原創(chuàng) 羅彬杰 獵云網(wǎng)

2018年英特爾的一項調(diào)查顯示，37%的醫(yī)療行業(yè)受訪者已經(jīng)在使用人工智能。

文丨獵云網(wǎng) ID：ilieyun

編譯丨羅彬杰

編者注：本文的作者是William Van Winkle，在本文中，William探討了AI、5G和物聯(lián)網(wǎng)技術(shù)如何助力實現(xiàn)精準(zhǔn)快速醫(yī)療，以及“當(dāng)日完成診療”的愿景。

我兒子還在蹣跚學(xué)步的時候，就去兒科醫(yī)生那里做常規(guī)的CAT掃描。這原本是一件很簡單的事情，只需要讓他昏睡幾分鐘。他很快就會醒過來，完成后續(xù)檢查。

只是我兒子沒醒。他躺在診所的床上，沒有反應(yīng)，他的生命體征開始慢慢下降。診所沒有能力診斷他的病情。五分鐘后，他上了救護車。我的妻子和我無能為力，只能眼睜睜地看著，為我們兒子的生命擔(dān)憂得發(fā)瘋。

原來他對一種普通的鹽酸鎮(zhèn)靜劑過敏。一旦弄清楚了原因，醫(yī)生很快就把他帶了回來，他也沒事了。

如果有了精準(zhǔn)醫(yī)療技術(shù)，一切都會不一樣

如果通過開創(chuàng)性的計算機、數(shù)據(jù)庫和人工智能技術(shù)的結(jié)合，對他的血液和基因組進行一輪快速分析，就能在他的這種過敏反應(yīng)成為一個關(guān)鍵問題之前揭示出這種潛在的危險，那會怎么樣呢?

如果有可能針對他和他身體的特殊情況設(shè)計一個療程，而不是接受一種千篇一律的醫(yī)療方法，然后立即處理疾病的影響，那會怎么樣呢?

如果可以用小型的，甚至是便攜式的醫(yī)療設(shè)備來連接到更大的資源，那會怎么樣呢?

簡而言之，如果通過超級計算機和下一代無線連接技術(shù)的力量，數(shù)百萬像我兒子這樣的人能夠在現(xiàn)場得到快速、準(zhǔn)確的治療，而不是承受傳統(tǒng)醫(yī)療方法的成本和創(chuàng)傷，情況會有怎樣的變化?

我問的這些關(guān)于我兒子的問題正是如今精準(zhǔn)醫(yī)療努力的核心。這是一種根據(jù)個人特點量身定制治療方法的實踐。精準(zhǔn)醫(yī)療涵蓋了越來越多的領(lǐng)域，包括腫瘤學(xué)、免疫學(xué)、精神病學(xué)和呼吸系統(tǒng)疾病等，其后端充斥著大數(shù)據(jù)分析。

關(guān)鍵點：

精準(zhǔn)醫(yī)療利用病人的個人特征，包括基因，來識別高度具體、優(yōu)化的醫(yī)療步驟。

需要5G和新一代的無線技術(shù)以及處理器來提供所需的速度和可訪問性。

為并行處理優(yōu)化工作負載，使精準(zhǔn)醫(yī)療更加實用。

英特爾“一天完成診療”的愿景，就是利用人工智能、5G和醫(yī)療物聯(lián)網(wǎng)，在24小時內(nèi)將病人從檢查帶到精確治療。

通過數(shù)據(jù)來驅(qū)動以個人為中心的護理。

根據(jù)基因特征配對藥物，只涵蓋可集中用于特定患者護理的數(shù)據(jù)類型中的一小部分。

以布朗克斯區(qū)的Montefiore醫(yī)療系統(tǒng)為例。它已經(jīng)部署了語義數(shù)據(jù)庫，這是一種收集大量不同數(shù)據(jù)并在人工智能的幫助下將它們整理成可用形式的架構(gòu)。除了廣泛的病人的特定數(shù)據(jù)收集現(xiàn)場（包括大量的醫(yī)療傳感器和設(shè)備），Montefiore醫(yī)療專家也根據(jù)需要整理數(shù)據(jù)來源，包括網(wǎng)頁數(shù)據(jù)庫（遺傳變異和藥物反應(yīng)等）、美國國立衛(wèi)生研究院統(tǒng)一醫(yī)療語言系統(tǒng)（UMLS）和在線Mendelian人類遺傳數(shù)據(jù)庫（人類基因組數(shù)據(jù)）。

