说起去医院看病，“看病难，排队长”应该是许多人心目中的普遍印象。

是医生不想快点给患者看病？当然不是。是病人在医院流连忘返不想早点回家？当然更加不是。

那么造成这一现象的背后，究竟有着怎样的深层原因？

“目前的医疗数据，每年都在以接近100％的幅度高速增长，但是培养一位影像科的医生，却要花八年甚至更久的时间，才能够作为一位独立的医生来自行看片。”如果不是亲耳听到医准智能首席AI官王子腾说出这番话，很难想象医疗行业的人才缺口竟然已经如此严重。

“我妈妈也是一位脑神经医生。光是每天的门诊就要接待上百位病人，每个星期还要值两到三个夜班，工作非常辛苦。而且如此巨大的工作负荷，对医疗效率和准确率也容易产生负面影响。”IBM大中华区系统部存储系统总经理吴磊表示。

一边是急速膨胀的医疗数据，一边是日渐扩大的人才缺口，究竟要怎样的灵丹妙药，才能解决横亘在医疗行业面前的这一疑难病症？

作为全球一流的人工智能解决方案和云平台提供商，IBM为其开出的药方是——人工智能。

无IA，不AI

“今天我们所遇到的挑战，已经不单纯是数据孤岛。我们的客户和合作伙伴，目前正在进入全新的消费模式——多云模式。然而从离线到在线，从分散到聚合，处处都存在很多痛点。这时候如果有一个好的IA（Information Architecture，信息架构），不但性能强健和安全可靠，而且还能随着客户业务的成长做弹性的扩充，那么就可以根据客户消费计算力和存储能力的变化，提供灵活的服务。”IBM大中华区系统部存储系统总经理吴磊向趣味科技介绍道，“这就是IBM如今强调的‘无IA，不AI’。”

IBM大中华区系统部存储系统总经理吴磊

针对当前困扰医疗行业的数据收集与处理瓶颈，IBM通过引入人工智能技术，搭建了一站式医疗影像人工智能平台，可以实现全栈AI架构能力，为广大医生提供了一个高效、准确地辅助医疗检测和诊断的工具。

据了解，平台主要基于IBM Power、Spectrum Scale、IBM Watson Machine Learning Accelerator（WML－A）搭建。“其中OpenPOWER服务器主要负责提供超强算力，与DDL相结合提供强大的线性扩展能力；Spectrum Scale则负责为集群化的AI平台提供稳定、高效和安全的数据平台支持；另外作为开放性AI平台的代表，WML－A则可以为上层应用提供可靠的平台支持。”IBM中国系统开发中心技术解决方案总监崔玮透露。

值得一提的是，该平台同时也是一个开箱即用的医疗影像深度学习的科研平台。举例来说，医生既可以通过这个平台，快速搭建高精度低假阳性率的肺结节和乳腺AI模型，也可根据医院的实际需求进行研发和调整，同时确保数据不出院，最大限度保证数据安全可控。

“在平台中，Spectrum Scale扮演着非常重要的角色。虽然这个名字很多人可能都是第一次听到，但其实它还有一个更老的名字，叫做GPFS（General Parallel File System，通用并行文件系统），而且已经有着25年的历史。当年跟卡斯帕罗夫大师下国际象棋的深蓝电脑，用的文件系统就是GPFS；IBM Watson和2018年IBM AI辩手Project Debater也是用的GPFS；今年IBM拿到全球第一、第二的高性能运算和智能的顶点，也是用的Spectrum Scale。光是在金融、电信行业，全球差不多就有几十万GPFS用户。”吴磊介绍道。

IBM与医准智能的强强联手

对于医准智能与IBM双方的合作，王子腾表示：“医准智能是一家专注于人工智能辅助医疗影像诊断的公司，主要研究算法，非常擅长模型的选择和训练。而在数据、存储、管理等方面，IBM拥有非常丰富的经验，特别是针对部署在多节点、大规模集群的环境，IBM更是有着强大的优势，并且在医疗行业也有着多年的经验沉淀，因此医准智能选择与IBM开展合作，可以说是顺理成章，水到渠成，并且在应用、平台、端对端等各个层面都有合作。最近在许多医院和医生中大获好评的达尔文智能科研平台，也是双方携手研发的成果。”

