在醫療影像AI應用上，英特爾要讓數萬開發者和億萬大眾受益
談到人工智慧在醫學影像中的應用，不少業內人認為醫療領域內的約束和障礙還有很多，
於是不少企業選擇退步或觀望，即便涉水，也只是淺嘗輒止。
“醫療問題面前，不再分中國美國，也不分科技公司還是醫療公司，這是一個關係到全人類生命健康的話題。在面對這一問題時，不管過程多麼艱辛，
在與浙江大學第一附屬醫院、愛爾眼科等多家醫院，以及阿裡雲、浙江大學數理學院、浙江德尚韻興圖像科技有限公司、晉弘科技和極視互聯等多家單位及企業共同探索數月後，英特爾已經印證了AI在甲狀腺結節、糖網和黃斑變性等眼底病變醫學影像輔助診斷上的可行性，於是決定加大力度，
當業內其他公司的醫療團隊把所有精力集中在研發自有產品之際，英特爾認為“授人以魚，不如授之以漁”，一家公司能做的事畢竟有限，如果利用自己百年來積累的技術優勢、平臺優勢和行業服務能力，扶持更多的AI醫療創新者，將比一人孤軍奮戰更有意義。
那麼如何“授之以漁”？
經過一番考量，英特爾決定為來自世界各地想用AI解決醫療問題的團隊，
最終，英特爾選擇以比賽作為切入點，與合作夥伴啟動了一場有著2887支隊伍參與的天池醫療人工智慧大賽，歷時7個月後，於近日正式落下帷幕。
這次大賽向醫學界公認的難題肺結節早篩發起挑戰。
一、為何選擇從肺結節篩查切入？此次大賽是英特爾、阿裡雲、零氪科技一同發起和支持，是國內第一個醫療人工智慧大賽，規模和資料量也在世界範圍內絕無僅有，共有16家國內知名腫瘤醫院為本次比賽提供了脫敏和標注的、近3000例高危患者的低劑量肺部CT影像資料。
之所以選擇肺結節篩查作為“考題”，
而且國內有從肝癌識別的業內人士也曾指出，通過對比中、美、英三國的肺癌發生率和死亡率，資料顯示國內肺癌發生率低於英、美，但死亡率卻已超過英、美。這其中的重要原因是，當患者診斷出自身有肺癌後，70%已到中晚期，錯過了最佳診斷和治療時間。
因此肺癌早篩在國內是一件刻不容緩、急需解決的任務。
早篩是減少肺癌死亡率的重要手段，而癌症早期多表現為肺部結節。這些肺部結節的尺寸非常小、對比度低、抑制化高。
過去的篩查工作均由影像科醫生完成，由於每個病人肺部CT的掃描圖片數目超過200層，平均診斷時間在20分鐘以上，當醫生遇到大量病人時，極其耗時、耗力，而且容易漏診。
與此同時，微小肺部結節在影像學的表現易與其他組織或部位產生混淆，如毛細血管、結核、假瘤等，從而打擾到醫生的判斷。
基於這一痛點，影像科急需新的技術來輔助醫生提升診斷效率，這時候人工智慧從眾多技術中脫穎。它能從海量醫學影像資料中學習和模仿醫生的診斷“經驗”，在短時間內快速提升診斷能力，輔助醫生減少誤診。
二、行業此前面臨的軟硬體局限與解決方法雖然人工智慧更新反覆運算迅速，但醫學影像分析作為一個龐大的工程問題，很多工作都得一步步進行，尤其像醫療這種資料形態和特徵較為複雜的行業，它在人工智慧鋪助診斷上面臨的難題，也是一個接一個，且彼此之間密切相關：
首先，GPU難擔重負，至強融核卻有獨到優勢
經調查發現，相比而言醫學影像分析更需要3D神經網路架構的支撐，後者與行業內常見的2D圖像深度神經網路有著很大不同。
記者瞭解到，天池大賽參賽隊伍大多採用3D影像資料方案，其模型本身並不大，但每次輸入的資料卻超過常用顯卡的顯存容量。醫療行業內除了3D資料外，還有附帶時序的核磁共振4D資料，它們更加依賴記憶體，這時GPU在處理3D和4D影像資料時往往面臨吃不消的問題。
