AI • 物联网 • 网络边缘

边缘 AI 在医学影像中的使用为整个医疗行业的利益相关者带来巨大的利益。

对于医疗服务提供商而言，边缘 AI 成像可以改善诊断准确度、提高医生效率、加快病例处理速度并缓解医护人员过重的压力。患者则受益于更短的诊断检测结果等待时间以及更高的整体医疗质量。

但开发实现这一承诺所需的 AI 解决方案却充满了挑战性。在医疗领域实施边缘 AI 的计算要求很高，这使得获得足够的计算资源变得困难且成本高昂。此外，也很难定制足够好的底层硬件组件，以适应医学影像用例。

若要为医疗领域提供创新 AI 成像解决方案，这是一个令人沮丧的局面——因为市场需求固然存在，但要同步开发出有效、高效、盈利的产品却并非易事。

但现在独立软件厂商 (ISV)、原始设备制造商 (OEM) 和系统集成商 (SI) 能够更好地创新 AI 边缘医学影像解决方案。丰富的边缘功能硬件选择和灵活 AI 解决方案参考设计的日益普及使之成为可能。

AI 骨密度检测：案例研究

计算机视觉医学影像系统开发商 HY Medical 的 AI 推理解决方案 就是一个典型案例。该公司希望为临床医生提供一种 AI 赋能工具，用于主动筛查患者可能的骨密度问题，以便及时采取预防措施。

医生需要边缘 AI 部署，因此 AI 推理的计算工作需更接近影像设备，从而减少网络延迟和带宽使用，同时确保更好的患者数据隐私和系统安全。但挑战也随之而来。

由于 AI 模型较复杂、需要快速处理以及待处理的视觉数据量巨大，医学影像应用的边缘计算能力要求很高。

此外，开发用于医疗场景的 AI 解决方案还面临一些特殊挑战：对稳定性的要求非常高，需要防水和抗菌设计元素，以及要求解决方案在使用前获得医疗专业人员批准。

HY Medical 利用英特尔的医学影像 AI 参考设计和英特尔^® 锐炫^™ 显卡开发一种解决方案，可从 CT 扫描中获取图像数据，然后利用计算机视觉算法对其进行处理。该解决方案可以根据 CT 扫描数据自动测量和分析患者骨密度和组织成分，因此是医生的重要筛查工具。

该解决方案还能满足医疗行业对性能的严格要求。在测试中，HY Medical 发现其系统平均 AI 推理计算时间不到 10 秒。

英特尔处理器为医疗边缘计算提供了强大的平台，使该公司能够轻松实现其性能目标。英特尔技术还提供了巨大的灵活性和稳定性，使这项技术能够在骨密度筛查场景中得到广泛应用。

参考设计加速 AI 解决方案开发

HY Medical 在开发骨密度筛查解决方案方面的经验是一个充满希望的故事——有了 AI 参考设计，这个故事可能会变得更加普遍。这些参考架构使 ISV、OEM 和 SI 能够快速高效地为迫切的市场开发医学影像解决方案。

英特尔面向医学影像应用的边缘 AI 推理参考设计以多种方式支持这一目标：

与高性能边缘硬件紧密集成： 确保根据参考设计构建的解决方案能够针对边缘计算机视觉工作负载进行优化。结果是改善了真实性能，针对底层硬件更好地优化 AI 模型并提高能效。

灵活的 AI 算法方法： 由于不同的软件开发人员使用不同的工具，因此支持多种 AI 模型框架。PyTorch、TensorFlow、ONNX、PaddlePaddle 和其他框架编写的模型都可以使用，而不会牺牲兼容性或性能。

AI 推理优化： 英特尔^® OpenVINO^™ 工具套件可以优化边缘 AI 模型，实现更快、更高效的推理性能。

定制硬件支持： 参考设计还考虑到了医疗行业的特殊需求，即需要定制的硬件配置——例如，散热架构、低噪声硬件和丰富的 I/O 端口，以便在临床环境中与其他设备连接。

这种参考架构的结果是缩短了产品上市时间，降低了产品开发阶段的内在风险，为创新者提供了一条通往快速、高性能和盈利性解决方案开发的清晰道路。从解决方案开发人员和医院管理者到一线医疗专业人员及其患者，所有相关人员都能从中获益。

AI 在医学影像领域的未来

由于能够快速、经济高效地开发创新定制解决方案，未来几年可能会出现更多的 AI 医学影像解决方案。其潜在影响是巨大的，因为医学影像涵盖了诸多领域——从常规筛查、预防保健和诊断，到为治疗疾病或参与医学研究的医生提供支持。

医院将能够利用这项技术显著提高其医学影像阅读能力，同时减轻医生和其他医务人员的负担。边缘 AI 在医学影像领域的应用标志着医疗保健数字化转型向前迈出的重要一步。
 

由 insight.tech 主编 Georganne Benesch 编辑。