邊緣 AI 開啟海港管理新篇章

Posted on by Pete Berta

由於大多數國際貿易貨物依賴海運，港口成為了商業與經濟成長的關鍵動力。但隨著人口激增、新興經濟體發展和全球貿易量成長，海港面臨重大挑戰。

智慧城市解決方案供應商 Gamma Solution SDN BHD 的業務發展經理 Sim Tiong Yan 表示： 「現在的港口管理機關很難管理港口內外的車流，效率不好也造成延誤。工人安全和港口保全也是主要的關注點。」

諷刺的是，最嚴重的港口交通問題不是船隻，而是運送貨物的陸上車輛。這可能出乎許多人意料之外，但港口區域地面交通混亂的背後有幾個原因。

每輛抵達港口的卡車都必須先向港務局報到。登記流程通常靠手動處理，而且速度非常慢，導致等待報到的車輛大排長龍，形成交通瓶頸。另外，駕駛不時違反港口交通規則：禁停區停車、超速、單向道逆向行駛，或是逾時逗留。這些行為會干擾作業，近一步拖慢港口進出的交通。

不僅如此，尚未解決的港口堵塞問題也引發了環境方面的擔憂。

港口交通管理挑戰與解決方案

好消息是，採用邊緣 AI 和電腦視覺的解決方案有助於更有效管理港口交通，同時改善港口安全與保全。這些解決方案建立在靈活、模組化的邊緣硬體上，可部署至全球各地港口，並根據當地需求客製化。

例如 Gamma TITANYS EYEoT 解決方案採用光學字元辨識（OCR），透過於入口自動登記每輛車的車牌號碼，以及卡車駕駛所需的擷取貨櫃編號，簡化車輛報到流程。電腦視覺技術有助於偵測非法停車、交通違規，並測量每輛車在港口停留的總時間。偵測到問題後，人員將收到警報以進行糾正。

邊緣 AI 提供安全、保全和設備監測

Gamma 的解決方案有助於港口管理人員解決主要安全問題，例如偵測安全帽與反光背心，協助確保工人遵守正確程序。系統的 AI 物體辨識演算法還能區分人類與車輛，當有人進入車輛專用區或卡車闖入行人區時，便會向港口作業員發出警告。

此外，系統更具有監測敏感及潛在危險機械的功能。例如港口常出現化學設施，過熱的儲罐可能導致火災或爆炸，因此需經過嚴格監測，確保不會超出安全溫度範圍。TITANUS 系統採用熱感攝影機和 AI 分析測量儲罐溫度，偵測到危險就會通知安全人員。

結合攝影機與 AI 還能提升港口保全效率。Gamma 的入侵偵測模組採用電腦視覺，可識別蓄意潛入港口的未授權人員，但不會因物體落在周邊圍欄而發出錯誤警報。生物識別技術使港口內部區域實現分級訪問權限。例如 IT 技術人員可獲准進入辦公室區域，卻無法前往工業區域。

東協案例研究突顯客製化潛力

Gamma 在南亞某港口的客製化部署即是智慧城市解決方案的典範。一間港口營運商有多項安全和效率問題需要解決。Gamma 的工程師提出了三種可能的實施方式：

  • 在邊緣 AI 盒與 AI 攝影機上執行系統，所有處理和自動化工作都在邊緣進行。
  • 將標準 IP 攝影機連接到後端伺服器，AI 分析和決策由伺服器處理。
  • 採用混合方式，使用 IP 攝影機和邊緣 AI 盒，在邊緣進行部分 AI 分析工作負載，同時透過後端伺服器決定自動反應動作。

最後，為了達成成本和效能的最佳平衡，這間港口營運商選擇了混合方案。車輛報到處的交通流量有了顯著的改善。碼頭工人反覆進入潛在危險區域的長期問題也得到解決。在實施解決方案的前一年，港口曾發生超過 50 起工人違規進入限制區域的案例。實施解決方案後，事件數量已降為零。

Gamma 與 Intel 的技術合作協助將這項解決方案推向市場，並使提供靈活部署選項更加容易。Yan 談到：「Intel 的工程師幫我們最佳化 AI 模型，還提供基準測試工具，讓我們可以選擇部署需要的確切硬體規格。硬體效能的基準測試支援是吸引客戶的大功臣，因為我們可以幫他們控制成本，還能根據需求量身打造解決方案。」

更智慧永續的城市

在未來幾年，全球的環境與航運挑戰將變得更加嚴峻。可擴充、可客製化的解決方案可改善港口效率，將會引起港口管理機關、城市管理者和系統整合商（SI）的高度興趣。

這類解決方案的靈活性能對政府與 SI 帶來額外好處，因為其中所採用的技術可輕鬆重新應用於其他智慧城市使用案例。

Yan 表示：「智慧港口管理解決方案跟智慧城市、製造業和物流的使用案例有很多重疊的地方。這些系統還可以用在確保倉儲保全、改善工廠員工安全，或管理社區交通流量，讓我們的城市更智慧、更安全、更永續。」

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。

使用 AI 監考實現公平透明的評估

Posted on by Micah Kaplan

傳統的課堂考試需要教育工作者或監考人員監督以確保誠信。若為線上教育，則可使用遠端監考軟體來滿足該需求。遠端監考軟體會透過網路攝影機錄製考生，並使用遠端真人監考員或 AI 演算法來監視考生的活動。安全、遠端的監考方式，為教育工作者和學生提供維護學術誠信所需的密切監護，即使不在同一個房間也能監考。

