Skip to main content

AI 提升醫學影像速度與準確性

健康科技, AI 技術, 醫學影像

Alteplase 是具侵入性的血液稀釋劑,用於溶解中風患者腦中的血栓。雖然 Alteplase 可以大幅降低中風的長期影響,但也會帶來內出血的風險。此外,這款藥必須在中風初期症狀出現後三小時內施用。

醫師判斷能否施用 Alteplase 的唯一方法,就是利用電腦斷層 (CT) 掃描或是其他類型的醫學影像。醫學影像技術在最近這幾年有長足進步。然而,要在這些影像中辨認出有害的人體組織仍舊是繁瑣耗時的工作,即使由訓練有素的專家執行也是一樣。

對此,許多醫療機構正在採用 AI 技術來執行醫學影像分析。AI 模型是以數十萬名患者的資料訓練而成,醫師可以借助這些模型來大幅提升診斷速度與準確性。

JLK Inspection 推出的 AIHub 平台即是這樣的解決方案。

開拓醫學影像新視野

AIHub 是一套支援人工智慧的軟體模組,可針對人體 14 個部位找出 37 種不同病況(圖 1)。這些模組依據韓國各地大學附設醫院病患的資料,針對 MRI、CT、X光機、超音波及其他設備所拍攝的醫學影像執行推論演算法,準確度超過 99.5%。

AI 技術可針對人體 14 個部位診斷出 27 種病況。(資料來源:JLK Inspection)
圖 1. AI 技術可針對人體 14 個部位診斷出 27 種病況。(資料來源:JLK Inspection

然而這款平台與其他支援人工智慧的影像解決方案的不同之處,在於其能夠部署在雲端上,或是在本機伺服器上執行,甚至可全程在醫療終端裝置上執行。醫療終端裝置在這裡指的是臨床工作站,或是直接連接影像設備的 Intel®​​​ NUC 迷你電腦之類的輕巧裝置(圖 2)。

AIHub 推論演算法可以在搭載 Intel® Core™ 處理器的 NUC 等資源有限平台上執行。( 來源:Intel® )
圖 2. AIHub 推論演算法可以在搭載 Intel® Core 處理器的 NUC 等資源有限平台上執行。(資料來源:Intel®

在這些低成本 NUC 上執行時,AIHub 的 Atroscan 大腦老化和失智症分析演算法等模組僅需 15 分鐘即可完成影像分析。其他解決方案可能需要長達 24 小時的時間。

醫師和專家可以在執行 AI 影像分析的地點或附近,以近乎即時的方式在電腦平台上檢視生成的影像——徹底改變醫學影像分析的樣貌。

此外,要實現這一切,並不需要更換或升級現有設備,或投入高昂成本翻新基礎架構。資料分析完成之後會以符合 HIPAA 的格式,透過簡單的乙太網路連線傳送至醫院的「醫療影像儲傳系統」(PACS)。此外,如有需要,也可以將資料儲存在符合 HIPAA 的雲端環境中,例如 AWS 或 Azure。

在一般規格硬體上實現更快影像分析速度

AIHub 演算法完全由 CPU 核心進行處理,而不會使用 GPU。此外,JLK 效能評定顯示,NUC 上的模型平均載入時間約為 5.61 秒,而所需平均累計推論時間為 0.98 秒。相較之下,同時搭載多核心 CPU 和最先進 GPU 的傳統工作站分別需要 80.17 秒和 15.16 秒。

再者,考慮到每當有新病患需要造影時,可能需要載入新的模型並加以執行,因此從整體來看,分析時間就不只是減少一個數量級。然而,電腦效能上的明顯差異如何達成這一切?

JLK Inspection 開發了 AIHub 模組,使用 Intel® OpenVINO 工具組,這是一款軟體開發套件,能加速電腦視覺與深度學習工作負載(圖 3)。OpenVINO 包含模型最佳化工具、推斷引擎,以及進階 OpenCV 和 OpenVX 程式庫,可讓 AI 演算法在各種 Intel® 運算架構中以更快速度執行,且使用更少的記憶體。

圖 3.Intel® OpenVINO™ 工具組可最佳化 AIHub 醫學影像演算法。( 來源:Intel® )
圖 3. Intel® OpenVINO 工具組可最佳化 AIHub 醫學影像演算法。(資料來源:Intel®

將醫學推論技術普及至大眾

有了 AIHub 等新一代醫療造影選項,自然就會以大型醫院或專門影像設施為中心來思考。但在醫療照護生態系統的底層一樣能感受到真實世界的衝擊。

JLK Inspection 採用了 AIHub 演算法,能辨識結核病等疾病,而且可以在搭載 Intel® Core 處理器、低至 8 GB RAM 和 180 GB SSD 的筆記型電腦上執行。這樣的系統無需網路連線或穩定的電源,且可用低至 700 美元的價格購入。

事實上,由於透過技術堆疊來實現最佳化是非常重要的事,因此 JLK 最近推出了 HANDMED,這是一款整合式胸部X光相機與 AI 分析解決方案,可以在 3 秒內完成肺部影像分析,準確度超過 99%。

現在請想像一下這種技術可以如何造福現場第一線救護人員,以及在開發中國家或偏遠地區實施手術的醫師。如果能以如此低廉的成本精準且有效率地診斷病況,那麼醫師用在分析資料的時間就會大幅減少,因此得以用更多時間來履行踏上行醫之路的初衷——照顧病患。

作者簡介

Clive "Max" Maxfield received his BSc in Control Engineering in 1980 from Sheffield Hallam University, England and began his career as a designer of central processing units (CPUs) for mainframe computers. Over the years, Max has designed everything from silicon chips to circuit boards, and from brainwave amplifiers to Steampunk Prognostication Engines (don't ask). Max is the author and/or co-author of a number of books, including Designus Maximus Unleashed (banned in Alabama), Bebop to the Boolean Boogie (An Unconventional Guide to Electronics), EDA: Where Electronics Begins, FPGAs: Instant Access, and How Computers Do Math.

Profile Photo of Max Maxfield