談到人工智能在醫(yī)學(xué)影像中的應(yīng)用，不少業(yè)內(nèi)人認(rèn)為醫(yī)療領(lǐng)域內(nèi)的約束和障礙還有很多，AI若想落地臨床，會(huì)受到數(shù)據(jù)多樣化、標(biāo)注復(fù)雜化、政策明朗化及詢證理解難等多個(gè)問題的限制，目前還很難看到明確的未來。

于是不少企業(yè)選擇退步或觀望，即便涉水，也只是淺嘗輒止。

“醫(yī)療問題面前，不再分中國(guó)美國(guó)，也不分科技公司還是醫(yī)療公司，這是一個(gè)關(guān)系到全人類生命健康的話題。在面對(duì)這一問題時(shí)，不管過程多么艱辛，一定要有人站出來。” 英特爾中國(guó)數(shù)據(jù)中心云計(jì)算高級(jí)技術(shù)總監(jiān)周翔如是說。

在與浙江大學(xué)第一附屬醫(yī)院、愛爾眼科等多家醫(yī)院，以及阿里云、浙江大學(xué)數(shù)理學(xué)院、浙江德尚韻興圖像科技有限公司、晉弘科技和極視互聯(lián)等多家單位及企業(yè)共同探索數(shù)月后，英特爾已經(jīng)印證了AI在甲狀腺結(jié)節(jié)、糖網(wǎng)和黃斑變性等眼底病變醫(yī)學(xué)影像輔助診斷上的可行性，于是決定加大力度，全力推進(jìn)AI技術(shù)在醫(yī)療領(lǐng)域的實(shí)踐。

當(dāng)業(yè)內(nèi)其他公司的醫(yī)療團(tuán)隊(duì)把所有精力集中在研發(fā)自有產(chǎn)品之際，英特爾認(rèn)為“授人以魚，不如授之以漁”，一家公司能做的事畢竟有限，如果利用自己百年來積累的技術(shù)優(yōu)勢(shì)、平臺(tái)優(yōu)勢(shì)和行業(yè)服務(wù)能力，扶持更多的AI醫(yī)療創(chuàng)新者，將比一人孤軍奮戰(zhàn)更有意義。

那么如何“授之以漁”？

經(jīng)過一番考量，英特爾決定為來自世界各地想用AI解決醫(yī)療問題的團(tuán)隊(duì)，提供更強(qiáng)大的硬件平臺(tái)、更易用的軟件，讓他們更專注解決問題本身，無需考慮軟、硬件限制，從而發(fā)揮最大勢(shì)能。

最終，英特爾選擇以比賽作為切入點(diǎn)，與合作伙伴啟動(dòng)了一場(chǎng)有著2887支隊(duì)伍參與的天池醫(yī)療人工智能大賽，歷時(shí)7個(gè)月后，于近日正式落下帷幕。

這次大賽向醫(yī)學(xué)界公認(rèn)的難題肺結(jié)節(jié)早篩發(fā)起挑戰(zhàn)。

一、為何選擇從肺結(jié)節(jié)篩查切入？

此次大賽是英特爾、阿里云、零氪科技一同發(fā)起和支持，是國(guó)內(nèi)第一個(gè)醫(yī)療人工智能大賽，規(guī)模和數(shù)據(jù)量也在世界范圍內(nèi)絕無僅有，共有16家國(guó)內(nèi)知名腫瘤醫(yī)院為本次比賽提供了脫敏和標(biāo)注的、近3000例高?；颊叩牡蛣┝糠尾緾T影像數(shù)據(jù)。

之所以選擇肺結(jié)節(jié)篩查作為“考題”，是因?yàn)槲覈?guó)肺癌疾病形勢(shì)愈加嚴(yán)峻。全國(guó)腫瘤登記中心早在2013年發(fā)布的《2012年中國(guó)腫瘤登記年報(bào)》就顯示：截止當(dāng)時(shí)，近30年肺癌的死亡率上升了465%，取代肝癌成為中國(guó)首位惡性腫瘤死亡原因。