要想做出優秀的醫療AI方案，不僅需要狹義上的計算力，同時也要有強大的存儲力做支撐，因此醫療為AI底層設施提出了全新的挑戰。
基於上述情況，英特爾專門為深度學習設計的至強融核處理器的優勢便開始突顯，它就像CPU一樣，可直接讀取記憶體，單顆能支援和使用的記憶體容量就高達384GB。
不少參賽隊伍在描述英特爾至強融核處理器時如此形容到：“我們首先要明白 最重要的一點，它是CPU，不是卡。你可以把它理解為一個高性能的、能做深度學習，又能夠直接連記憶體的CPU產品。”
而在此之前，得益於在人臉識別和常見圖像識別上的顯著優勢，GPU已成為絕大多數開發者們訓練模型的首選。
英特爾中國資料中心雲計算高級技術總監周翔向雷鋒網透露，他在高校經常看到學生辛苦苦苦設計的很多醫學影像分析模型無法在GPU上運行。
為此，學生們不得不降低3D肺部影像資料圖元，然後拆分為多個小分塊，再進行一一識別。
這種“妥協”的方式會引發兩大問題：第一，降低圖元會丟掉細節資訊；第二，分塊識別有可能會產生誤差。
天池大賽冠軍團隊操作導致記憶體溢出。”
“英特爾工作人員犧牲自己的休息時間，熬夜幫我們調試代碼，並且在很短時間內找出問題所在，這也從側面反映出他們團隊強大的技術實力。”
而現在，這支年輕的北京大學團隊已經與北大幾家附屬醫院在內的一些醫療機構展開合作，醫學專家們也對他們的系統給予非常不錯的評價。
三、英特爾的醫療AI願景在本次訪談最後，周翔把英特爾對未來醫療AI的構想，從全社會和個人的角度予以展現：
一直以來，人們對英特爾的認知是一家晶片企業。實際來看，英特爾遠不止研發晶片這麼簡單。正如英特爾CEO科再奇所說，我們是一家以資料為中心的公司。
醫療行業有很多資料猶如還未被正確開發的巨大寶藏，我們希望聯手阿裡巴巴、零氪科技這類優秀企業把各行各業的資料盤活。
英特爾特別希望通過這次醫療AI大賽，讓那些真正做醫療的人、擁有資料的人、制定政策的人，能夠看到一個由人工智慧支撐的醫療模式是更加高效、更加安全、更具價值的。
我覺得科技公司不能因為政策和監管問題的限制，就選擇觀望，等待政策和監管落實後再行動。相反，我們的企業使命是考量能否通過扶持世界各地的創新者們加速AI技術的落地，讓更多政策制定者和監管機構明顯地感受到大家的創新成果和實際使用結果在不斷進步，從而也間接推動政策的落實，加快全社會對人工智慧的認知和認同。
而站在個人角度，作為公司和社會的一個小小個體，最讓我們這些技術從業者感到幸福的事，莫過於自己付出的長期努力，不僅可以造福全世界，也或許能夠切切實實地幫助到自己以及身邊的人。
70%已到中晚期，錯過了最佳診斷和治療時間。因此肺癌早篩在國內是一件刻不容緩、急需解決的任務。
早篩是減少肺癌死亡率的重要手段，而癌症早期多表現為肺部結節。這些肺部結節的尺寸非常小、對比度低、抑制化高。
過去的篩查工作均由影像科醫生完成，由於每個病人肺部CT的掃描圖片數目超過200層，平均診斷時間在20分鐘以上，當醫生遇到大量病人時，極其耗時、耗力，而且容易漏診。
與此同時，微小肺部結節在影像學的表現易與其他組織或部位產生混淆，如毛細血管、結核、假瘤等，從而打擾到醫生的判斷。
基於這一痛點，影像科急需新的技術來輔助醫生提升診斷效率，這時候人工智慧從眾多技術中脫穎。它能從海量醫學影像資料中學習和模仿醫生的診斷“經驗”，在短時間內快速提升診斷能力，輔助醫生減少誤診。