線上評估特別容易受到安全性問題和學術欺騙的影響。為了應對這些挑戰，教育工作者需要能執行虛擬監考的數位工具，協助評估學生的學習成果同時維護誠信。線上監考可以使用 AI、軟體，真人監考員或任何組合。

「監考能確保以公平透明的方式進行評估，」AI 教育科技公司 ExamRoom.AI 的資料科學副總裁 Deepak MK 表示。「透過監視考生，監考有助於維護教育和專業認證的誠信。」

AI 監考流程

ExamRoom.AI 為學校與組織提供全面性的平台，簡化且高度安全，可在全球各地監考。教育工作者可以通過學習管理系統（LMS）和網頁型監考平台，提供評估並追蹤學生成果。

考生透過網路攝影機登入參加考試，而真人監考員則負責完成身份驗證流程。平台使用網路攝影機限制考生篡改、複製和貼上文字，以及螢幕共享。「除了這些基礎措施外，我們還開發出控制硬體和軟體核心的安全演算法，以及指紋、臉部掃描和語音辨識等生物識別監視技術，進一步防範作弊。」MK 表示。

因為許多學校和企業使用其他教育科技工具，平台整合了熱門的 LMS 平台，包括 Blackboard 和 Canvas。ExamRoom.AI 也與客戶合作自訂 API 與平台使用者介面，為客戶品牌供應白標產品，例如調整字型大小與標誌等細節。

個人隱私權：平台的基礎

個人隱私權無庸置疑是學生和教育機構的重大考量。ExamRoom.AI 遵循相關資料保護法規，例如 GDPR、COPA、FERPA、ISO27001、ISO 9001 和 SOC II，具體取決於司法管轄區與處理的資料性質。除了遵循法規外，平台以多種方式保護個人資訊：

  • 透過 ExamRoom.AI 傳輸的所有資料均經過加密，以確保傳輸過程中敏感資訊的安全。
  • 在收集或處理任何資料前，使用者會被告知資料收集做法，並提供明確同意。
  • 在可能情況下，個人資料將會匿名化，以防止直接識別個人。
  • 個人資料存取權具有嚴格的控管限制，僅有經過授權的人出於有效目的才能存取。
  • 平台僅收集和處理提供服務所需的最低限度個人資料。
  • 作為通過 ISO 認證的公司，必須定期接受稽核和評估，以識別並解決與資料隱私權有關的潛在漏洞或合規性問題。
  • 使用者會獲得清楚的資訊，瞭解其資料的使用方式，包括目的、收件人和保留期限，從而促進透明度與信任。

支援無障礙功能與個人化學習

現今教育環境最大的挑戰之一是適應不斷變化的技術與方法，同時確保所有學習者都能取得教材。ExamRoom.AI 透過為學生提供方便易用的體驗，讓教育工作者能提供多模態內容和可適性學習路徑，來解決這個挑戰。例如，線上評估可能會根據先前問題的回答方式，向不同的學生提供不同的問題。「我們的工具協助教育工作者應對不同的學習風格和能力，」MK 表示。「他們也可以利用系統來蒐集資料，協助克服學習差距。」

學生、教育工作者和企業面臨壓力，要為學生和員工做好準備應對瞬息萬變的就業市場，因為技術在社會上扮演主導地位。「ExamRoom.AI 有技能評估、職涯指導和專業發展工具，」MK 表示。「我們讓教育工作者能夠量身打造教學方法，培養批判性思考、問題解決能力、創造力與協作能力，這些技能都是 21 世紀取得成功的關鍵。」

為未來需求所打造

Intel 技術在 ExamRoom.AI 解決方案中扮演關鍵角色，包括最先進的 GPU 硬體，可增強 AI 模型訓練與推斷流程的速度與效率。該公司與 Intel 合作最佳化各種機器學習模型，包括物件偵測、語義搜尋、標籤生成和翻譯。與 Intel 的合作關係有助於微調這些模型，提升效能、效率與準確性。

隨著教育繼續採用 AI 支援的工具，例如量身打造的意見回饋和可適性學習路徑，MK 期待繼續與 Intel 合作：「虛擬監考和遠端評估解決方案會不斷發展，以確保線上測驗環境的誠信。在 Intel 的支援下，我們將繼續使用豐富的資料集重新訓練和並完善 AI 模型，確保它們保持有效實用。」

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。

A I無所不在：從網路邊界到雲端

Posted on by Pete Berta

Intel 執行長 Pat Gelsinger 在近期舉行的發佈會上，不僅推出了新產品，還介紹「AI 無所不在」的概念。在第 5 代 Intel® Xeon® 處理器和 Intel® Core™ Ultra 處理的介紹中，Gelsinger 談到 Intel 是如何將 AI 工作負荷量帶到資料中心、雲端和網路邊界。

現在，在與 Intel® Ethernet 產品北美通路銷售支援經理 Gary Gumanow 的一段對談，我們進一步瞭解 AI 無所不在的理念和網路邊界的作用。Gary 的職涯全致力於網路領域，這也可能就是他被稱作「Gary Gigabit」的原因。Gary 擁有紐約市部分頂尖律師事務所的系統整合背景，與 Intel 代理商和解決方案供應商密切合作。Gary 表示，了解科技、顧客需求以及產品是如何透過通路運輸是他最關心的事。

Intel 談到 AI 無所不在（從資料中心到邊界裝置）時，就網路邊界而言，這意味著什麼？

AI 無所不在是指從邊界到網路核心再到資料中心。就邊界而言，我們談論的是端點：傳感器、攝影機、伺服器、PC、適配器—連接到網路的裝置。核心是指向邊界提供服務的元件。資料中心的 AI 並非新鮮事，且具備處理大型 AI 負載的電源和儲存能力。但邊界推斷是全新的一件事。從精巧型/堅固型 PC 的處理能力到時間敏感的網路，以及來回傳輸資料所需的連接性，存在著許多挑戰。