基于英特爾/Cloudera/Franz的解決方案被證明能夠準(zhǔn)確地為患者創(chuàng)建風(fēng)險評分，預(yù)測他們是否會有嚴重的呼吸事件，并建議醫(yī)生采取什么行動。

Montefiore醫(yī)療系統(tǒng)高級副總裁兼首席醫(yī)療官Andrew Racine醫(yī)生指出：“我們正在利用醫(yī)療機構(gòu)中最危重病人的信息，試圖識別那些有發(fā)展為呼吸衰竭風(fēng)險的病人，這樣我們就可以改變病情的發(fā)展軌跡?！?/p>

現(xiàn)在，像Montefiore這樣的機構(gòu)可以在許多數(shù)據(jù)庫中執(zhí)行人工智能驅(qū)動的分析，下一步可能是通過5G網(wǎng)絡(luò)整合異地通信。這樣做將使普通醫(yī)生能夠快速提供從現(xiàn)場、緊急現(xiàn)場到日常家訪所獲得的數(shù)據(jù)，并得到如何進行治療的實時建議。這不僅可以使醫(yī)療專業(yè)人員提供更快、更準(zhǔn)確的診斷，還可以使普通醫(yī)生根據(jù)特定患者的個人需要提供專門的建議。研究人員表示，到2030年，全世界將面臨1500萬醫(yī)護人員的短缺，在這種情況下，讓護理人員能夠在遠程指導(dǎo)下進行護理至關(guān)重要。

首先需要的是人工智能

在任何方面，啟用這樣的服務(wù)都不是一件小事?？紤]到數(shù)百萬人可能需要進行基因測序，以獲得足夠廣泛的樣本人群進行此類診斷。而這只是開始。不同的數(shù)據(jù)庫必須合并，這通常需要通過云服務(wù)進行長距離的合并，同時不需要犧牲患者的權(quán)利或隱私。

據(jù)《華爾街日報》報道，盡管有明確的需要，但在美國臨床試驗中，只有4%的癌癥患者的基因組數(shù)據(jù)可用于研究，這讓研究和診斷界對大多數(shù)治療結(jié)果一無所知。保持患者匿名性，同時具備跨系統(tǒng)和數(shù)據(jù)庫的數(shù)據(jù)安全性，這些新方法在糾正這一問題上有很長的路要走。

一個很有前途的例子：使用Intel Xeon平臺的處理效率來處理Epic EHR患者信息的透明數(shù)據(jù)加密（TDE）和甲骨文數(shù)據(jù)庫。支持者表示，從醫(yī)療邊緣設(shè)備到核心數(shù)據(jù)中心，加密和可信執(zhí)行技術(shù)（如SGX）整合得越多，公眾就越能學(xué)會允許其數(shù)據(jù)被收集和使用。

除了安全性之外，精準(zhǔn)醫(yī)療還需要非凡的計算能力。它必須進行分子建模和模擬，以評估藥物如何與特定的患者群體相互作用，然后可能再次運行，以查看藥物如何在其他藥物存在的情況下執(zhí)行相同的操作。這就是為什么要花費數(shù)十億美元和十多年的時間才能將一種藥物推向市場。

幸運的是，許多組織正在使用新技術(shù)來從根本上加速這一進程。人工智能在加速和改善許多醫(yī)療和生命科學(xué)任務(wù)中涉及的重復(fù)、機械操作方面起著關(guān)鍵作用。