而且國(guó)內(nèi)有從肝癌識(shí)別的業(yè)內(nèi)人士也曾指出，通過對(duì)比中、美、英三國(guó)的肺癌發(fā)生率和死亡率，數(shù)據(jù)顯示國(guó)內(nèi)肺癌發(fā)生率低于英、美，但死亡率卻已超過英、美。這其中的重要原因是，當(dāng)患者診斷出自身有肺癌后，70%已到中晚期，錯(cuò)過了最佳診斷和治療時(shí)間。

因此肺癌早篩在國(guó)內(nèi)是一件刻不容緩、急需解決的任務(wù)。

早篩是減少肺癌死亡率的重要手段，而癌癥早期多表現(xiàn)為肺部結(jié)節(jié)。這些肺部結(jié)節(jié)的尺寸非常小、對(duì)比度低、抑制化高。

過去的篩查工作均由影像科醫(yī)生完成，由于每個(gè)病人肺部CT的掃描圖片數(shù)目超過200層，平均診斷時(shí)間在20分鐘以上，當(dāng)醫(yī)生遇到大量病人時(shí)，極其耗時(shí)、耗力，而且容易漏診。

與此同時(shí)，微小肺部結(jié)節(jié)在影像學(xué)的表現(xiàn)易與其他組織或部位產(chǎn)生混淆，如毛細(xì)血管、結(jié)核、假瘤等，從而打擾到醫(yī)生的判斷。

基于這一痛點(diǎn)，影像科急需新的技術(shù)來輔助醫(yī)生提升診斷效率，這時(shí)候人工智能從眾多技術(shù)中脫穎。它能從海量醫(yī)學(xué)影像數(shù)據(jù)中學(xué)習(xí)和模仿醫(yī)生的診斷“經(jīng)驗(yàn)”，在短時(shí)間內(nèi)快速提升診斷能力，輔助醫(yī)生減少誤診。

二、行業(yè)此前面臨的軟硬件局限與解決方法

雖然人工智能更新迭代迅速，但醫(yī)學(xué)影像分析作為一個(gè)龐大的工程問題，很多工作都得一步步進(jìn)行，尤其像醫(yī)療這種數(shù)據(jù)形態(tài)和特征較為復(fù)雜的行業(yè)，它在人工智能鋪助診斷上面臨的難題，也是一個(gè)接一個(gè)，且彼此之間密切相關(guān)：

• 首先，GPU難擔(dān)重負(fù)，至強(qiáng)融核卻有獨(dú)到優(yōu)勢(shì)

經(jīng)調(diào)查發(fā)現(xiàn)，相比而言醫(yī)學(xué)影像分析更需要3D神經(jīng)網(wǎng)絡(luò)架構(gòu)的支撐，后者與行業(yè)內(nèi)常見的2D圖像深度神經(jīng)網(wǎng)絡(luò)有著很大不同。

記者了解到，天池大賽參賽隊(duì)伍大多采用3D影像數(shù)據(jù)方案，其模型本身并不大，但每次輸入的數(shù)據(jù)卻超過常用顯卡的顯存容量。醫(yī)療行業(yè)內(nèi)除了3D數(shù)據(jù)外，還有附帶時(shí)序的核磁共振4D數(shù)據(jù)，它們更加依賴內(nèi)存，這時(shí)GPU在處理3D和4D影像數(shù)據(jù)時(shí)往往面臨吃不消的問題。

要想做出優(yōu)秀的醫(yī)療AI方案，不僅需要狹義上的計(jì)算力，同時(shí)也要有強(qiáng)大的存儲(chǔ)力做支撐，因此醫(yī)療為AI底層設(shè)施提出了全新的挑戰(zhàn)。