有許多領域會對網路產生影響，而且網路對這些領域的重要性也同樣重要。AI 對邊界裝置意味著什麼？AI 模型的好壞取決於可以取得資料，但是該資料如何到達邊界裝置，反之亦然，以及該資料是如何返回資料中心？

重要的是，您必須在其中放置最佳數量的適應力—調整架構規模，以免對資料中心之間的網路造成負擔。這表示利用適當 CPP 隨時執行 AI ，同時降低成本並提升效能。

我們持續致力於改善網路裝置的頻寬、資料安全性和機密運算，以便在進入邊界時確保安全、低延遲，以及連接資料中心所需的效能。並以低功耗和可持續的方式實現每瓦的性價比和優化功率。

讓我們將這個想法延伸到廠房，我們擁有 AI 和電腦視覺，收集所有資料並在邊界推斷。網路邊界是什麼樣子？

信不信由你，部分工廠車間很廣，可以擁有自己的氣候模式。對於製造和自動化來說，如今最熱門的事情之一就是拉近機器人裝置之間的距離。那麼，當這些設備相距足球場之遠時，如何進行通訊？而您是如何將即時資料傳輸至對組裝生產線至關重要的邊界裝置？

這就是為什麼製造商要在工廠部署專用 5G 網路，以便可以從本地伺服器或資料中心一路連接到這些端點進行通訊。但是這類通訊需要計時準確性、低延遲和效能。

因此，5G 虛擬無線接取網路 (virtualized radio access networks, vRAN) 的基石之一即精確計時技術。全球定位衛星 (GPS) 裝置是精密計時網路的關鍵元件。基本上，網路有一顆原子鐘，通常是一項網路應用，並且您的所有裝置都與該應應用同步。但是這樣既昂貴又專有性。

對 5G 而言，另一件重要的事在於前向錯誤更正 (FEC)，其向前查看並更正任何錯誤，以便在傳遞過程中消除任何錯誤；您已經知道精確計時，然後又是前向錯誤更正。所有這一切都會變得複雜。

Intel 要如何降低在工廠部署專用 5G 的複雜度？

我們直接將這些功能建構在 Ethernet 產品中。例如，以應用式原子鐘技術為例，該技術現在已整合到我們的一些網路適配器中。您可以消除網路中這些應用，並具備內建 5G 網路所需的計時準確性。省電、省錢，並且簡化網路設計，因為不必讓所有這些裝置返回原子鐘。它可以出現在需要的節點上。GPS 計時同步和 FEC 是其它內建在我們網路介面卡和裝置中的技術。

我們已經將獨立元件的需求縮小到較小的集合。因此，現在我們有 Intel® vRAN Boost 透過第 4 代 Intel® Xeon®處理器上的加速器完成大量工作。這是與 vRAN Boost 完全整合的高容量加速，可提升透過 vRAN 執行 Ethernet 所需的效能和運算量。同樣，這減少了元件需求、電源消耗和整體系統複雜性。

這就如同 Intel 的一切發展。將其整合到處理器或更少數量的元件，並簡化使其更易於部署。另一個例子是 Ethernet 如何嵌入 Intel® Xeon D 處理器。單晶片系統（SoC）處理器具有乙太網路控制器的邏輯，可在實際晶片中支援 100 GB。

相較於雲端資料中心，其尺寸適合網路設備或邊界裝置，因此具有較少核心且需要較少電源。以及專門處理網路流程和網路安全。Intel Xeon D 處理器是適合其銷售地點和嵌入位置的「適當尺寸」。您可以將其部署在醫療傳感器、閘道、工業電腦、工廠車間，所有這些地方都需要近乎即時的可操作見解。

最後，您是否想補充些內容？

我們非常重視與多個供應商的互通性。事實上，在 AI 領域，我們正在執行名為 HPN 或基於開放 API 和開放軟體的高效能網路堆疊。我們正在與 Broadcom、Arista、Cisco 以及其他許多供應商合作。Ultra Ethernet 聯盟開放給那些想要參與開放生態系統並支援資料中心 AI 的組織。

我的顧客告訴我，他們喜歡 Intel 對產業採取的開放態度。這個即將在開放環境中引入資料中心 Ethernet 的聯盟對產業來說至關重要，因為 AI 可以真正擴展至最多的位置。

Ethernet 顯然經得起時間的考驗，因為其五項原則：向下相容、無法滿足的頻寬需求、互通性、開放軟體以及不斷發展的使用案例。網路（無論是 802.11、Gigabit Ethernet 或 100 GB Ethernet）是與 5G 將整件事整合在一起的結構，讓 AI 無所不在（從邊界到雲端）。

 

由 insight.tech 編輯副總監 Christina Cardoza 編輯。

醫療保健 AI 解決方案簡化照護職責

Posted on by Pete Berta

我最近造訪了一家醫療保健機構進行例行醫療程序，且可能無意間讓護理人員負擔過重：因為發寒，分別要了三次保温毯。不適只有我一個人忍不住使用床邊呼叫按鈕。

雖然護理師的職責在於提供有品質的病患照護，但多數情況下，護理師是滿足所有病患需求的第一道防線，無論是額外的毯子、枕頭還是飲水。這類的要求並沒有充分利用護理師的時間。醫療最佳化解決方案開發商 HOOBOX Robotics 的執行長兼聯合創辦人 Paulo Pinheiro 表示：「如果使用護理呼叫鈴，護理師就必須步行至床邊處理您的要求、回護理站、協調護理或維護部門。