二、行業此前面臨的軟硬體局限與解決方法雖然人工智慧更新反覆運算迅速，但醫學影像分析作為一個龐大的工程問題，很多工作都得一步步進行，尤其像醫療這種資料形態和特徵較為複雜的行業，它在人工智慧鋪助診斷上面臨的難題，也是一個接一個，且彼此之間密切相關：
首先，GPU難擔重負，至強融核卻有獨到優勢
經調查發現，相比而言醫學影像分析更需要3D神經網路架構的支撐，後者與行業內常見的2D圖像深度神經網路有著很大不同。
記者瞭解到，天池大賽參賽隊伍大多採用3D影像資料方案，其模型本身並不大，但每次輸入的資料卻超過常用顯卡的顯存容量。醫療行業內除了3D資料外，還有附帶時序的核磁共振4D資料，它們更加依賴記憶體，這時GPU在處理3D和4D影像資料時往往面臨吃不消的問題。
要想做出優秀的醫療AI方案，不僅需要狹義上的計算力，同時也要有強大的存儲力做支撐，因此醫療為AI底層設施提出了全新的挑戰。
基於上述情況，英特爾專門為深度學習設計的至強融核處理器的優勢便開始突顯，它就像CPU一樣，可直接讀取記憶體，單顆能支援和使用的記憶體容量就高達384GB。
不少參賽隊伍在描述英特爾至強融核處理器時如此形容到：“我們首先要明白 最重要的一點，它是CPU，不是卡。你可以把它理解為一個高性能的、能做深度學習，又能夠直接連記憶體的CPU產品。”
而在此之前，得益於在人臉識別和常見圖像識別上的顯著優勢，GPU已成為絕大多數開發者們訓練模型的首選。
英特爾中國資料中心雲計算高級技術總監周翔向雷鋒網透露，他在高校經常看到學生辛苦苦苦設計的很多醫學影像分析模型無法在GPU上運行。
為此，學生們不得不降低3D肺部影像資料圖元，然後拆分為多個小分塊，再進行一一識別。
這種“妥協”的方式會引發兩大問題：第一，降低圖元會丟掉細節資訊；第二，分塊識別有可能會產生誤差。
天池大賽冠軍團隊操作導致記憶體溢出。”
“英特爾工作人員犧牲自己的休息時間，熬夜幫我們調試代碼，並且在很短時間內找出問題所在，這也從側面反映出他們團隊強大的技術實力。”
而現在，這支年輕的北京大學團隊已經與北大幾家附屬醫院在內的一些醫療機構展開合作，醫學專家們也對他們的系統給予非常不錯的評價。
三、英特爾的醫療AI願景在本次訪談最後，周翔把英特爾對未來醫療AI的構想，從全社會和個人的角度予以展現：
一直以來，人們對英特爾的認知是一家晶片企業。實際來看，英特爾遠不止研發晶片這麼簡單。正如英特爾CEO科再奇所說，我們是一家以資料為中心的公司。
醫療行業有很多資料猶如還未被正確開發的巨大寶藏，我們希望聯手阿裡巴巴、零氪科技這類優秀企業把各行各業的資料盤活。
英特爾特別希望通過這次醫療AI大賽，讓那些真正做醫療的人、擁有資料的人、制定政策的人，能夠看到一個由人工智慧支撐的醫療模式是更加高效、更加安全、更具價值的。
我覺得科技公司不能因為政策和監管問題的限制，就選擇觀望，等待政策和監管落實後再行動。相反，我們的企業使命是考量能否通過扶持世界各地的創新者們加速AI技術的落地，讓更多政策制定者和監管機構明顯地感受到大家的創新成果和實際使用結果在不斷進步，從而也間接推動政策的落實，加快全社會對人工智慧的認知和認同。
而站在個人角度，作為公司和社會的一個小小個體，最讓我們這些技術從業者感到幸福的事，莫過於自己付出的長期努力，不僅可以造福全世界，也或許能夠切切實實地幫助到自己以及身邊的人。