基于上述情況，英特爾專門為深度學(xué)習(xí)設(shè)計(jì)的至強(qiáng)融核處理器的優(yōu)勢(shì)便開始突顯，它就像CPU一樣，可直接讀取內(nèi)存，單顆能支持和使用的內(nèi)存容量就高達(dá)384GB。

不少參賽隊(duì)伍在描述英特爾至強(qiáng)融核處理器時(shí)如此形容到：“我們首先要明白 最重要的一點(diǎn)，它是CPU，不是卡。你可以把它理解為一個(gè)高性能的、能做深度學(xué)習(xí)，又能夠直接連內(nèi)存的CPU產(chǎn)品?！?/p>

而在此之前，得益于在人臉識(shí)別和常見圖像識(shí)別上的顯著優(yōu)勢(shì)，GPU已成為絕大多數(shù)開發(fā)者們訓(xùn)練模型的首選。

英特爾中國(guó)數(shù)據(jù)中心云計(jì)算高級(jí)技術(shù)總監(jiān)周翔向雷鋒網(wǎng)透露，他在高校經(jīng)?？吹綄W(xué)生辛苦苦苦設(shè)計(jì)的很多醫(yī)學(xué)影像分析模型無法在GPU上運(yùn)行。

為此，學(xué)生們不得不降低3D肺部影像數(shù)據(jù)像素，然后拆分為多個(gè)小分塊，再進(jìn)行一一識(shí)別。

這種“妥協(xié)”的方式會(huì)引發(fā)兩大問題：第一，降低像素會(huì)丟掉細(xì)節(jié)信息；第二，分塊識(shí)別有可能會(huì)產(chǎn)生誤差。

天池大賽冠軍團(tuán)隊(duì)（北京大學(xué)LAB2112 ）對(duì)此也深有體會(huì)，隊(duì)長(zhǎng)胡志強(qiáng)談到，肺部CT影像分析對(duì)存儲(chǔ)要求很高，GPU平臺(tái)由于受到顯存的限制，要想對(duì)CT影像進(jìn)行較好地分析往往需要多GPU協(xié)同甚至多機(jī)協(xié)同，但這些工程實(shí)現(xiàn)起來有一定的難度，尤其是對(duì)于諸如Batch Normalization等需要多GPU同步的層來說。

相比之下，至強(qiáng)融核平臺(tái)可利用大容量?jī)?nèi)存，能更好地滿足了CT影像分析對(duì)內(nèi)存的要求，同時(shí)也不存在多個(gè)設(shè)備之間同步的問題。

軟件方面，記者得知，通過英特爾的努力，目前大部分常用的深度學(xué)習(xí)框架都已有了針對(duì)CPU的優(yōu)化版本。但進(jìn)一步的，英特爾特別針對(duì)此次醫(yī)療AI大賽的需求，還對(duì)自有優(yōu)化版Caffe框架和算法庫進(jìn)行了深度定制。通過新增且優(yōu)化諸如三維卷積層、三維反卷積層、損失函數(shù)層等數(shù)十個(gè)關(guān)鍵操作，極大的保證了至強(qiáng)融核平臺(tái)計(jì)算力的充分發(fā)揮，再結(jié)合該平臺(tái)自身的存儲(chǔ)力優(yōu)勢(shì)，使之能夠真正有效的支撐三維醫(yī)學(xué)影像的深度學(xué)習(xí)應(yīng)用。

于開發(fā)者而言，在至強(qiáng)融核處理器上的開發(fā)難度相對(duì)更低，雖然它的底層為深度學(xué)習(xí)的技術(shù)，但上層指令集均為X86，而且英特爾提供的部分庫也可把下層進(jìn)行涵蓋，只要開發(fā)者們熟悉傳統(tǒng)CPU上的編程，也能迅速熟悉它。

