准确性比单独的目标侦测网络方案有了大幅提高。

4）药物研发：基于 M-CNN 网络模型加速 HCS 进程

愈来愈多的新技术正被运用于加速药物研发进程。基于细胞图像的高内涵筛选 (HCS) 方法是目前在系统生物学和药物研发领域经常使用的自动化分析方法之一，也是 AI 技术在药物发现早期环节的重要应用。

目前诺华正与英特尔一块儿，合做研究使用深度学习的方法，以及经过基于优化的英特尔至强可扩展处理器平台上部署的 M-CNN 网络来加速 HCS 进程。

 

左侧是一个用于 HCS 的显微镜图像，其单张像素接近 400 万，而右侧是来自著名的 ImageNet 数据集的图像，其训练数据集单张图像为 15 万像素，双方相差 26 倍。

利用深度学习方法，诺华能够从数据中「自动」学习，并区分一种治疗与另外一种治疗的相关图像特征，但细胞显微镜图像巨大的信息量使这一方法仍需耗费大量时间——其图像分析模型的训练时间约为 11 小时。

除了推理医学影像、医学影像分析、病理切片分析、药物研发在医学行业的应用以外，愈来愈多的图像处理软件与技术被运用于医疗行业中进行图像和文字识别。

目前利用基于深度学习的识别模块来辅助药品发放等过程，已经被证实能够下降人为因素致使的差错率，具备很好的应用前景。解放军总医院与英特尔合做，利用深度学习技术辅助门诊发药实践。

 

首先药师会将待发的药品置于发药窗口操做台上；其次操做台上方的图像采集装置会自动捕获药品图像，并传送到系统后台；基于深度学习的药品外包装识别模块，会快速对药品外包装进行识别，并将识别结果显示在电脑屏幕上。 

同时，系统会自动与 HIS（医院信息管理系统）处方信息自动关联，对药品名称、规格、厂家和数量等参数分别进行匹配，并将错误信息标记为显著颜色进行提醒。

如今，药品外包装识别模块已在解放军总医院辅助门诊发药系统中获得部署，有效地减轻药房工做人员的工做强度，同时提高发药准确率，病患满意度得到大幅提高。

4、结语

从 1998 年英特尔就与医疗健康领域结缘，与 Communi Health 合做，帮助患者和医生更好地管理慢性疾病。现在已有 20 年，英特尔一直关注医疗健康数字化、药物治疗精确化、分布式合做治疗等重要议题。

透过与东软、西门子、解放军总医院、盈谷的合做，英特尔已经在推理医学影像、医学影像分析、病理切片分析、药物研发等领域大展身手。

依托自身算法优点以及软硬件能力，英特尔如同一个计算能力极强的大脑，提供智能化的解决方案，与英特尔合做的多方医院、药企、科技公司就像人的躯干，为多个医疗应用环节输入能量和能效。

不过，目前人工智能在医疗领域的场景应用还存在很大的空间。不一样医疗机构、专业科室之间可能存在不一样的信息壁垒，致使大量的临床数据没法集中采集、存储以及分析。

与此同时，人工智能难以解释诊断过程，依旧须要人的介入。

医疗健康产业之大，包含医药公司、药械厂商、保险公司、医疗机构（基层医院、三甲医院等）、体检机构、医药物流商、医疗科技公司等诸多参与方。将来，人工智能在不一样层级的医疗机构的应用方向可能会呈现出更加多元化的趋势。

例如在基层医院或第三方体检中心，其应用以辅助筛查和辅助诊断为主；在三甲医院，则以提升医生工做效率为主。在健康管理方面，人工智能以支持单位和我的支付的健康体检为主要方向；在药物研发这一细分领域，人工智能应用又表现出不一样特色，须要人工智能技术公司与大型药企、医药研究机构通力合做来推动。

英特尔凭借自身能力在医院、药企、科技公司实现互联互通，在助力合做机构加速的过程不断打磨其技术能力。英特尔将 AI+医疗的应用，深刻产业实际落地，与医院、药物研发方等强强联合，积累 AI 落地经验，成为助力医疗行业变革的加速器，不只为行业带来巨变，也让健康医疗从业者的分析能力稳步提高。