人工智慧

邊緣 AI 用於醫療影像帶給醫療保健領域的利害關係人可能的龐大效益。

反觀供應商，邊緣 AI 影像可以提升診斷準確度、醫師效率、加速病例處理時間，並減輕醫務人員過重的負擔。患者縮短等待診斷檢驗結果的時間，整體的照護品質也更佳，從而受益。

然而，開發 AI 支援解決方案實現上述預期成果並不容易。實作醫療領域的邊緣 AI 運算需求甚高，且有前例為殷鑑，獲得充分的運算資源實屬困難且費用高昂，而且基礎硬體元件無法針對醫療影像使用案例量身打造。

任何人渴望提供醫界創新 AI 支援影像解決方案，恐怕都會對此灰心喪氣，因為儘管市場有需求，開發實用、高效且可獲益的產品卻不容易。

但現在獨立軟體供應商（ISV）、原始設備製造商（OEM）和系統整合商（SI）準備要創新邊緣 AI 支援的醫療影像解決方案。眾多邊緣支援硬體選項的普及，及日益增加的靈活 AI 解決方案設計參考，讓 AI 支援的醫療影像解決方案得以實現。

AI 骨質密度偵測：案例研究

電腦視覺醫療影像系統開發商、淮陰醫療器械有限公司（HY Medical）的 AI 推理解決方案，就是絕佳範例。該公司希望提供臨床醫師 AI 支援工具，可主動篩檢患者可能的骨密度問題，以便及時採取預防措施。

為了 AI 推斷可就近在影像裝置執行運算工作，他們需要邊緣 AI 部署。藉此減少網路延遲和頻寬使用率，同時加強保護患者資料的隱私和系統安全。但這麼做也有困難之處。

鑑於 AI 模型十分複雜，及快速處理時間、處理大量視覺資料的的需求，醫療影像應用程式的邊緣運算能力需求也高。

再加上開發 AI 解決方案運用於醫療環境的特殊挑戰：格外高的穩定度需求、防水需求、抗菌設計元素，且醫療專業人員須核准解決方案才能投入使用。

淮陰醫療器械有限公司利用 Intel 的醫療影像 AI 設計參考與 Intel^® Arc^™ 顯示卡開發解決方案，從電腦斷層掃描讀取影像資料後，使用電腦視覺演算法處理資料。解決方案會自動根據電腦斷層掃描測量、分析患者的骨密度和組織組成，所以是醫師寶貴的篩檢工具。

不僅如此，解決方案更符合醫界嚴苛的效能需求。測試時，淮陰醫療器械有限公司發現系統 AI 推斷運算時間平均低於 10 秒。

Intel 處理器提供醫療邊緣運算高效的平台，所以該公司可輕易達成效能目標。Intel 技術也提供極高的靈活性和穩定度，有助這項技術廣泛應用於骨質密度篩檢情境。

設計參考加快 AI 解決方案開發

淮陰醫療器械有限公司開發骨質密度篩檢解決方案的經歷是前景看好的案例，且多虧立即可用的 AI 設計參考，類似案例想必會愈來愈普遍。這些參考架構讓 ISV、OEM、SI 可快速、高效開發市場迫切需求的醫療影像解決方案。

Intel 醫療影像應用程式適用的邊緣 AI 推斷設計參考，以多種方式支援這項目標：

利用高效能邊緣硬體緊密整合： 確保採用設計參考的解決方案會針對邊緣電腦視覺工作負載最佳化。結果是提升實際效能、基礎硬體 AI 模型最佳化及能源效率。

靈活的 AI 演算法方法： 鑑於不同軟體開發者使用不同工具，所以我們支援多種 AI 模型架構。使用 PyTorch、TensorFlow、ONNX、PaddlePaddle 或其他架構編寫的模型均可使用，而且不會犧牲相容性或效能。

AI 推斷最佳化： Intel^® OpenVINO^™ 工具組讓邊緣 AI 模型最佳化，並實現更快、更高效的推斷效能。

自訂硬體支援： 設計參考也會考量醫界自訂硬體設定的特殊需求。例如，散熱架構、低噪音硬體，及多款 I/O 連接埠（可在臨床環境連接其他裝置）。

這類參考架構的結果是縮短產品上市時間、降低產品開發階段的固有風險，為創新者指引明路，開發解決方案就此變得快速、高效且有利可圖。這對解決方案開發者、醫院管理人員、第一線醫療專業人員、患者等所有相關人士來說都有利。

醫療影像的 AI 願景

快速且經濟實惠地開發創新、量身打造的解決方案，有助 AI 支援醫療影像解決方案在近幾年大量萌發。其中潛在的影響將十分深遠，因為醫療影像適用於眾多領域，包括定期篩檢、預防保健，及支援醫師治療疾病或用於醫學研究。

醫院可以採用這項技術，大幅提升醫療影像讀解能力，同時減輕醫師和其他醫務人員的負擔。邊緣 AI 應用於醫療影像即象徵醫療保健數位轉型向前邁進一大步。
 

本文編輯 insight.tech 編輯總監 Georganne Benesch。