“很多人喜歡談自己在GPU上的MicroBenchmark有多出色，確實(shí)，大家也已習(xí)慣拿到影像后先做預(yù)處理。但太過看重MicroBenchmark往往會(huì)忽略掉預(yù)處理之后造成的誤差。因此大家如果想做出一個(gè)比較實(shí)用的成品，應(yīng)該把注意力集中更宏觀的任務(wù)上，專注解決Solution級(jí)別的問題，通過英特爾平臺(tái)會(huì)讓整個(gè)目標(biāo)的實(shí)現(xiàn)來得更加簡(jiǎn)單，”周翔表示：“所以英特爾希望通過天池大賽給大家提供一個(gè)新的思路，讓他們了解到，不管是醫(yī)學(xué)影像還是高精度視頻分析，你編程的方法、訓(xùn)練模型的方法，可以不受已有硬件在內(nèi)存帶寬、容量方面的限制?！?/p>

• 其次，通用深度學(xué)習(xí)開源框架已無法滿足醫(yī)療AI應(yīng)用需求，更優(yōu)化的框架是必備利器

硬件平臺(tái)猶如土地，而土地之上若要豐收，離不開耕地的工具，它們就是軟件框架。

此次大賽，英特爾為深度學(xué)習(xí)框架Caffe定制了43個(gè)超越開源版本的新功能，來支撐選手的模型創(chuàng)新。

由于Caffe抽象級(jí)別較高，相比而言，它的性能明顯優(yōu)于其他框架，但也存在靈活性欠佳的弊病。為此，英特爾針對(duì)它在靈活性上缺陷，為其定制了43個(gè)新功能，來對(duì)醫(yī)學(xué)影像分析難題提供更好的支持。

同時(shí)，英特爾也為天池軟件貢獻(xiàn)了35000行框架代碼和6000行參考模型代碼，為模型訓(xùn)練保駕護(hù)航。結(jié)果表明，各隊(duì)選手在比賽期間遇到的80%的問題，英特爾事先都有驗(yàn)證過。

“通過這次比賽積累的經(jīng)驗(yàn)，為未來深度學(xué)習(xí)框架的擴(kuò)展奠定了一個(gè)較好的基礎(chǔ)，后續(xù)我們也考慮引入更多的框架。”

至強(qiáng)融核平臺(tái)相比GPU在醫(yī)療影像AI應(yīng)用上有如此多的優(yōu)勢(shì)，那么習(xí)慣了GPU平臺(tái)的開發(fā)者，又應(yīng)該如何實(shí)現(xiàn)平滑的遷移？

針對(duì)這一問題，天池冠軍北京大學(xué)團(tuán)隊(duì)也談到，這件事剛開始麻煩，但最終還是成功解決。

“我們先盡量將整個(gè)流程分成不同的模塊，這種模塊化的開發(fā)方式能使代碼結(jié)構(gòu)更加清晰，各部分功能獨(dú)立，方便排查錯(cuò)誤，從而避免很多問題；我們?cè)诘谝浑A段實(shí)現(xiàn)PyTorch版本框架時(shí)，已經(jīng)考慮到了復(fù)賽的問題，于是將盡可能多的數(shù)據(jù)處理模塊獨(dú)立于深度學(xué)習(xí)框架之外，用NumPy等庫實(shí)現(xiàn)所有操作。

除此之外，開發(fā)者團(tuán)隊(duì)也應(yīng)該多花時(shí)間閱讀源代碼，因?yàn)槲覀冊(cè)诘诙喪褂玫氖怯⑻貭栣槍?duì)CPU優(yōu)化后的Caffe版本，所以相比公版Caffe改變了一些功能，為了能更好的使用這些功能，閱讀源代碼就變得很有必要，同時(shí)理解源代碼也能幫助我們?cè)谟龅絾栴}時(shí)更快地找出錯(cuò)誤。比如我們?cè)趯?shí)現(xiàn)過程中，發(fā)現(xiàn)一開始使用的網(wǎng)絡(luò)初始化方式并沒有針對(duì)三維卷積進(jìn)行處理，于是我們自己修正了初始化方式，使得結(jié)果有所提升?！标?duì)長(zhǎng)胡志強(qiáng)向雷鋒網(wǎng)介紹到。

