医疗

肺癌是全球第二大癌症，肺癌的筛查是一个复杂的过程。医生使用低剂量计算机断层扫描 (LDCT) 来扫描病人，从而产生数百个 2D 图像。医生对这些图像进行检查，识别肿瘤的位置和大小，然后根据患者的病史、实验室工作、活组织检查和其他信息进行评估，所有这些都有助于确定疾病的发展阶段和最佳治疗过程。

LDCT 是抗击这种致命疾病的重要工具，但这也是一个缓慢而艰难的过程，有可能产生人为错误。一种新的方法使用边缘处理、人工智能和安全数据共享来帮助医生更快得出准确的诊断并更早地开始治疗。久而久之，它可以提高对肺癌和其他疾病的理解，并刺激更有效疗法的发展。

提升检测率

由网络硬件和边缘服务器生产商其阳科技有限公司 (AEWIN Technologies Co., Ltd.) 开发的 LDCT 人工智能助手解决方案，结合使用三种先进技术来更快地产生结果。最重要的是高速的计算能力。AEWIN SCB-1932C 边缘服务器基于第 3 代英特尔^® 至强^® 可扩展处理器打造，可以近乎实时地现场处理数百个 LDCT 图像。

“要处理这么多的图像，CPU 必须非常强大。” AEWIN 销售和营销总监 Benjamin Wang 说。“一些英特尔^® 芯片还包含内置的安全功能，有助于保护医疗数据免遭黑客攻击。”

人工智能助手平台使用英特尔^® OpenVINO^™ 工具套件来分析患者的 LDCT 图像。通过大量的扫描，该系统可以快速减少医生需要考虑的图像数量——从多达 600 张减少到寥寥几张。

AEWIN 的产品营销经理 Tiana Shao 说：“人工智能应用推理来检测异常肺结节并对它们进行分类，因此医生只需检查优先级高的扫描，这有助于提高诊断效率。医疗人工智能架构师从数百个受支持的人工智能框架转换而来，这些框架可以在 AEWIN 边缘计算平台上轻松运行，从而显著提高了性能。”

随着医疗人工智能技术提高筛查效率，可以更早识别可疑的癌症，从而促使更快地启动治疗流程。提高人工智能系统的可用性能够加速早期检测解决方案的开发，并降低总护理成本。

改善人工智能模型

最近，AEWIN 开始使用一种新的平台，可以提高检测效果，更好地预测疾病进程，并改善治疗。

多年来，各种不同且不断发展的患者隐私法抑制了医疗专业人员汇集和分析数据的能力。借助全新的 Qisda Federated Learning Platform，世界各地的医院可以安全地共享重要的人工智能模型参数，而无需传输任何敏感的患者个人信息。

这种海量数据将为人工智能模型带来极大的帮助，这些模型依赖于分析庞大的数据集来提高自身能力。Shao 说：“通过在 AEWIN 打造的 IT 基础设施上运行的开放和安全的联合学习，医院可以一起构建和扩展更好的模型。”

机器学习也需要多样性来减少偏差。当医院数据处于孤立状态时，地理和人口范围是有限的。甚至连医生使用的医疗器械都会影响结果。
基于不断增长的多样化数据的人工智能模型将使准确性不断提高。
随着人工智能系统大规模地将医疗程序与结果相关联，它们将帮助医生更好地了解疾病的发展，并决定在各种情况下哪种治疗方法最有效。

AEWIN 计划在台湾的两家主要高校附属医院和几家较小的当地机构部署 Qisda 平台及其智能成像解决方案。对于许多医疗机构来说，采购新的人工智能基础设施通常是一项具有挑战性的投资。利用现有 IT 基础设施上的闲置计算可以缓解医疗人工智能开发的高资本支出。Qisda 还提供可在医疗中心内部实施的云解决方案。对于担负不起高性能设备的当地医院，商业模式是租赁解决方案，而不是购买整个系统。

Wang 说：“医疗人工智能为现代商业模式铺平了道路，如订阅或按使用付费。”

随着人工智能算法摄取更多数据，小医院及其分支机构将同样受益于学习模型提高的准确性和预测。

截至目前，虽然 AEWIN 只将其系统用于肺癌，但使用案例可能会扩大。“以目前的技术，肺结节可以达到很高的检测精度。我们以此为开端，期待更多的潜在应用。” Shao 说。“在全球各地医院的合作下，智能医疗能够快速发展。我们预计在未来几年将会看到许多新的应用。”

本文由 insight.tech 的编辑副主管 Georganne Benesch 编辑。