人工智能（AI）這個概念雖然從本世紀 50 年代提出，到現在已經走過了 60 多年，并且在我們生活中的諸多場景下都得以應用，但在醫療領域卻還處于探索階段。近年來，在各國政策支持與AI、大數據、云服務等前沿技術的驅動下，智慧醫療進入了飛速發展期。

當前世界主要國家已紛紛開始對AI進行國家戰略層面的布局，并且非常重視其在醫療領域的發展。AI技術在醫療設備領域的應用主要集中在醫學影像、輔助診斷、藥物研發、健康管理、疾病預測等幾大應用領域。

資料顯示，國外醫療領域對AI技術的應用，以藥物研發為主，而中國則借助醫療影像大數據及圖像識別技術的優勢，大力發展AI醫學影像。AI應用在醫學影像領域，能幫助醫生提高早診率，減少誤診率，這對于在醫療科技研發與產業成熟度方面都與主要發達國家有一定差距的中國來說，既是機遇，也是挑戰。

芯片是AI產業的制高點，在云端的學習環節，GPU依然具備優勢，TPU亦在積極拓展市場和應用，而在終端推理應用，FPGA和ASIC則更被看好。美國在AI通用芯片領域優勢明顯，例如英偉達（NVIDIA）的GPU、賽靈思（Xilinx）的FPGA、英特爾（Intel）的可擴展處理器、谷歌（Google）TPU等。而中國是全球第二大AI力量，AI企業超過千家，部分新創企業還在ASIC專用芯片領域有所突破。

具體到相關硬件的設計，AI醫療、可穿戴和遠程患者監護醫療設備目前的開發都處于起步階段，這些設備可用于現代醫院、診所及患者家中，旨在更有效地診斷和治療疾病。而相關醫療設備的設計除了上面說的主芯片，還包括低功耗單片機、微處理器、無線器件、安全器件、觸摸器件以及模擬/混合信號器件等多種元器件。

不過，AI醫療本身還存在著許多關鍵基礎性與實際應用的問題，如數據的穩定性有待提高、開發算法的工程師并不懂“醫”等，同時還涉及到醫學倫理等問題。醫生給出的診斷結論是基于經驗、倫理和實踐，人工智能能否做到“推理”？這些也是AI應用在醫療健康領域下一步需要解決的問題。

人工智能與醫療領域的結合，會不會讓人們看病更容易？技術在普及階段還面臨哪些難點？本期《電子工程專輯》采訪多家半導體業內積極推進人工智能醫療應用的廠商，從新興產品技術、實際應用案例和落地情況等幾個方面，來看看AI技術能為日常醫療帶來哪些改進，以及采用AI技術的醫療應用的落地情況。

用于智慧醫療的最新AI技術

英偉達醫療業務全球副總裁Kimberly Powell近期在接受中國醫療媒體采訪時表示，“醫療行業將成為人工智能最大的應用產業之一，而中國醫療行業以及產業態勢也是我們非常看好的。”

英偉達（NVIDIA）醫療業務全球副總裁Kimberly Powell

她強調了英偉達在計算架構方面三個類別：高性能計算、計算圖形和仿真，以及人工智能。當前醫療產業的生態系統，以基于人工智能的最新醫療解決方案開發，都離不開以上三個技術。

去年GTC大會上，英偉達將觸角伸向傳統醫療領域，發布了一款醫學影像超級電腦 Project Clara，提出在十年前的老舊醫療設備上運行最先進的人工智能算法，并用最先進的 GPU 輔助成像。這個平臺將大幅度彌補傳統醫療儀器在運行速度和功能上的不足，很大程度上助推了AI技術與醫療設備全面結合。

據介紹，這一平臺核心是Clara AGX，基于英偉達 Xavier AI運算模組、Turing GPU運算架構，能從入門級設備擴展到要求最苛刻的3D儀器。平臺使用了加速計算、人工智能和可視化等技術，同時利用容器技術、虛擬化等計算結構將平臺結構分為幾層，客戶可以選擇使用其中一層或所有層。平臺最底層是cuDNN（神經網絡執行層），第二層是能使多個AI任務并行執行的引擎，“如果沒有這個引擎，一個AI模型就必須由一個專用GPU來執行，”Kimberly Powell稱，“Clara平臺能夠解決醫療器械處理每秒數GB的巨量數據。”

同樣一套軟件既可以在醫院本地運行，也可以在云端運行，這“對于中國市場而言，Clara平臺對混合運營環境的支持是有優勢的，因為一些偏遠地區網絡條件不好，無法獲得云服務，他們可以選擇在本地執行;但是對于那些大城市而言，可以選擇云端運行的方式。” Kimberly Powell表示。

同樣看好AI醫療的英特爾，也利用全棧式解決方案攻城略地。硬件層面包括至強?可擴展處理器、Nervana?神經網絡處理器、FPGA、網絡以及存儲技術等。同時，還有針對深度學習和機器學習而優化的基于英特爾架構的數學函數庫（Intel? MKL）以及數據分析加速庫（Intel? DAAL）等，以及支持和優化開源深度學習框架如Spark、Caffe、Theano以及Neon等，最后是構建以英特爾?Movidius和Saffron為代表的平臺以推動前后端協同人工智能發展。

