卒中，俗稱中風，分為缺血性卒中和出血性卒中，具有發病率高、致殘率高、死亡率高和復發率高的“四高”特點。我國是卒中大國，每年新發卒中病人約３００萬，４６％的腦出血患者在發?。蹦陜人劳龌驀乐貧埣?。尤其我國東北地區，腦卒中年發病率和死亡率在全國最高。

在優化卒中診療方案、提升卒中救治水平的探索過程中，吉林大學第一醫院放射線科主任、中華醫學會放射學分會副主任委員張惠茅發現，人工智能醫學影像輔助系統有望縮短影像評估時間、幫助醫療機構優化卒中診療流程，提高卒中患者治愈率。

０１

引進ＡＩ助手，卒中診療模式發生改變

影像診斷是評估卒中患者病情、確定治療方案的重要一環，常規評估時間為３０－６０分鐘。吉林大學第一醫院放射線科主任、中華醫學會放射學分會副主任委員張惠茅說，“在多模式影像評估中心，借助人工智能醫學影像輔助系統能夠在３分鐘內提供影像評估報告，幫助醫生快速精準地判斷血栓位置和出血風險?！?/p>

救治每延誤１分鐘，就會有１９０萬個腦細胞受損，隨著時間推移梗死區擴散面積越來越大，直至腦組織死亡。為了與時間賽跑，跑贏梗死區的擴散速度，醫院組織多科室醫生共同決策血管再通手術風險。在ＡＩ輔助下，醫生可以更快判斷是否符合影像學取栓標準，確定治療方案，為保衛腦細胞生命力爭取時間。

人工智能醫學影像輔助系統這個ＡＩ助手的到來，它不僅加速了醫生閱片和診斷決策的時間，更快找到病灶、判斷病因、制定方案，還可以幫助更多低年資的醫生避免誤診，比如：閱片時自動檢出病灶，幫助低年資的影像醫生提高閱片水平，避免因遺漏重要病灶延誤病情；給出血管堵塞數據，幫助經驗不足的醫生評估是否取栓，讓有希望的患者可以及時得到有效救治，爭取一線生機。

無論是閱片還是評估血栓程度方面，ＡＩ助手都具備更高的診療水平，對于基層醫生來說，這種能力太重要了！張惠茅認為，在ＡＩ助手的幫助下基層醫生可以快速定位病灶、判斷是否取栓，為廣泛提高基層卒中患者診療水平帶來新的曙光。

那么，這些強大的ＡＩ助手“師承何處”呢？

０２

培養ＡＩ助手，天壇醫院釋放卒中診療能力

我國腦卒中灌注治療復發率約為１０％，國外先進水平約為７％，而首都醫科大學附屬北京天壇醫院（以下簡稱：天壇醫院）腦卒中灌注復發率僅為２％左右。如何將天壇醫院的能力輸送給各級醫院，實現卒中診療水平的普遍提升呢？

天壇醫院與北京安德醫智科技有限公司（以下簡稱：安德醫智）合作，聯合成立了全球首個“神經疾病人工智能研究中心”，攜手致力于培養ＡＩ助手，借助ＡＩ將天壇醫院的先進水平傳遞給其他醫療機構。“神經疾病人工智能研究中心”以天壇醫院豐富的高質量卒中影像數據為ＡＩ助手提供海量的學習素材，安德醫智的深度學習模型反復訓練ＡＩ助手建立輔助診療能力，浪潮強大的智慧算力讓ＡＩ助手可以應對“題海戰術”挑戰并持續加快解題速度。正是具備以上三個條件，ＡＩ助手才能在這里學到天壇醫院高水平的卒中診療本領。

當然，天壇醫院與安德醫智基于上萬例臨床影像數據進行ＡＩ模型開發與訓練的過程中，也曾感到“力不從心”。首先訓練ＡＩ前要遍歷上萬例ＣＴ／ＭＲＩ影像從中提取證據要素組建模型，然而單個ＭＲＩ就可以達到ＧＢ級，動輒要跑ＴＢ級的數據量；其次ＡＩ模型復雜度非常高，要想實現疾病的精準診斷需要充分的證據要素，因此ＡＩ模型的計算量大，具備高并發特征；最后，多個工程師針對不同特征要素開發模型并進行訓練時，算力資源分配不均、算力利用率不高。