鑑於護理人員的高度消耗和人員短缺，醫療設施正盡力將護理資源最佳化。智慧手機應用程式型解決方案 HOOBOX Neonpass 解決了這些低效率的問題。為了尋找將 AI 應用於醫療保健的方法，HOOBOX 開發了 Neonpass，既能滿足病患的需求，又不會造成護理師負擔過重。應用程式會識別並傳送要求至醫療設施中的適當部門，必要時才傳至護理站。應用程式驅動的需求與交付方法讓 Neonpas 獲得「醫院專用 DoorDash」的稱號。

醫療保健中的 AI 最佳化工作負荷量

使用 Neonpass 不僅能讓病患與專業人員溝通，還能以數位格式在護理人員和其他相關部門之間傳送訊息。過去嚴密通訊協定曾強制護理師聯絡醫院其他部門，醫療設施現在則可依靠數位平台傳送訊息。例如，護理師可以將飲食變更直接輸入至 Neonpass 解決方案，而非告知營養部飲食變化（這可能會導致溝通錯誤）。「透過 Neonpass ，您會將所有資訊和營養照護資訊數位化，而且比電話聯繫更高效且少出錯。」

Neonpass 包含了三個 AI 模組。第一種是根據假設偵測病患的異常行為，其來自病患的訊息可作為潛在醫療需求的窗口。例如，頻繁用水的要求可能表示生理上的問題，所以 Neonpass 可以提醒護理人員，比已規劃的更提前檢查病患，以便有效干預。

「AI 會分析上次服用藥物、程序、檢查，並給予風險分數，讓護理人員可以衡量嚴重程度並優先看診。」AI 複雜到足以理解不同的藥物或程序會觸發可能屬於異常的事件，並將這些參數納入風險分數。

另一個 AI 模組會評估病患使用 Neonpass 嵌入的聊天機器人來因應心理健康挑戰。這個模組可以偵測使用者是否感到孤獨或想自殺，並相應提醒工作人員。

最後一個模組會提供來自個別醫院的大型語言模型的生成式 AI 訓練。例如，專業人士透過 Neonpass 可以驗證安全和防跌協定。這項解決方案填補了現有的醫療專業人士的訓練計畫，他們可以使用 Neonpass 學習認證課程。

AI 驅動的最佳化也會透過通用平台提供業務深入解析，讓管理階層可以利用資訊根據週期性需求來進行人員配置最佳化，甚至將護理人員配至可能需要較多人員的樓層。

自訂 AI 模型會帶來卓越的成果

HOOBOX 團隊充分了解保護敏感病患健康資訊（PHI）的嚴格法規。Neonpass 符合美國《健康保險可攜與責任法》(HIPAA) 和各項國際通訊協定。除了利用 Intel 硬體加密資料，HOOBOX 提供了多方面的員工訓練，「將每個人都變成人為防火牆」Pinheiro 說道。

巴西每家使用 Neonpass的醫院都從此解決方案中獲得了可觀的投資回報。例如，聖保羅的阿爾伯特·愛因斯坦醫學院減少了 54% 的護理需求，並且每 10 張床位上省下 100 個小時的護理時間。聖保羅的聖塔波拉醫院在使用 Neonpass 後，省下了驚人的護理時間，高達 75% 。

HOOBOX 為每家醫院量身打造 AI 模型。在巴西執行這項任務時，工程師碰到了一個有趣的問題：由於巴西不同地區有不同方言和俚語，模型需要接受所有這些方面的訓練，才能確保 AI 解決方案能理解來自不同背景的病患。Intel® OpenVINO™ 工具組有助於縮短訓練此類繁重的模型所需的推斷時間。Pinheiro 說道：「這項解決方案在搭載整合式加速器的Intel® Xeon® 處理器上執行，有助於快速處理及提供深入解析。」

這家公司與醫療設施合作，為特定使用案例自訂及部署 Neonpass，包括查出將參與解決方案的部門、在床邊安裝 QR 碼牌、訓練醫院特定的AI 模型。大多數醫院從護理、營養和維護部門開始，然後將解決方案擴展到其他垂直領域。

醫療保健 AI 的未來

使用 Neonpass 幫助病患快速取得程序、檢驗和檢測的相關資訊，讓病患可以更參與自己的治療。「我們認為這就是未來，在適當的時間提供最相關的病患資訊，對病患而言是一大挑戰」Pinheiro 說道。

他還期望 Neonpass 能夠不斷發展，提供醫療設施之外的持續性護理。Pinheiro 指出，對患者進行追蹤就診可降低再入院率，但此類措施的擴充性不是很大。雖然護理服務的方式仍將透過應用程式進行，但也有可能轉向穿戴式裝置。透過將 API 交付至其他通訊平台，Neonpass 會找到新的途徑，可以優先處理病患護理，同時減輕醫療專業人士的負擔。

Neonpass 預計會將業務擴展到巴西以外的地區，並延伸至北美市場。所以或許下次在醫院需要保温時，我不必再打擾護理人員，而是使用 Neonpass 應用程式。

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。

無程式碼 AI 平台促進採礦安全

Posted on by Pete Berta

預防採礦環境中多個活動零件造成的意外事故。首先是感官超負荷：鑽井與礦石運輸作業聲響亮，且地下作業往往光線昏暗。各式各樣的機具以不同速度行駛，但現場沒有號誌燈，而且無法看一眼就完全清楚環境。再加上長時間輪班，從以上條件已可看出工人的安全飽受威脅。

