隨著人工智能不斷向行業(yè)應用滲透，多技術交叉正在給各個領域的創(chuàng)新帶來新的想象力。在醫(yī)療健康領域，AI 專家和醫(yī)學專家們正在一起推動從疾病輔助診斷、輔助決策、疾病愈后以及隨訪管理的全場景人工智能醫(yī)療服務體系的應用。

在美國，西北大學芬伯格醫(yī)學院（Feinberg School of Medicine at Northwestern University）正在基于搭載了 NVIDIA A100 Tensor Core GPU 的浪潮 AI 服務器，與西北醫(yī)學中心（Northwestern Medicine）合作，開發(fā)人工智能 NLP 系統(tǒng)來識別需要隨訪的放射影像檢查報告。這支研究團隊來自放射科、患者安全、流程改進、初級醫(yī)療與護理學等不同領域，通過將深度學習的技術運用到 NLP 中，實現(xiàn)了使用 BiLSTM 模型等 AI 技術對放射影像報告中的結論與建議進行跟進，并在電子健康記錄系統(tǒng)（EHR）中實現(xiàn)向醫(yī)生及患者的自動化警示通知，有效地減少和預防了高危疾病的發(fā)生。

該項目實現(xiàn)了規(guī)范化、系統(tǒng)性的項目設計，建立了數(shù)據(jù)采集、模型創(chuàng)建、模型迭代、數(shù)據(jù)標注、臨床評估等系統(tǒng)，構建了一個全自動化的閉環(huán)系統(tǒng)，不僅可以提高結果的準確性，還極大提高了整個項目的效率。

AI 讀取影像報告

不錯過檢查中的“蛛絲馬跡”

芬伯格醫(yī)學院與西北醫(yī)學的研究團隊發(fā)現(xiàn)，當醫(yī)生在診治患者時，每天可能要為患者安排數(shù)十項放射性醫(yī)學影像檢查，如 X 射線、CT 和 MRI 等。然而，由于工作繁忙，醫(yī)生無法一次性處理完影像檢查中發(fā)現(xiàn)的每一個問題，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告中還有其他疾病相關的后續(xù)醫(yī)學行動建議（例如進一步的化驗和評估），它們可能會被延遲執(zhí)行或無意中忽略。

實際上，現(xiàn)實中約有 33% 的后續(xù)醫(yī)學建議會被忽視，盡管大部分都是良性或輕癥，但隨著時間發(fā)展，他們有可能成為惡性或重癥。針對這一問題，西北大學芬伯格醫(yī)學院的 Mozziyar·Etemadi 博士與團隊制定了一項計劃——使用人工智能技術確保對放射影像檢查報告中的結論與建議進行有效跟進，以防止診斷和治療的延誤并改善治療效果。該團隊開發(fā)了基于遞歸神經網絡和自然語言處理（NLP）的自動化 AI 工作流程，檢查和識別那些包含額外醫(yī)療隨訪建議的放射學報告，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 服務器 NF5488M5-D，構建了自己的定制 AI 工作流程，” Etemadi 博士說，“這一 AI 系統(tǒng)可讀取幾乎每一份放射報告，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)團隊提供警示與通知，確保細微的發(fā)現(xiàn)和建議不被忽略?！?/p>

研究團隊將此項成果發(fā)表在了《新英格蘭醫(yī)學催化劑雜志》子刊（NEJM Catalyst）上，結果顯示，其定制的 AI 工作流程在 13 個月內篩選了逾 57 萬份影像報告掃描件，發(fā)現(xiàn)其中 2.9 萬份（占總數(shù)的5.1%）包含與肺部檢查結果相關的后續(xù)建議，平均每天標記 70 個結果。結果表明，對肺部檢查結果隨訪的靈敏度達 77.1%、生物特異性達 99.5% 和準確性達 90.3%，并與醫(yī)生進行了近五千次互動，完成了 2400 多次隨訪。文章得出的結論是，人工智能和機器學習過程提高了醫(yī)學成像結果的可靠性，可以有效減少和預防高危疾病。為了讓這一項研究成果發(fā)揮最大效益，研究團隊還將附有教程的代碼進行了開源開放。

實現(xiàn) AI 模型開發(fā)、迭代、部署全流程打通

自 2019 年以來，西北大學芬伯格醫(yī)學院已經在 NVIDIA 和浪潮信息 AI 計算平臺支持下開展眾多 AI 創(chuàng)新項目。最初的合作起源于芬伯格醫(yī)學院試點的高性能數(shù)據(jù)管道，以直接對衛(wèi)生系統(tǒng)中的數(shù)據(jù)進行深度學習。此前，受制于傳統(tǒng)的醫(yī)療數(shù)據(jù)存儲系統(tǒng)，芬伯格醫(yī)學院 AI 開發(fā)團隊在進行深度學習創(chuàng)新時必須創(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 架構的 NF5488M5-D 人工智能訓練平臺集成了定制中間件和高速連接網絡，使 Etemadi 博士的團隊能夠構建內部定制的 PyTorch 和 TensorFlow 數(shù)據(jù)加載器，允許其無縫訪問傳統(tǒng)系統(tǒng)中存儲的數(shù)據(jù)，極大地優(yōu)化了人工智能訓練效率與結果。

結果表明，搭載了 NVIDIA A100 的浪潮信息 AI 計算平臺為西北大學芬伯格醫(yī)學院的 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 模型訓練效率十倍以上，數(shù)據(jù)處理效率提升百倍以上，隨著訓練速度和數(shù)據(jù)準備等多方面改進，該解決方案能夠將深度學習模型的快速原型設計、迭代和部署直接應用于醫(yī)療保健環(huán)境中，加速頂尖智能醫(yī)療技術應用落地。

“人工智能使醫(yī)學研究人員能夠將急需的工具應用于臨床，為醫(yī)生和患者交付成果，” NVIDIA 醫(yī)療人工智能全球負責人 Mona Flores 博士說。“使用人工智能優(yōu)化工作流程可以減輕積壓，臨床醫(yī)生也可優(yōu)先對最急需的患者進行隨訪。”

未來，西北大學芬伯格醫(yī)學院將基于 AI 技術構建和測試新的智慧醫(yī)療工作流程，持續(xù)提升臨床醫(yī)療診治的效率。Etemadi 博士總結說：“通過借助 NVIDIA 與浪潮信息領先的 AI 計算解決方案，我們能夠打造定制化的人工智能工具，服務于我們的患者、醫(yī)生、護士和一線員工。非常期待醫(yī)療保健、人工智能的未來發(fā)展，希望可以用各種方式繼續(xù)幫助患者。”