隨著人工智能不斷向行業(yè)應(yīng)用滲透，多技術(shù)交叉正在給各個(gè)領(lǐng)域的創(chuàng)新帶來(lái)新的想象力。在醫(yī)療健康領(lǐng)域，AI 專家和醫(yī)學(xué)專家們正在一起推動(dòng)從疾病輔助診斷、輔助決策、疾病愈后以及隨訪管理的全場(chǎng)景人工智能醫(yī)療服務(wù)體系的應(yīng)用。

在美國(guó)，西北大學(xué)芬伯格醫(yī)學(xué)院（Feinberg School of Medicine at Northwestern University）正在基于搭載了 NVIDIA A100 Tensor Core GPU 的浪潮 AI 服務(wù)器，與西北醫(yī)學(xué)中心（Northwestern Medicine）合作，開發(fā)人工智能 NLP 系統(tǒng)來(lái)識(shí)別需要隨訪的放射影像檢查報(bào)告。這支研究團(tuán)隊(duì)來(lái)自放射科、患者安全、流程改進(jìn)、初級(jí)醫(yī)療與護(hù)理學(xué)等不同領(lǐng)域，通過將深度學(xué)習(xí)的技術(shù)運(yùn)用到 NLP 中，實(shí)現(xiàn)了使用 BiLSTM 模型等 AI 技術(shù)對(duì)放射影像報(bào)告中的結(jié)論與建議進(jìn)行跟進(jìn)，并在電子健康記錄系統(tǒng)（EHR）中實(shí)現(xiàn)向醫(yī)生及患者的自動(dòng)化警示通知，有效地減少和預(yù)防了高危疾病的發(fā)生。

該項(xiàng)目實(shí)現(xiàn)了規(guī)范化、系統(tǒng)性的項(xiàng)目設(shè)計(jì)，建立了數(shù)據(jù)采集、模型創(chuàng)建、模型迭代、數(shù)據(jù)標(biāo)注、臨床評(píng)估等系統(tǒng)，構(gòu)建了一個(gè)全自動(dòng)化的閉環(huán)系統(tǒng)，不僅可以提高結(jié)果的準(zhǔn)確性，還極大提高了整個(gè)項(xiàng)目的效率。

AI 讀取影像報(bào)告

不錯(cuò)過檢查中的“蛛絲馬跡”

芬伯格醫(yī)學(xué)院與西北醫(yī)學(xué)的研究團(tuán)隊(duì)發(fā)現(xiàn)，當(dāng)醫(yī)生在診治患者時(shí)，每天可能要為患者安排數(shù)十項(xiàng)放射性醫(yī)學(xué)影像檢查，如 X 射線、CT 和 MRI 等。然而，由于工作繁忙，醫(yī)生無(wú)法一次性處理完影像檢查中發(fā)現(xiàn)的每一個(gè)問題，大多數(shù)情況下，醫(yī)生只能處理自己正在診治的病癥。這意味著，如果患者的影像檢查報(bào)告中還有其他疾病相關(guān)的后續(xù)醫(yī)學(xué)行動(dòng)建議（例如進(jìn)一步的化驗(yàn)和評(píng)估），它們可能會(huì)被延遲執(zhí)行或無(wú)意中忽略。

實(shí)際上，現(xiàn)實(shí)中約有 33% 的后續(xù)醫(yī)學(xué)建議會(huì)被忽視，盡管大部分都是良性或輕癥，但隨著時(shí)間發(fā)展，他們有可能成為惡性或重癥。針對(duì)這一問題，西北大學(xué)芬伯格醫(yī)學(xué)院的 Mozziyar·Etemadi 博士與團(tuán)隊(duì)制定了一項(xiàng)計(jì)劃——使用人工智能技術(shù)確保對(duì)放射影像檢查報(bào)告中的結(jié)論與建議進(jìn)行有效跟進(jìn)，以防止診斷和治療的延誤并改善治療效果。該團(tuán)隊(duì)開發(fā)了基于遞歸神經(jīng)網(wǎng)絡(luò)和自然語(yǔ)言處理（NLP）的自動(dòng)化 AI 工作流程，檢查和識(shí)別那些包含額外醫(yī)療隨訪建議的放射學(xué)報(bào)告，并確保后續(xù)診治得到執(zhí)行。

“我們使用人工智能和特定的工具，如搭載 NVIDIA A100 Tensor Core GPU 的浪潮 AI 服務(wù)器 NF5488M5-D，構(gòu)建了自己的定制 AI 工作流程，” Etemadi 博士說(shuō)，“這一 AI 系統(tǒng)可讀取幾乎每一份放射報(bào)告，并通過與我們病歷系統(tǒng)的深度集成，向主治醫(yī)生、患者和專門的后續(xù)團(tuán)隊(duì)提供警示與通知，確保細(xì)微的發(fā)現(xiàn)和建議不被忽略?！?/p>