ＡＩ助手訓練迫切需要突破算力瓶頸。針對此需求，浪潮提供了包括浪潮ＡＩ服務器、ＡＩ資源平臺ＡＩ?。樱簦幔簦椋铮钤趦鹊恼w解決方案。浪潮ＡＩ服務器單機計算性能高達２?。校澹簦幔疲蹋希校?，通過１６顆ＡＩ芯片的高速互聯，大大加快了模型的并行訓練速度，將安德醫智的主要模型訓練速度提升１０倍以上。浪潮ＡＩ?。樱簦幔簦椋铮顒t進一步幫助ＡＩ助手訓練平臺提升計算資源利用率，簡化資源部署和團隊協作。突破算力瓶頸后，天壇醫院與安德醫智的ＡＩ助手訓練瞬間提速，８０位工程師同時使用計算平臺，訓練時間由２周多降為２天。

全新的計算架構為“神經疾病人工智能研究中心”源源不斷地注入計算能力，越來越多病種的ＡＩ助手從這里誕生，一個“學成歸來”的ＡＩ助手走進了吉林大學第一醫院開始為卒中患者服務，它的表現得到了醫院的肯定。

０３

助力優質醫療資源下沉，

浪潮為醫療ＡＩ應用護航

越來越多的醫療ＡＩ正快速涌現出來，其中有不少人工智能醫療器械已經拿下“ＮＭＰＡ人工智能三類醫療器械注冊證”走向市場。從心腦血管到腫瘤放療，從輔助篩查到輔助治療，從病灶特征識別到治療計劃制定，一個又一個ＡＩ助手陸續走進各級醫院的各個科室，帶著先進醫院專家的診療經驗在診療流程的各個環節提供智力支持，尤其是為基層醫院帶來了新的機遇。

殊不知，對于基層醫院來說一場ＡＩ應用帶來的算力挑戰也正悄然而至。

隨著基層醫院里的ＡＩ應用越來越多，計算能力要求各異，每個ＡＩ背后的計算架構或許不同，各種類型ＡＩ芯片接入標準也不一樣。剛剛還沉浸在引入ＡＩ應用的喜悅中的基層醫院，很快又陷入了計算挑戰的“漩渦”之中，如何抉擇呢？臨床如果使用多元ＡＩ應用，信息中心就會遇到系統適配、芯片驅動、互聯互通、功耗管理、安全傳輸、易用性等各類問題，基層醫院的信息中心有能力應付這般復雜的多元ＡＩ應用算力架構嗎？

２０２１年９月，浪潮發布新版ＡＩＳｔａｔｉｏｎ人工智能推理服務平臺，為快速發展的人工智能醫療應用提供強大的服務管理支撐，幫助醫院統一高效的ＡＩ芯片算力調度。ＡＩＳｔａｔｉｏｎ既能協助天壇醫院和安德醫智打造的這類ＡＩ研發中心化解ＡＩ算力瓶頸，實現了計算平臺資源按需調用，對計算力資源進行統一、高效的管理；又能幫助基層醫院實現高效的ＡＩ應用算力管理，幫助醫院擺脫在大規模ＡＩ計算集群中進行算力選擇、算力適配等繁雜工作，提高調度效率、提高資源利用率、實現自動擴容、支持多源模型統一部署。

針對多元ＡＩ算力的應用困局，浪潮ＡＩＳｔａｔｉｏｎ推理服務平臺實現了對英偉達等６家國際國內廠商的１２款ＡＩ芯片的多元算力支持。每一個醫療ＡＩ應用通過適配浪潮提供的ＡＩ芯片算力接入規范即可快速接入ＡＩＳｔａｔｉｏｎ平臺，如此一來醫院的計算管理難度大幅降低，尤其是醫信人才匱乏的基層醫療機構更是松了一口氣。此外，ＡＩＳｔａｔｉｏｎ平臺還可以自動實現多元算力的統一管理及調度，為生產環境算力運行提供一致的監管功能，對ＧＰＵ、ＭＬＵ、ＸＰＵ等ＡＩ芯片的性能狀況、ＡＩ業務流量及響應延時進行實時監控，并根據監控數據進行分析、決策、執行操作，實現服務算力的自動調節、自適應推理業務突發資源擴展需求，極大地緩解信息中心的硬件運維壓力。

０４

浪潮：以科技創新推動中國醫療高質量發展

十年前，人們還是激烈辯論移動護理的可行性。今天，ＡＩ助手已經開始“持證上崗”輔助診療。

可以預見，在浪潮等科技創新者的推動下，接下來將有越來越多的科技助手快速融入醫療流程，從醫院管理、臨床科研、患者服務等各個維度推動中國醫療高質量發展，共繪健康中國美好藍圖。

注：文章來源于網絡，如有侵權，請聯系刪除