幸好礦業可以利用電腦視覺 AI 解決方案，解決危險環境的難題。LabelFuse──機器學習與電腦視覺解決方案無程式碼平台的創始人兼執行長 Kelvin Aongola 表示「預防意外事故是礦業的首要之務，只是沒有標準方法應對這項難題」。

「公司持續尋求符合成本效益的方法，解決這個問題。」Aongola 說。我們的先進駕駛輔助系統（ADAS）專為採礦和長途貨運業設計，主要作為預防意外事故的平台，並利用現有的監控攝影機，精確擷取疲勞駕駛的影像，及地面工作情形。

電腦視覺 AI 偵測疲勞

在採礦的使用案例中，因為充斥大小型機具，環境十分嘈雜。「如果高居駕駛座，您的視野會完全被擋住。」Aongola 說。有很多傳統方法讓駕駛保持清醒防止意外發生。

電腦視覺解決方案擷取人可能輕易錯失的疲勞視覺提示（眼皮垂下、頻繁眨眼），然後傳送提示給駕駛。為了提升危害途徑的預測，我們也邀請駕駛參與這項計畫，瞭解機具附近的環境狀況。「除此之外，我們串流這些活動至控制中心，只要駕駛忽略所有警示，控制中心就會接管。」Aongola 說。這些資料有助事故發生後，保險理賠的核實。

基於 AI 演算法會掃描人臉搜尋疲勞或注意力渙散的跡象，免不了產生隱私顧慮。「但 LabelFuse 遵循資料隱私法，絕不在雲端儲存個人資料，因為雲端較容易入侵」Aongola 說。再者，LabelFuse 內部部署的中繼資料只保存短短幾個月。

「雖然預防意外事故目前的使用案例是礦業，但 LabelFuse 解決方案可以承擔更多」Aongola 說。我們的系統與 ADAS 合作良好，所以日後可以延伸運用在自動駕駛使用案例。「我們目前提供的設置可以向外拓展運用」Aongola 說。

無程式碼解決方案的需求

一般公司沒有適當的 AI 專業技術，導致難以實施。「即使多數公司知道電腦視覺部署的方式，尤其是邊緣部署，也會小型概念驗證，卻無法擴充概念驗證為生產就緒的解決方案。」Aongola 說，「他們往往苦於微調模型，或弄不清如何使用適當的邊緣裝置部署他們的構思。」

企業希望部署 AI 驅動解決方案，並投入無程式碼解決方案，才能以企業主要的價值主張為重，避免淪為 AI 為主的公司。即使沒有程式設計技能，無程式碼解決方案可以普及軟體使用，協助開發可行的問題解決方案。預先組裝元件與拖放功能協助專業人士，不必深入瞭解程式設計基礎知識，就能組建功能。

LabelFuse 以無程式碼平台滿足這類需求，領域專家只要登入平台，選擇特定業務營運需求的模型。

Intel 邊緣運算的優勢

基於多項理由，包括合理成本，LabelFuse 採用 Intel 技術。「直接與客戶討論較容易成交，因為他們可以當場決定定價，不必經歷複雜的核准流程。」Aongola 說。

在雲端儲存資料困難重重，所以高功耗邊緣處理有助降低成本、減少延遲。Intel® NUC 搭載第 13 代 Intel® Core™ 處理器，滿足所有所需的高效能運算。裝置的外型規格小巧、易於安裝，所以十分適合機具狹小的空間。此外，對應採礦惡劣的環境，NUC 可設置堅固的外殼。「知名品牌是另一個重要的加分項」Aongola 說，「Intel 技術歷經長期驗證，畢竟您不會採用無名裝置協助解決問題。」

拓展電腦視覺 AI 運用

LabelFuse 知道可以立即實作礦業的預防意外事故平台，但使用案例不僅止於礦業。只要產業有工作人員可能注意力下滑，例如製造、現場服務、零售等環境繁雜的產業，這些電腦視覺 AI 解決方案都能帶來益處。

「電腦視覺工作的方式逐漸改變」Aongola 說。民眾渴望可以交流的解決方案，例如 ChatGPT 等 AI 聊天機器人提供視覺資料。LabelFuse 整合這類生成式 AI 至邊緣產品，並且預見這個領域有絕大的魅力。

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。

在實體世界實現數位體驗

Posted on by Micah Kaplan

實體工作空間（以往定義為靜態布局、固定設備、機動性有限）目前歷經革命性轉變。遠端辦公越趨整合後，工作場域的概念跨越實體辦公室的壁壘，納入線上模式，藉由混合式環境打造順暢的數位體驗。

轉變為包容和靈活性需要重新思考傳統工作流程和溝通管道。Q-SYS（進階音訊、視訊、控制系統供應商 QSC 旗下的部門）是引領這場改革的典範。該公司是「高影響力空間」概念的領頭羊，除了設計物理屬性，他們還提升協作和生產潛能。

Q-SYS 軟體技術資深副總裁 Christopher Jaynes 闡述：「重點是空間成果。我們之前均以物理容積討論空間，例如小型會議空間或會議室，但我們現在更重視這些協作空間預期的影響力。高影響力空間設計已考量到預期的目標，意圖改變我們在工作環境交流與協作的方式。」（影片 1）

影片 1. Q-SYS 的 Christopher Jaynes 說明高影響力空間在協作與混合式環境的重要。（資料來源：insight.tech）

重新定義混合式環境

Q-SYS 開發複雜的技術套件（包括 Q-SYS VisionSuite），協助打造高影響力空間，改變會議室與協作空間。該公司的技術套件整合範本設定、生物識別技術、體感感應器等複雜的工具，大幅提升使用者在這些空間的交流互動。