例如，制藥巨頭諾華（Novartis）利用深度神經(jīng)網(wǎng)絡(luò)技術(shù)加速高含量篩選，即分析細胞層面的圖像，以確定它們在不同基因或化學(xué)相互作用下的反應(yīng)。通過將處理平臺升級到最新的Xeon一代，并行化工作負載，并使用諸如英特爾數(shù)據(jù)分析加速器庫（DAAL）和Intel Caffe等工具，諾華實現(xiàn)了與以前配置相比近22倍的性能改進。這些都是醫(yī)療組織可以期待的好處，它們可以使用通過人工智能和高水平并行化優(yōu)化加速的平臺來更新遺留的流程。

比訓(xùn)練有素的放射科醫(yī)生還要快

有趣的是，這種能力上的數(shù)量級飛躍，雖然對于控制流入醫(yī)療數(shù)據(jù)庫的數(shù)據(jù)洪流至關(guān)重要，但也可以應(yīng)用于醫(yī)療物聯(lián)網(wǎng)設(shè)備。想想X光機，它們基本上只是是特殊的攝像機，還需要人類專家（放射科醫(yī)生）檢查圖像，尋找健康或疾病的癥狀，然后將結(jié)果傳遞給醫(yī)生。

根據(jù)GE Healthcare的數(shù)據(jù)，現(xiàn)在醫(yī)院每年產(chǎn)生50 PB（1PB相當(dāng)于2^50字節(jié)）的數(shù)據(jù)，令人震驚的是，90%都來自醫(yī)學(xué)成像，”GE表示，其中有97%以上未經(jīng)分析或未使用。除了使用人工智能來幫助減少大量的無用圖像，從而在多個方面減少數(shù)據(jù)浪費外，GE還與英特爾公司合作，創(chuàng)造了一個X射線系統(tǒng)，能夠捕捉圖像并在幾秒鐘內(nèi)檢測出一個收縮的肺（氣胸）。

僅僅能夠用人工智能檢測氣胸就已經(jīng)是一個巨大的飛躍。然而，該項目的部分目標(biāo)是更快地提供準(zhǔn)確的結(jié)果，從而幫助自動化地診斷一部分工作量，減輕了許多放射科的工作。英特爾幫助集成了OpenVINO工具包，該工具包支持開發(fā)模擬人類視覺和視覺模式識別的應(yīng)用程序。然后，這些工作負載可以跨CPU、GPU、AI特定的加速器和其他處理器進行處理。

通過優(yōu)化，GE的X射線系統(tǒng)進行推斷(圖像評估)的速度比沒有優(yōu)化的快3.3倍。每幅圖像的評估完成時間不到一秒，大大快于訓(xùn)練有素的放射科醫(yī)生。GE的Optima XR240amx X射線系統(tǒng)是便攜式的，因此，這種物聯(lián)網(wǎng)設(shè)備可以從大范圍的地方發(fā)送結(jié)果，并通過5G等快速連接將結(jié)果實時直接發(fā)送到醫(yī)生的設(shè)備上。未來的版本可以將分析過的X射線直接輸入病人的記錄。在那里，它們成為構(gòu)成患者數(shù)據(jù)集的多元數(shù)據(jù)庫中的另一個因素，從而使醫(yī)生能夠提出個性化的建議。

我們正在解決的問題

以下是目前我們所面臨的問題和一些解決方案：

隨著全球人口的不斷增長和老齡化，傳統(tǒng)醫(yī)療在擴大規(guī)模方面遇到了困難。部分問題源于醫(yī)療行業(yè)產(chǎn)生的數(shù)據(jù)遠遠超過其基礎(chǔ)設(shè)施目前所能處理的數(shù)據(jù)。

人工智能可以幫助自動化完成許多由衛(wèi)生專家執(zhí)行的任務(wù)。

通過將人工智能應(yīng)用于一系列醫(yī)療數(shù)據(jù)類型和來源，護理建議可以根據(jù)患者的具體特征量身定制，以獲得更高的準(zhǔn)確性和有效性，而不是建議采用更有可能產(chǎn)生副作用的籠統(tǒng)做法。