英特爾認為其可擴展處理器，相較普遍用于訓練和運行機器學習模型的GPU，在計算機視覺方面具有關鍵優勢：能夠處理更大，內存更密集的算法。如今他們與西安盈谷合作，打造跨終端跨平臺的醫療智能化輔助診斷系統，實時、高效地處理和分析云上海量醫療影像，目前已接入千余家各類醫療機構。

賽靈思在2018年收購了中國AI芯片領域創業公司深鑒科技，此舉被業界認為是AI 軟硬件深度結合的典范。調研機構Allied Market Research預估，FPGA將成為AI芯片中增長最快的細分領域，甚至超過GPU，因為FPGA的靈活性可以讓開發人員

為其他任務進行新的編程。

賽靈思工業醫療市場拓展經理翁羽翔表示，今年推出的7納米工藝Versal芯片就將聚焦醫學影像領域，深鑒科技的核心技術之一“神經網絡壓縮算法”也能與賽靈思自適應計算加速異構平臺結合，提供實現AI推理的開發工具包。

亟待解決的問題

然而，醫療行業在實現人工智能的道路上的確存在許多問題。微芯科技（Microchip Technology） 醫療產品部業務拓展經理Marten L. Smith認為，其中一個難點就是在設計醫療設備時，如何以最低設計等級實現最大程度的智能化。使用將獨立于內核的外設（CIP）集成于設計中的單片機正是化解此類問題的絕佳方法。

根據傳統，單片機多支持一項功能就需要更多的閃存（用于存儲變量）、額外的RAM（用于執行代碼）以及更高的處理速度（確保系統時序符合規范）。遺憾的是，這種集成方法需要在新一代設計中使用尺寸更大、功耗更高、價格昂貴且更為復雜的單片機，超出設計成本、尺寸和預算限制。

新的智能醫療設計必須提高功能集成度，同時降低總體功耗、成本并縮小物理尺寸。這些對成本極其敏感的嵌入式設計需要擯棄傳統需求，在新一代醫療設備設計中告別價格昂貴的單片機，將架構設計轉向功能支持。

例如，帶有CIP的Microchip單片機集成了片上外設，可以在CPU監控工作量降至最低的情況下智能運行。它們可以與其他片上外設直接通信，從而創建靈活的反饋環路。

這些集成外設提供具備特定功能的智能硬件模塊，幾乎不需要代碼，功耗極低，實現特定功能所需的RAM和閃存也顯著減少。此類單片機可實現靈活、節能的醫療設備設計。與尺寸更大、成本更高的單片機相比，其任務執行能力毫不遜色，更不會增加成

本、功耗、尺寸和復雜度。

具體到醫療影像領域，翁羽翔認為，過去的主要問題就是病灶識別的處理時間過長，以及成像清晰度不足。AI技術的引入可以很好地解決這些難題，比如深鑒科技的壓縮算法，能在不影響精度的情況下最大限度發揮芯片的計算能力，縮減病灶識別的處理時間。同時，賽靈思芯片中的高速接口能接入8K/4K視頻和圖像數據，結合高性能ISP處理來提升醫學成像的清晰度。

落地情況

接受采訪時，英特爾表示他們正基于自身的創新技術，與合作伙伴一起尋找突破性應用場景，共推人工智能在醫療行業的應用落地，解決最具挑戰性的難題。不久前，英特爾與江豐生物宣布成立病理人工智能聯合實驗室，共同研發相關產品的核心算法，對病理人工智能產品在英特爾計算平臺上進行計算給出性能優化，并推廣病理整體解決方案。

同時，英特爾針對合作伙伴的不同使用目的，提供特定的解決方案。舉例來說，諾華借助英特爾深度神經網絡加速技術加快藥物研發的速度;英特爾軟件創新者Peter Ma參與發起的Doctor Hazel項目，借助英特爾神經計算棒對皮膚癌進行篩查;攜手浙江大學與德尚韻興，研發基于超聲影像的甲狀腺結節良惡性的輔助診斷系統“DE-超聲機器人”，幫助從三甲醫院到基層醫院的醫生進行甲狀腺結節的診斷，目前該輔助診斷系已經部署于臨床試點應用，為緊張的醫療資源分配帶來緩解。

其實在推出Clara平臺之前，英偉達在中國國內已有多個項目落地，他們在選擇合作伙伴時，主要考慮四個類型：第一類是醫療學術界的，因為半導體廠商不是醫生，不搞醫學研究的，所以在這方面要尋求合作伙伴;第二類是初創企業，為他們提供技術支持;第三類是產業界商業化合作伙伴，比如華大基因、聯影智能;第四類是政府部門，關注不同國家和地區政府的重大科研項目方向以及相關政策。

“Clara平臺自2018年11月底開放以來，也已收獲350到400家公司注冊。”，Kimberly Powell表示：“但其本身還是非常新的東西，所以還談不上普及度和接受度問題。當前的版本是我們剛剛發布的第一個版本，但已經獲得了世界上幾乎所有較大型醫療設備公司、著名醫院和初創企業注冊。”

Marten Smith也持相同觀點：“我們正處于數字醫療革命的初始階段。部分大型高科技公司投入大量資金和資源改變醫療行業，未來還將追加投入。部分市場評估調查顯示，截至2023年，醫療設備市場的估值將超過4000億美元，增幅達到4%至5%。”

疾病的診療正逐步從醫院和診所走向家庭。這種變革能夠引領大家自主管理個人健康狀況。與過去相比，現今的醫療設備對于智能性、互聯性和安全性提出了更高的要求。