Q-SYS VisionSuite 利用 AI 電腦視覺技術能力，在這些高影響力空間裝備進階控制系統，預測並配合與會者的需求調整。這項自動調整技術提供個人化更新與互動，配合每次會議動態調整。

「AI 可運用於以下領域電腦視覺、即時音訊處理、精密控制、致動系統，甚至體感與機器人。」Jaynes 說。

影音產業以往認為這類進階互動過於複雜，而且成本過高。以這些技術裝備空間的費用可能高達 500,000 美元，但如今 AI 顛覆成本計算。「透過 AI 控制系統與生成式模型，這些功能得以普及，大幅降低成本，讓更多使用者享有高階混合式會議環境。」Jaynes 說。

技術支援協作空間

音訊 AI 是高影響力協作空間的主力。除了能識別說話者、對話自動語音轉文字，AI 還能根據會議類型，調整會議室傳音效果。

Q-SYS 有一項大放異彩的功能是，多區域音訊功能。這項功能確保所有與會者無論在實體或混合式環境，都聽到清晰、清脆的聲音。

此外，Q-SYS 的系統可以增強會議動態，確保遠端與會者從特定方向說話時，聲音會從會議室的相同位置發出。這種定向音訊功能創造身歷其境的體驗，仿照面會會議的自然聲流，令人專注聆聽說話者。

補充：顧名思義，VisionSuite 使用先進電腦視覺。而且 VisionSuite 提供多鏡頭導演體驗，並自動控制攝影機和其他感知輸入，提升協作環境，確保智慧處理視訊發布，在說話者與與會者間流暢切換焦點，維持專注力。

至於裝備多部攝影機的會議空間，系統會利用接近感測器，偵測與會者取消靜音準備說話的時機。接著攝影機會自動聚焦當前發言的人，同時提升清晰度，影響他們的發言力道。

不僅如此，系統還支援直覺視覺提示。例如，關閉麥克風時會議室燈光轉為紅色，開啟麥克風時切換為綠色。

為了提升安全和隱私，攝影機會自動避開與會者，並在關閉視訊時對著牆壁。這功能不必手動操作，即可確實維護隱私、提升安全性。

空間自動化是另一項特色，大幅提升工作空間的功能與機動性。AI 系統會智慧調整照明和溫度設定，所以會議空間可輕鬆配合情境轉換，例如小型腦力激盪會議或大型簡報。

空間自動化 AI 甚至有助員工管理繁忙的排程。「試想您趕不及開會時間了」Jaynes 提議，「但 AI 知道您會晚到，所以在門口迎接您、通知您會議已開始 10 分鐘，然後引導您入座。同時為了讓您融入會議，AI 自動傳送稍早會議的內容摘要，方便您即時參與，發表有效的意見」。

標準化硬體促進數位體驗

為了實現這一切，Q-SYS 利用 Intel® 處理器的強大功能。「Q-SYS 採用 Intel 處理能力，所以可以組建靈活的影音系統，並利用先進 AI 演算法。」Jaynes 說明。

這項策略利用 Intel 處理器解決傳統影音設備專用硬體的限制。Q-SYS 的方法十分仰賴軟體驅動，標準化硬體才能靈活適用於各種功能，最終提供更長的硬體生命週期。

「我們很期待，想必是絕佳的合作關係。我們調整藍圖，確保有效提供這些平台合適的軟體更新。」Jaynes 補充。

我們邁向的未來，協作空間和混合式環境會逐步以機動與應對能力劃分，所以 Jaynes 認為 AI 會重塑人在專業環境互動溝通的方式。以 Q-SYS 為例，這類解決方案的互動會更具包容性、吸引力、效果，甚或令人樂在其中。

 

本文由 insight.tech 編輯總監 Christina Cardoza 編輯。

透過工作負載整合解鎖應對客戶的邊緣 AI

Posted on by Pete Berta

現金消費者和企業的互動方式有所改變。全球嵌入式主機板與工業電腦領導者友通資訊（DFI）產品中心總經理張家益解釋道：「後疫情時代強調的是把實體接觸降到最低和簡化客戶服務。」

正因如此，零售領域對邊緣 AI 應用整合的需求日益增長。例如， AI 支援的自動服務機和報到解決方案可以讓客戶自行完成交易，協助減少實體接觸和等待時間。這些解決方案還能即時分析顧客行為和偏好，讓零售商提供個人化體驗，提升顧客滿意度和忠誠度，同時促進銷售。

張家益表示：「這些需求推動邊緣 AI 的轉變，讓處理過程更靠近資料來源，減少延遲還有增強隱私保護。即時決策的需求和邊緣產生的資料量成長是這個轉變的幕後推手。」

推動邊緣 AI 發展

但是問題在於，企業往往難以找到最佳方法，在現有的基礎架構和流程周圍部署 AI 應用程式。

雖然邊緣 AI 可以大幅減輕網路和資料中心的負載，但同時也可能對本機造成新的負擔，因為資源本來就已經有限。問題來了：要如何在不增加成本和複雜性的情況下部署邊緣 AI？

工作負載整合是因應這些挑戰的解方，讓單一硬體平台結合 AI 和其他功能。一款多功能邊緣裝置就此誕生。張家益解釋：「透過資源分割、隔離和遠端管理等功能，能利用有限的資源同時執行多個工作負載。」

