【“ZiDongHua”之创新&科技观察：人工智能医学影像辅助系统】浪潮和元脑左手伙伴开发的人工智能医学影像辅助系统应用于脑卒中，可能会改变这一局面。通常脑卒中诊断给影像科的时间仅有15-20分钟，该系统可以精确完成梗死病灶的检出，并根据不同的医疗需求完成血供区域、分水岭区域和结构区域的自动化、智能化、快速分割，从而实现梗死病灶的快速定性和定量分析，多重区域同步分割模型的准确率达到97.5%，能够在3分钟内提供参考诊断报告。

一般人可能不清楚的是，人工智能算法不仅是程序员写出来的，也是消耗海量算力“算”出来的。人工智能模型开发完成以后，需要进行大量的数据训练。相当于开发的模型是一个婴儿，训练过程就是这个婴儿长大成为专家的过程。

医疗影像系统每次训练都需要几百GB的数据量，浪潮信息为伙伴提供的训练平台每秒可完成近千亿亿次训练。需要注意的是，人需要不断的学习和成长，AI系统也一样，需要学习最新的病例，不断学习，这也意味着，AI系统可能要“终生学习”，持续需要庞大的算力来“喂养”。

医学人工智能守护生命之光：用算力与时间赛跑，推动医疗均质化

/美通社/ -- “时间就是生命”，没有哪个时刻会比抢救过程更能印证这句话。分秒必争、先行一步……在救护过程中缩短时间、提高诊治效率，有些人的命运或许就会被改变。

45岁的王大成是一名社区工作人员。一天，他出现左手活动不灵的症状并逐渐加重，但是他没有在意，依然坚守岗位。在夜班执勤过程中突发瘫痪，被交接班的同事发现，紧急送到吉林大学第一医院，进入脑卒中绿色通道救治。初步查体后，医生判断王大成发病时间较长，需要尽快救治。

在这个过程中，人工智能参与进来，辅助医生3分钟内完成影像数据分析，多学科一体化得出治疗方案对病人进行机械取栓手术，用最大努力把患者从终身瘫痪和死亡边缘拉了回来。依靠绿色通道、平台技术的支撑，他们打赢了这场“生命争夺战”。

3分钟！与时间赛跑，人工智能参与“生命借力”

脑卒中的救治，是一场与时间的赛跑，脑卒中患者救治每延误一分钟，就会有190万个脑细胞受损，因此，脑卒中的救治有非常严格的时间窗。要在窗口期之内必须做出一个治疗方案，这对相当一部分医生来说，并非易事。特别是患者发病6小时以后，其脑组织大部分区域遭到破坏，而基层医生诊断能力不足，加上临床缺乏可靠准确的自动化评估工具，无法精准识别患者的核心梗死区以及无法判断出还可以挽救的脑组织区域，很多脑卒中的病例诊断时间可能达到100分钟，导致治疗率迟迟无法提高。从2015年至今，我国急性脑梗死再灌注治疗率远低于欧美国家水平，发病4.5小时内且没有禁忌症的急性脑梗死患者静脉溶栓的实际执行率只有22.9%。

浪潮和元脑左手伙伴开发的人工智能医学影像辅助系统应用于脑卒中，可能会改变这一局面。通常脑卒中诊断给影像科的时间仅有15-20分钟，该系统可以精确完成梗死病灶的检出，并根据不同的医疗需求完成血供区域、分水岭区域和结构区域的自动化、智能化、快速分割，从而实现梗死病灶的快速定性和定量分析，多重区域同步分割模型的准确率达到97.5%，能够在3分钟内提供参考诊断报告。

先进医疗下沉 人工智能让更多人受益

我国是卒中大国，每年新发卒中病人超过300万^[1]。在我国医院收治的神经系统疾病患者中，卒中患者占比高达66.5%^[2]。病人面临着健康威胁，医生也面临着难题。

脑卒中诊断治疗是技术，更是经验。培养一个高资质的脑卒中医生往往需要10年时间。我国幅员辽阔，医疗发展水平地域差距较大，这样的医生往往集中于发达地区的三甲医院，广大的边缘地区医生水平、经验都亟待提高，这也是我国脑卒中治疗情况不理想的直接原因。

