AI • 物联网 • 网络边缘

生物医学研究的突破往往来自于对相关性和因果关系（即人体生理过程的原理和方式）的理解。

科学家通过关联数据集，得出癌症发病率升高或对疫苗反应更好等结论。他们随后会研究这些相关性的根本原因。有条不紊地完成这些生物医学研究周期是一项乏味但有意义的工作。

现在，AI 驱动的计算机视觉已应用于医学成像，加速了数据相关性的发现。它能够更快地发现值得探索的问题点。这样，AI 就能帮助人类更快地锁定问题所在。并且这可以帮助人类科学家更快地找到改变生活的医疗解决方案。

医学成像中的 AI 模型

一个使用案例是梅奥诊所使用 AI 和机器学习显著增强超声成像的能力。首先，该医疗机构使用英特尔和戴尔的最新技术、工具和产品（在戴尔边缘系统上运行的英特尔^® Geti^™ 平台和英特尔^® OpenVINO^™ 工具套件），在内窥镜检查视频中查找肾结石，并评估护理点 (POC) 超声图像以判断心脏功能。

戴尔科技（一家提供广泛产品组合和全面服务的解决方案提供商）的生命科学战略全球负责人 Alex Long 表示，梅奥诊所在 AI 超声成像应用方面的工作是这项技术的一个特别有用的案例。长期以来，对超声波的解读一直是主观的，容易出错，并且需要专门的培训。

但经过大量数据训练的视觉 AI 模型可以帮助护理人员提供更加个性化的病床护理。利用 AI 增强护理，可以更快、更准确地发现异常，而且只需少量培训。利用预训练模型和主动学习的现代方法使快速开发和部署这些模型成为可能。“我们的护理人员知道使用 AI 帮助患者护理的好处，但在 POC 超声这样的案例中，过去没有可行的 AI 模型”，梅奥诊所的 David Holmes 博士表示。他的工程师团队利用交互式 AI 建模工具快速开发了一个可在床边评估图像质量的 AI 解决方案，以确保在患者护理中使用最佳图像。

AI 在医学成像中的应用不仅仅是其作为诊断工具的能力。“这利用了视觉 AI 来解读成像数据，并准确增强了人类的能力”，Long 表示。经过培训的诊断人员通过筛选文件来发现问题（评估乳房 X 光照片以发现乳腺癌的早期迹象就是一个很好的例子），他们也可以受益于 AI，让 AI 引导他们对更多区域进行评估。AI 的优势在于，它会发现人眼由于确认偏差而可能遗漏的模式。

生物医学研究中的各种其他场景都可以从 AI 中受益，特别是涉及成像数据时。“事实证明，许多其他医疗系统本质上也是依靠视觉的”，Long 表示。这些系统都可以从使用 AI 作为增强人类能力的工具中受益。

合作推动创新

英特尔和戴尔科技的合作推动了这些 AI 驱动的突破。“社区的定义是一群志同道合、共同努力实现一个目标的人”，Long 说。“我们正看到一个医疗保健生命科学社区在戴尔和英特尔之间诞生。”

多年来，两家公司之间的合作一直有机健康地发展，Holmes 博士的工作就是两家公司如何发挥各自优势的一个例子。两家公司的医疗保健解决方案团队以及他们的技术和产品平台促进了与领先的生物医学研究人员和提供商的合作。

“我们产品组合的深度、合作伙伴关系的深度以及交付所需的 IT 和基础设施方面的专业知识”是戴尔做出的贡献，Long 表示。此外，戴尔牢记，医疗保健行业非常重视隐私和对患者敏感健康信息的保护。“这不仅仅是采用技术来降低成本”，Long 表示，“也事关利用技术推动人类改善健康的举措。我们对真正推动人类关怀充满热情。”

AI 在医疗领域的未来

梅奥诊所使用案例展示了 AI 模型在生物医学研究中的潜力。我们刚刚开始探索 AI 在视觉成像数据中发现相关性的方法，引导人类找到进一步探索的新途径。

研究人员几乎总是试图找到相关数据来得出结论，而且“如果想找到什么东西来确定相关性，没有什么比 AI 更好的了”，Long 表示。“我对 AI 在加速诊断、改善患者护理以及快速理解下一波启发式方法和治疗等方面的潜力感到非常兴奋。”

说到人体，还有很多方面有待发现。现在正是技术和医学交汇的激动人心的时刻，因为 AI 可以促成的发现数量令人难以想象。AI 可以利用多年的数据来训练其“视觉”。结果很可能是革命性的。
 

由 insight.tech 主编 Georganne Benesch 编辑。