友通資訊（DFI）這次在 2024 年嵌入式世界大會演示了結合電動車充電器和資訊站的範例，展現工作負載整合的可能性（影片 1）。資訊站部分採用了生物識別、語音識別和內建聊天機器人，推薦駕駛在車輛充電時可享受的附近購物和餐飲選擇。駕駛離開後，螢幕會切換到數位招牌模式，顯示附近商家引人注目的廣告。

影片 1。友通資訊（DFI）在 2024 嵌入式世界大會展現工作負載整合的可能性。（來源：insight.tech）

DFI RPS630 工業主機板利用第 13 代 Intel® Core™ 處理器的硬體虛擬化技術，無縫整合 AI 功能與內容管理系統、電動車充電控制和付款處理系統。友通資訊（DFI）同時採用 Intel® Arc™ GPU ，為 AI 元件提供高效、符合成本效益的加速。

公司同樣利用 Intel® OpenVINO™ 工具組進行 GPU 最佳化，減少 AI 記憶體空間，讓主機板能在小於 6 GB 的記憶體執行複雜的大型語言模型。另外，透過將邊緣複雜的 AI 任務卸載到 Intel Arc GPU，友通資訊（DFI）能夠支援多種 AI 工作負載，同時縮短 66％ 的回應時間。

全力邁向智慧系統未來

友通資訊（DFI）的工作整合技術遠遠超越電動汽車充電應用。這個平台整合了工業級產品和合作夥伴的軟體、AI 解決方案，放眼全球自助服務產業，應用範圍包括零售、醫療保健、運輸、智慧工廠、餐旅等。

透過整合 Hypervisor 虛擬機，友通資訊（DFI）將所有客戶的工作負載集中到單一工業電腦上。這項系統支援多種資源分配，讓各式作業系統平台同時運作。

張家益表示：「這些邊緣 AI 使用案例都需要工作負載整合平台，才能實現客戶資料的即時處理和高效作業。隨著越來越多的產業和組織採用這項技術，我們預期會看到更近一步的發展。

邊緣 AI 和工作負載整合平台的融合對邊緣運算的發展非常重要。」張家益繼續談到：「隨著硬體、軟體和其他邊緣 AI 技術持續發展，工作負載整合絕對會越來越普遍，最終開啟新一代邊緣運算應用的可能性。」

邊緣協同合作的價值

邊緣 AI 對許多產業來說是大好機會。張家益解釋，我們目前才剛開始接觸這個領域。透過結合高效的加速和合適的工作負載整合平台，我們可以開始探索技術真正可以達到的境界。

友通資訊（DFI）和 Intel 的合作提供了洞察，揭示支援持續進步的必要條件就是協同合作。現代邊緣 AI 應用需要結合硬體、軟體、AI 和產業專業知識的跨領域方法。

張家益解釋：「嵌入式虛擬化需要在硬體和軟體方面建立強大的合作關係。開發和部署工作負載整合技術要求大量的研究和開發資源。透過跟虛擬整合軟體供應商和其他公司合作，我們可以大幅縮短開發和上市時間。」

張家益總結道：「有了像友通資訊（DFI）和 Intel 這樣的合作關係，就能夠探索和開發新技術，協助塑造邊緣運算的未來。一路走來合作取得的成果讓我們很驕傲。我們也非常期待未來跟 Intel 在工作負載整合、AI 和其他方面更深入的合作。」

 

本文由 insight.tech 編輯總監 Christina Cardoza 編輯。

邊緣 AI 偵測駕駛分心，改善安全性

Posted on by Pete Berta

每個駕駛都知道疲勞的時候看路有多難，而且看簡訊、調廣播和喝熱咖啡都很容易讓人分心。對那些比我們花更多時間在路上的專業駕駛來說，駕駛的時候要保持專注又更難了。

不過現在，採用邊緣 AI 和電腦視覺的進階駕駛輔助系統（ADSD）以傳統解決方案無法達到的方式幫助解決疲勞、分心駕駛的問題。這對所有人來說都是好消息，對車隊管理、物流和叫車業更是一大解脫。

專注於電腦視覺和深度學習解決方案服務平台供應商 TesorGo 軟體私人有限公司的創辦人兼執行長 Srini Chilukuri 表示： 「分心和疲勞駕駛是企業安全主管的主要擔憂，ADAS 解決方案利用邊緣 AI 改善舊的安全系統，提供即時監測、分析和警示，幫助駕駛集中注意力。」

雖然在邊緣部署 AI 解決方案充滿挑戰，但電腦視覺專家和硬體製造商合作，幫助把創新系統引入商業車輛和投入使用。

Raspberry Pi 上的 邊緣 AI

TensorGo 和 Intel 合作開發的進階駕駛注意力計量指標（ADAMS）解決方案就是一個絕佳案例。ADAS 系統設計簡潔明瞭：包括小型攝影機、邊緣運算裝置和監測危險駕駛的電腦視覺演算法。

ADAMS 同時執行三種獨立的 AI 行為偵測演算法：

  • 睡意偵測分析駕駛的臉部特徵，例如頻繁打哈欠或是閉眼等睡意跡象。
  • 頭部姿勢偵測透過識別駕駛視線從道路上移開的情況，例如調整導航系統、撿拾掉落的物品，來揪出分心駕駛。
  • 物體檢測識別駕駛是不是在注視手機等分心物品。