医准智能首席AI官王子腾

谈及人工智能应用在医疗行业的落地，吴磊认为：“还是那句话‘无IA，不AI’，IT无非就是算，算出东西要存，然后继续算，继续存。几年前，人工智能并没有真正进入生产环节，但是通过材料、架构的改变，我们改变了经典的计算机架构，譬如相变存储相比闪存可能带来20倍、30倍的速度提升。第二个就是规模化，以前光靠一台服务器你不可能进行训练，现在只用一台笔记本电脑也可以做一个人工智能模型的学习。以前信用卡被盗刷查起来很费时，现在只要一两分钟就能收到警示短信，这后面其实就是一个大规模反欺诈的算法加大规模集群的算法，以最短的时间为金融机构、电信机构向消费者提出警示，这些都是基础架构的规模化。从单机，几个节点，到多个节点，这些规模化对整个架构的要求完全不一样。”

“在过去的几十年里，人工智能几起几落，达到一个可生产的准确性之后，就必须可靠、可被监管、数据可备份、可回溯而且合规。当人工智能真的进入生产环境，规模化生产，为客户产生洞察力的时候，那就变成了一个严肃认真的业务，就必须要有刚才讲的这些属性。”吴磊指出。

“谈到做AI，主要有数据、算法、算力三大驱动力。其中算法的进步相对较慢，而算力反映到推动算法的运算上，AI起到了至关重要的作用。医准智能主要是在算法方面有很强的AI模型构建和训练能力，而IBM在架构和算力方面很强，知道如何搭建架构，需要底层高度可扩展的数据平台，对于这样一个分布式的数据平台，可以做好深度学习的训练和推理。基于这样的数据平台，我们可以支撑医准智能这样非常专注于AI+医疗模型的算法和应用。”崔玮表示，“现在市场上我们有两癌筛查的项目，国家在这方面有非常大的投入，但是具体落地时遇到了很多困难，包括数据量大、医生不够、大量片子拍出来没有人力时间精力去看等等。我们可以用这个产品帮助医生读片子。然而要做到一个成型的方案还是要靠基础架构，否则几十套片子传进来，如果没有一个稳定的平台，很难支撑这样一个高并发的数据处理和分析需求。”

立竿见影的显著疗效

对于IBM为医疗行业开出的这剂药方，专业人士又有着怎样的评价呢？

“如果按照传统的方法，对肺结核断层扫描的话，光是一毫米的层厚可能就要拍几百张片子，医生诊断起来相当累，看一个病人至少就得半个小时。”王子腾表示，“然而在应用了人工智能技术之后，只用十几秒钟就可以得出结果。”

“除了显著提升工作效率之外，人工智能的准确率也更高。因为医生用人工方式看片的话，容易受到疲劳、情绪等各种因素的影响，但是AI不会疲劳，没有情绪，可以做到非常客观，只要我们训练的数据足够多，案例足够丰富，检测的结果也会变得越来越准确。”王子腾补充道。

IBM中国系统开发中心技术解决方案总监崔玮

“看片子的时候，要判断病灶每一个点的位置，还要有一个电子版报告交给医生，还要审核签发交给病人，AI技术一方面可以大幅减少医生寻找病灶的时间，一方面可以非常方便地给出报告，可以节省大量的时间。科研方面更是如此，可以说如果没有一个类似的工具，就完全做不了科研。为什么近年来我们看到有很多医院，会招聘计算机专业或者编程的人员？或者原本是医疗专业，但是进来以后主要从事的编程方面的工作，原因就在这里。”崔玮补充道。

据王子腾透露，过去医生如果想做AI研究，往往要把数据交给第三方公司，但是拿到的结果经常医生也看不明白。如今IBM与医准智能携手研发的达尔文智能科研平台，在医院内部就可以进行数据的搜集、标注、模型训练，因而在医生中大受欢迎。崔玮则强调，“我们可以为医生提供端到端的解决方案，包括POWER服务器的算力，Spectrum Scale对数据的收集和组织，Deep Learning做好深度学习的分析和运算等等。我们交给医生的，是一个可以开箱即用的科研工具。这样医生即使并不了解计算机、数学、Linux和代码，只要通过拖拽式、搭积木的方式，一样可以完成AI的科研模型训练。”