胡志強(qiáng)繼續(xù)說道，整個(gè)過程中，無論是代碼遷移還是其他重大技術(shù)問題，都離不開英特爾技術(shù)專家的服務(wù)與支持。

“印象最深刻的一次就是在我們使用英特爾優(yōu)化版Caffe時(shí)，經(jīng)常遇到Segmentation Fault的錯(cuò)誤，該問題難以排查的地方在于其錯(cuò)誤不經(jīng)常復(fù)現(xiàn)，也就是說運(yùn)行代碼的過程中有時(shí)會(huì)發(fā)生錯(cuò)誤，有時(shí)候不會(huì)發(fā)生，使得我們很難找出錯(cuò)誤的原因。有天晚上和英特爾團(tuán)隊(duì)反饋了這個(gè)問題之后，工作人員很快就開始幫助我們排查問題并且第二天就給了我們回復(fù)，產(chǎn)生錯(cuò)誤的原因是我們使用了一個(gè)原址（in-place）操作導(dǎo)致內(nèi)存溢出。”

“英特爾工作人員犧牲自己的休息時(shí)間，熬夜幫我們調(diào)試代碼，并且在很短時(shí)間內(nèi)找出問題所在，這也從側(cè)面反映出他們團(tuán)隊(duì)強(qiáng)大的技術(shù)實(shí)力?！?/p>

而現(xiàn)在，這支年輕的北京大學(xué)團(tuán)隊(duì)已經(jīng)與北大幾家附屬醫(yī)院在內(nèi)的一些醫(yī)療機(jī)構(gòu)展開合作，醫(yī)學(xué)專家們也對(duì)他們的系統(tǒng)給予非常不錯(cuò)的評(píng)價(jià)。

三、英特爾的醫(yī)療AI愿景

在本次訪談最后，周翔把英特爾對(duì)未來醫(yī)療AI的構(gòu)想，從全社會(huì)和個(gè)人的角度予以展現(xiàn)：

一直以來，人們對(duì)英特爾的認(rèn)知是一家芯片企業(yè)。實(shí)際來看，英特爾遠(yuǎn)不止研發(fā)芯片這么簡(jiǎn)單。正如英特爾CEO科再奇所說，我們是一家以數(shù)據(jù)為中心的公司。

醫(yī)療行業(yè)有很多數(shù)據(jù)猶如還未被正確開發(fā)的巨大寶藏，我們希望聯(lián)手阿里巴巴、零氪科技這類優(yōu)秀企業(yè)把各行各業(yè)的數(shù)據(jù)盤活。

英特爾特別希望通過這次醫(yī)療AI大賽，讓那些真正做醫(yī)療的人、擁有數(shù)據(jù)的人、制定政策的人，能夠看到一個(gè)由人工智能支撐的醫(yī)療模式是更加高效、更加安全、更具價(jià)值的。

我覺得科技公司不能因?yàn)檎吆捅O(jiān)管問題的限制，就選擇觀望，等待政策和監(jiān)管落實(shí)后再行動(dòng)。相反，我們的企業(yè)使命是考量能否通過扶持世界各地的創(chuàng)新者們加速AI技術(shù)的落地，讓更多政策制定者和監(jiān)管機(jī)構(gòu)明顯地感受到大家的創(chuàng)新成果和實(shí)際使用結(jié)果在不斷進(jìn)步，從而也間接推動(dòng)政策的落實(shí)，加快全社會(huì)對(duì)人工智能的認(rèn)知和認(rèn)同。

而站在個(gè)人角度，作為公司和社會(huì)的一個(gè)小小個(gè)體，最讓我們這些技術(shù)從業(yè)者感到幸福的事，莫過于自己付出的長(zhǎng)期努力，不僅可以造福全世界，也或許能夠切切實(shí)實(shí)地幫助到自己以及身邊的人。 

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。