在醫(yī)療影像AI應(yīng)用上，英特爾要讓數(shù)萬開發(fā)者和億萬大眾受益

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，會受到數(shù)據(jù)多樣化、標注復(fù)雜化、政策明朗化及詢證理解難等多個問題的限制，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，不再分中國美國，也不分科技公司還是醫(yī)療公司，這是一個關(guān)系到全人類生命健康的話題。在面對這一問題時，不管過程多么艱辛，一定要有人站出來。” 英特爾中國數(shù)據(jù)中心云計算高級技術(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AI技術(shù)在醫(yī)療領(lǐng)域的實踐。

當業(yè)內(nèi)其他公司的醫(yī)療團隊把所有精力集中在研發(fā)自有產(chǎn)品之際，英特爾認為“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、平臺優(yōu)勢和行業(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)療問題的團隊，提供更強大的硬件平臺、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)揮最大勢能。

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

這次大賽向醫(yī)學(xué)界公認的難題肺結(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，是國內(nèi)第一個醫(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家國內(nèi)知名腫瘤醫(yī)院為本次比賽提供了脫敏和標注的、近3000例高危患者的低劑量肺部CT影像數(shù)據(jù)。

之所以選擇肺結(jié)節(jié)篩查作為“考題”，是因為我國肺癌疾病形勢愈加嚴峻。全國腫瘤登記中心早在2013年發(fā)布的《2012年中國腫瘤登記年報》就顯示：截止當時，近30年肺癌的死亡率上升了465%，取代肝癌成為中國首位惡性腫瘤死亡原因。

而且國內(nèi)有從肝癌識別的業(yè)內(nèi)人士也曾指出，通過對比中、美、英三國的肺癌發(fā)生率和死亡率，數(shù)據(jù)顯示國內(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，當患者診斷出自身有肺癌后，70%已到中晚期，錯過了最佳診斷和治療時間。

因此肺癌早篩在國內(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，由于每個病人肺部CT的掃描圖片數(shù)目超過200層，平均診斷時間在20分鐘以上，當醫(yī)生遇到大量病人時，極其耗時、耗力，而且容易漏診。

與此同時，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，影像科急需新的技術(shù)來輔助醫(yī)生提升診斷效率，這時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”，在短時間內(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)影像分析作為一個龐大的工程問題，很多工作都得一步步進行，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，也是一個接一個，且彼此之間密切相關(guān)：

• 首先，GPU難擔(dān)重負，至強融核卻有獨到優(yōu)勢

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，還有附帶時序的核磁共振4D數(shù)據(jù)，它們更加依賴內(nèi)存，這時GPU在處理3D和4D影像數(shù)據(jù)時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算力，同時也要有強大的存儲力做支撐，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)計的至強融核處理器的優(yōu)勢便開始突顯，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384GB。

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

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

英特爾中國數(shù)據(jù)中心云計算高級技術(shù)總監(jiān)周翔向雷鋒網(wǎng)透露，他在高校經(jīng)常看到學(xué)生辛苦苦苦設(shè)計的很多醫(yī)學(xué)影像分析模型無法在GPU上運行。

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

這種“妥協(xié)”的方式會引發(fā)兩大問題：第一，降低像素會丟掉細節(jié)信息；第二，分塊識別有可能會產(chǎn)生誤差。

天池大賽冠軍團隊（北京大學(xué)LAB2112 ）對此也深有體會，隊長胡志強談到，肺部CT影像分析對存儲要求很高，GPU平臺由于受到顯存的限制，要想對CT影像進行較好地分析往往需要多GPU協(xié)同甚至多機協(xié)同，但這些工程實現(xiàn)起來有一定的難度，尤其是對于諸如Batch Normalization等需要多GPU同步的層來說。

相比之下，至強融核平臺可利用大容量內(nèi)存，能更好地滿足了CT影像分析對內(nèi)存的要求，同時也不存在多個設(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CPU的優(yōu)化版本。但進一步的，英特爾特別針對此次醫(yī)療AI大賽的需求，還對自有優(yōu)化版Caffe框架和算法庫進行了深度定制。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)十個關(guān)鍵操作，極大的保證了至強融核平臺計算力的充分發(fā)揮，再結(jié)合該平臺自身的存儲力優(yōu)勢，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，在至強融核處理器上的開發(fā)難度相對更低，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，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比較實用的成品，應(yīng)該把注意力集中更宏觀的任務(wù)上，專注解決Solution級別的問題，通過英特爾平臺會讓整個目標的實現(xiàn)來得更加簡單，”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。”

• 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，英特爾針對它在靈活性上缺陷，為其定制了43個新功能，來對醫(yī)學(xué)影像分析難題提供更好的支持。

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

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

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

針對這一問題，天池冠軍北京大學(xué)團隊也談到，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，各部分功能獨立，方便排查錯誤，從而避免很多問題；我們在第一階段實現(xiàn)PyTorch版本框架時，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)處理模塊獨立于深度學(xué)習(xí)框架之外，用NumPy等庫實現(xiàn)所有操作。

除此之外，開發(fā)者團隊也應(yīng)該多花時間閱讀源代碼，因為我們在第二輪使用的是英特爾針對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，同時理解源代碼也能幫助我們在遇到問題時更快地找出錯誤。比如我們在實現(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三維卷積進行處理，于是我們自己修正了初始化方式，使得結(jié)果有所提升。”隊長胡志強向雷鋒網(wǎng)介紹到。

胡志強繼續(xù)說道，整個過程中，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，經(jīng)常遇到Segmentation Fault的錯誤，該問題難以排查的地方在于其錯誤不經(jīng)常復(fù)現(xiàn)，也就是說運行代碼的過程中有時會發(fā)生錯誤，有時候不會發(fā)生，使得我們很難找出錯誤的原因。有天晚上和英特爾團隊反饋了這個問題之后，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)生錯誤的原因是我們使用了一個原址（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間，熬夜幫我們調(diào)試代碼，并且在很短時間內(nèi)找出問題所在，這也從側(cè)面反映出他們團隊強大的技術(shù)實力。”

而現(xiàn)在，這支年輕的北京大學(xué)團隊已經(jīng)與北大幾家附屬醫(yī)院在內(nèi)的一些醫(yī)療機構(gòu)展開合作，醫(yī)學(xué)專家們也對他們的系統(tǒng)給予非常不錯的評價。

三、英特爾的醫(yī)療AI愿景

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

一直以來，人們對英特爾的認知是一家芯片企業(yè)。實際來看，英特爾遠不止研發(fā)芯片這么簡單。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、更具價值的。

我覺得科技公司不能因為政策和監(jiān)管問題的限制，就選擇觀望，等待政策和監(jiān)管落實后再行動。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)管機構(gòu)明顯地感受到大家的創(chuàng)新成果和實際使用結(jié)果在不斷進步，從而也間接推動政策的落實，加快全社會對人工智能的認知和認同。

而站在個人角度，作為公司和社會的一個小小個體，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期努力，不僅可以造福全世界，也或許能夠切切實實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。