人工智能医学影像辅助系统的出现，正在改善这一现状。脑卒中的详细诊断主要依靠影像，人工智能医学影像辅助系统完全可以把最好的医生诊断经验固化为算法和解决方案，用“设备下乡”的方式来解决基层医疗机构的脑卒中诊断问题，相比于医生下乡，无论可行性、效率，都高得多。

现代科技为医疗均等化的实现开辟了新途径。

AI医疗，算力、算法、数据缺一不可

在王大成案例中所使用的人工智能辅助分析医疗产品，基于神经病学研究和治疗全球领先医院的上万例临床影像数据训练而成。医院不仅拥有海量的临床影像数据，而且治疗水平也极高，我国脑卒中再灌注治疗复发率为25%，国际水平为7%，该医院的治疗复发率远低于国际水平。

人工智能模型深度学习医院资深临床专家的诊疗技术，支持多模态影像自动分析，包括CTA(CT血管成像)/CTP(CT灌注成像)分析、核磁分析等，满足不同等级医院的设备条件需求，能辅助临床医生做出更好的治疗决策。

数据、算法两大维度已发力，但如果没有强劲的“动力”带动二者运转也无法做到高效。浪潮智慧算力为AI真正实现医疗辅助提供了根本保障。

算力瓶颈，AI参与诊断真正进入临床

一般人可能不清楚的是，人工智能算法不仅是程序员写出来的，也是消耗海量算力“算”出来的。人工智能模型开发完成以后，需要进行大量的数据训练。相当于开发的模型是一个婴儿，训练过程就是这个婴儿长大成为专家的过程。

医疗影像系统每次训练都需要几百GB的数据量，浪潮信息为伙伴提供的训练平台每秒可完成近千亿亿次训练。需要注意的是，人需要不断的学习和成长，AI系统也一样，需要学习最新的病例，不断学习，这也意味着，AI系统可能要“终生学习”，持续需要庞大的算力来“喂养”。

当然，在实际应用部署时，这套系统也需要强大的算力平台来减少计算耗时，虽然部署情况不同，但是每套系统的峰值算力水平也在几百亿亿次的超高水平。

浪潮信息解决的不仅是算力问题，还有方案的开发和部署难题。AI系统的开发和训练需要多人协作。 所以，浪潮不仅提供了AI算力平台，还提供了AI资源管理平台AI Station，对计算力资源进行统一、高效的管理，支持了伙伴数十位工程师同时使用计算平台，显著提升了资源使用率与训练效率，GPU使用率由原来的30%上升为75%，大大节约了算力成本，同时又提升了效率：主要模型训练速度提升10倍以上，训练时间由2周多降为2天。

凭借优质的数据来源、领先的算法模型和强劲的算力平台，通过不断新病例的分析训练，这套人工智能医学影像辅助系统在算力的支撑下，正在不断自我迭代、不断升级，提高准确率。

AI对现代医疗的影响远不止于此，浪潮信息也联手美国西北大学开发人工智能NLP系统来识别需要随访的放射影像检查报告，此项成果发表在了《新英格兰医学催化剂杂志》子刊（NEJM Catalyst）上。

医疗的目的，不仅是救活病人，更高的目标是让病人恢复健康，回归社会，回归生活。

时间的缩短是技术发挥作用的重要体现，也依然是这点让王大成的故事有了圆满的结局。同时，我国医疗资源缺乏且分布不均衡，基层医疗力量薄弱，临床+人工智能的交叉应用，将高质量的临床数据转化为普适的经验，辅助基层医生快速精准完成影像数据分析、降低漏诊误诊、提升医生工作效率造福更多患者……在推进我国医疗均质化的过程中，更大范围造福百姓生命健康。

信息来源：

^[1]中国脑血管病临床管理指南，第289页
^[2]人工智能在卒中诊疗的研究和应用：曙光初现，任重道远；中国卒中杂志，2020年3月