研究團(tuán)隊(duì)將此項(xiàng)成果發(fā)表在了《新英格蘭醫(yī)學(xué)催化劑雜志》子刊（NEJM Catalyst）上，結(jié)果顯示，其定制的 AI 工作流程在 13 個(gè)月內(nèi)篩選了逾 57 萬(wàn)份影像報(bào)告掃描件，發(fā)現(xiàn)其中 2.9 萬(wàn)份（占總數(shù)的5.1%）包含與肺部檢查結(jié)果相關(guān)的后續(xù)建議，平均每天標(biāo)記 70 個(gè)結(jié)果。結(jié)果表明，對(duì)肺部檢查結(jié)果隨訪的靈敏度達(dá) 77.1%、生物特異性達(dá) 99.5% 和準(zhǔn)確性達(dá) 90.3%，并與醫(yī)生進(jìn)行了近五千次互動(dòng)，完成了 2400 多次隨訪。文章得出的結(jié)論是，人工智能和機(jī)器學(xué)習(xí)過程提高了醫(yī)學(xué)成像結(jié)果的可靠性，可以有效減少和預(yù)防高危疾病。為了讓這一項(xiàng)研究成果發(fā)揮最大效益，研究團(tuán)隊(duì)還將附有教程的代碼進(jìn)行了開源開放。

實(shí)現(xiàn) AI 模型開發(fā)、迭代、部署全流程打通

自 2019 年以來(lái)，西北大學(xué)芬伯格醫(yī)學(xué)院已經(jīng)在 NVIDIA 和浪潮信息 AI 計(jì)算平臺(tái)支持下開展眾多 AI 創(chuàng)新項(xiàng)目。最初的合作起源于芬伯格醫(yī)學(xué)院試點(diǎn)的高性能數(shù)據(jù)管道，以直接對(duì)衛(wèi)生系統(tǒng)中的數(shù)據(jù)進(jìn)行深度學(xué)習(xí)。此前，受制于傳統(tǒng)的醫(yī)療數(shù)據(jù)存儲(chǔ)系統(tǒng)，芬伯格醫(yī)學(xué)院 AI 開發(fā)團(tuán)隊(duì)在進(jìn)行深度學(xué)習(xí)創(chuàng)新時(shí)必須創(chuàng)建數(shù)據(jù)副本，這使得 AI 研發(fā)的成本十分高昂。浪潮信息基于 NVIDIA Ampere 架構(gòu)的 NF5488M5-D 人工智能訓(xùn)練平臺(tái)集成了定制中間件和高速連接網(wǎng)絡(luò)，使 Etemadi 博士的團(tuán)隊(duì)能夠構(gòu)建內(nèi)部定制的 PyTorch 和 TensorFlow 數(shù)據(jù)加載器，允許其無(wú)縫訪問傳統(tǒng)系統(tǒng)中存儲(chǔ)的數(shù)據(jù)，極大地優(yōu)化了人工智能訓(xùn)練效率與結(jié)果。

結(jié)果表明，搭載了 NVIDIA A100 的浪潮信息 AI 計(jì)算平臺(tái)為西北大學(xué)芬伯格醫(yī)學(xué)院的 AI 醫(yī)療創(chuàng)新提供了從數(shù)據(jù)提取、數(shù)據(jù)清洗、模型訓(xùn)練、模型優(yōu)化到模型部署的全流程算力保障，幫助其提高 AI 模型訓(xùn)練效率十倍以上，數(shù)據(jù)處理效率提升百倍以上，隨著訓(xùn)練速度和數(shù)據(jù)準(zhǔn)備等多方面改進(jìn)，該解決方案能夠?qū)⑸疃葘W(xué)習(xí)模型的快速原型設(shè)計(jì)、迭代和部署直接應(yīng)用于醫(yī)療保健環(huán)境中，加速頂尖智能醫(yī)療技術(shù)應(yīng)用落地。

“人工智能使醫(yī)學(xué)研究人員能夠?qū)⒓毙璧墓ぞ邞?yīng)用于臨床，為醫(yī)生和患者交付成果，” NVIDIA 醫(yī)療人工智能全球負(fù)責(zé)人 Mona Flores 博士說(shuō)?！笆褂萌斯ぶ悄軆?yōu)化工作流程可以減輕積壓，臨床醫(yī)生也可優(yōu)先對(duì)最急需的患者進(jìn)行隨訪?！?/p>

未來(lái)，西北大學(xué)芬伯格醫(yī)學(xué)院將基于 AI 技術(shù)構(gòu)建和測(cè)試新的智慧醫(yī)療工作流程，持續(xù)提升臨床醫(yī)療診治的效率。Etemadi 博士總結(jié)說(shuō)：“通過借助 NVIDIA 與浪潮信息領(lǐng)先的 AI 計(jì)算解決方案，我們能夠打造定制化的人工智能工具，服務(wù)于我們的患者、醫(yī)生、護(hù)士和一線員工。非常期待醫(yī)療保健、人工智能的未來(lái)發(fā)展，希望可以用各種方式繼續(xù)幫助患者。”