人工智能可以通過使用專門為這些工作負載設(shè)計的硬件或軟件平臺來加速。

支持人工智能的平臺可以嵌入并連接到醫(yī)療物聯(lián)網(wǎng)設(shè)備，提供新的功能和使用價值。

物聯(lián)網(wǎng)設(shè)備及其附屬的生態(tài)系統(tǒng)可以配備5G等連接，以將其效用和價值擴展到那些不斷增長的人口中。

美國為這一進程中人口增長帶來的影響提供了有力的例證。根據(jù)美國疾病控制中心的信息，盡管在過去幾年里，癌癥新發(fā)病例的比例已經(jīng)趨于平穩(wěn)，但不斷增長的人口使新發(fā)病例的數(shù)量從2010年的150萬上升到2020年的190萬，部分原因是超重、肥胖和傳染病的比例上升。

白皮書《加速臨床基因組學(xué)轉(zhuǎn)變癌癥護理》描繪了從最初的病人就診到數(shù)據(jù)驅(qū)動的治療，傳統(tǒng)方法處理新癌癥病例的整個過程。在每一個步驟中，不斷的拖延都在折磨著病人——延長病人的焦慮，增加疼痛，甚至導(dǎo)致不必要的死亡。

當(dāng)日完成診療

英特爾發(fā)起了一項名為“當(dāng)日完成診療”的倡議，為醫(yī)療行業(yè)設(shè)定了一個目標(biāo)：讓患者在24小時內(nèi)完成從最初的掃描到基于精準(zhǔn)醫(yī)療的醫(yī)治行動。這包括基因測序，對癌癥相關(guān)的細胞和分子水平通路的分析，以及識別能夠提供最安全、最有效治療的基因靶向藥物。

為了使這一切在一天之內(nèi)成為可能，該行業(yè)將需要安全、廣受信任的方法來定期交換PB級的數(shù)據(jù)。英特爾指出，一個典型的基因序列大約產(chǎn)生1TB的數(shù)據(jù)?，F(xiàn)在，在涉及許多基因組分析操作的數(shù)千個基因組序列中，需要將其相乘。這些龐大數(shù)據(jù)集的處理需要人工智能和計算能力，這超出了當(dāng)今大規(guī)模并行加速器的能力范圍。但這一愿景馬上就要實現(xiàn)了。

由于醫(yī)生將不得不為越來越多的患者服務(wù)，因此他們可能需要數(shù)據(jù)結(jié)果和可視化，這些數(shù)據(jù)和可視化可以傳遞到任何地方，包括以動畫形式或在虛擬現(xiàn)實中呈現(xiàn)的形式。這將需要5G類型的無線連接，以便為正在使用的任何醫(yī)療物聯(lián)網(wǎng)設(shè)備提供足夠的數(shù)據(jù)帶寬。

如果成功了，會有更多的人得到個性化的醫(yī)學(xué)幫助和病癥緩解。醫(yī)療物聯(lián)網(wǎng)和5G與當(dāng)前重塑現(xiàn)代醫(yī)學(xué)的其他趨勢相吻合，使這些愿景成為日常現(xiàn)實。2018年英特爾的一項調(diào)查顯示，37%的醫(yī)療行業(yè)受訪者已經(jīng)在使用人工智能；到2023年，這一數(shù)字將上升到54%。有前途的新產(chǎn)品和方法每天都在出現(xiàn)。一些最近的例子隨處可見。

隨著人工智能繼續(xù)被采用，并與更快的硬件、更多樣化的醫(yī)療設(shè)備和更快的連接配對，也許我們很快就會看到這樣一個時代：沒有父母會因為孩子出現(xiàn)不良反應(yīng)而眼睜睜地看著失去意識的孩子被救護車帶走，而這些不良反應(yīng)本可以通過精準(zhǔn)醫(yī)療和新一代技術(shù)得以避免。

（微信號：lieyunwang07）

閱讀原文