如果任何演算法偵測到問題，系統會馬上透過行動裝置提醒駕駛，同時發送警示給安全人員。

雖然在產品開發階段已經確立了基本的系統架構，但是距離 ADAMS 上市還有重重挑戰。這項概念驗證在一台龐大的邊緣裝置上執行，結果證明裝置效率過低也不靈活，沒有辦法轉化成可行的產品。TensorGo 的工程師希望把他們的系統移轉到小巧又節能的 32 位元 Raspberry Pi 邊緣裝置和 Raspberry Pi 攝影機上。但是目前還不確定怎麼在不讓處理器過載的情況下，在小型邊緣裝置上執行多種 AI 演算法。

TensorGo 團隊與 Intel 合作，克服了工程挑戰。他們利用 Intel® OpenVINO™ 工具組最佳化並加速 AI 演算法，這樣就能在小巧的 Raspberry Pi 裝置上高效執行。Intel 架構師還建議處理比原始原型更少幀攝影機影片資料的策略。這個方法提供足以進行高精度電腦視覺分析的資料，同時減輕處理器的負擔，從而改善 ADAMS 的整體效能和穩定性。

案例研究顯示提升安全性和節省成本

TensorGo 在中東地區一間大型卡車和配送公司部署的系統展現了 ADAS 系統在真實使用情境的功能。

這間公司旗下超過 500 輛卡車的車隊面臨日益增長的事故問題，駕駛分心和疲勞就是罪魁禍首。管理層無法接受讓駕駛和一般大眾身陷安全風險中。車輛停機時間和責任成本造成的營運效率問題也是他們擔心的點。就算實施了駕駛訓練計畫，問題還是沒有解決。

這間公司跟 TensorGo 合作之後，在車隊的每輛車上都部署了 ADAMS 系統。六個月內，結果就顯示邊緣 AI 方法大有斬獲。這間公司發現跟分心相關的事故減少了 32％，疲勞相關的也減少了 27％。駕駛注意力系統還協助提升了 18％ 的準時交貨率，預計節省了超過 150 萬美元的成本。

Chilukuri 談到：「像 ADAMS 這樣的 ADAS 系統對企業安全人員來說是一大變革。這些系統改善了安全性，也提高公司獲利，解決關鍵安全挑戰之外，還協助克服了採用新技術遇到的障礙。」

交通安全的未來和延伸應用

ADAS 解決方案結合強大的安全性和成本節省優勢，對車隊管理公司來說是具有吸引力的選擇，預計在未來幾年內，這些系統的採用率會提高。

TensorGo 正為未來做準備，計畫在現有的解決方案推出更多功能。這間公司在研究把 GSM 模組新增到 ADAMS 的方法，讓警示可以直接從邊緣裝置，而不是駕駛的手機發出去。工程團隊也在探索怎麼把 AI 碰撞偵測整合到解決方案，提醒駕駛潛在的道路危險。

除了 ADAS 系統之外，解決方案的基礎技術還能支援其他使用案例。ADAMS 使用的核心軟體和電腦視覺技術可以適應工作場所安全、輔助生活監測和工業作業等應用。

Chilukuri 談到：「未來幾年，邊緣 AI 和電腦運算會在物流和其他領域發揮變革性的作用。即時監控和分析將改善全面的安全性和效率，我們的目標是成為這場變革的關鍵角色。」

 

本文由 insight.tech 編輯總監喬治妮．貝內施（Georganne Benesch）編輯

自動衛星店：實體零售數位化

Posted on by Pete Berta

實體零售在顧客體驗和成本效益方面長期落後數位零售。電子商務能夠提供個人化體驗、無縫購物和自動化庫存管理，而實體商店卻常常在低效的手動流程和不連貫的顧客體驗苦苦掙扎。

但是隨著現今進階 AI 和電腦視覺功能的發展，實體零售逐漸數位化。例如自動零售店解決方案供應商 Cloudpick 利用自動衛星店，縮小了實體和數位零售之間的差距，帶來零收銀員的微型零售體驗。
Cloudpick 的國際業務發展主管 Mark Perry 解釋道：「零售商急著把線上的商業智慧帶到線下場景，但傳統商店的高租金成本和僵化的陳列方式讓這一點變得很難。我們的衛星店讓他以最低的風險拓展銷售通路。」

利用衛星店拓展零售觸角

跟傳統的實體店或超市不同，Cloudpick 的衛星店專注在「微型市場」上，意思是這些商店小巧、靈活、又可以移動。因此，這些 AI 驅動的微市場讓品牌能夠用符合成本效益的方式參與新興的「微型零售」或「快閃店」趨勢。

這些迷你商店越來越受歡迎，因為可以部署在非傳統地點，例如公司辦公室大廳、飯店入口和大學校園。Perry 表示，這些高人流區域的零售商帶來了新的潛在收益來源，同時也為客戶提供便利性。

但為這些小型商店找到合適地點的過程風險很高。雖然這些店面規模很小，建立傳統的快閃店還是需要大量的資金和時間，而且過程中常常會有意外的延誤和成本。更糟糕的是，如果銷售業績不如預期，要重新選址會非常困難。舉例來說，傳統零售業會被長期租約和大筆的前期資金限制，要做出調整幾乎不可能。

隨插即用自動商店

這就是 Cloudpick 現成模型的優勢所在。Cloudpick 提供完整的預先整合硬體和軟體套件，從貨架結構、冷藏設備、攝影機到邊緣 AI 系統，應有盡有。這種模型是隨插即用的解決方案，零售商可以根據自家品牌和產品分類來自訂。所有內容都經過標準化和預先配置，即可預測客戶的總體成本。

客戶只需要選擇需要的衛星店尺寸，Cloudpick 就會透過現場安裝團隊處理其餘部分。Perry 表示，因為採用了模組化結構，一個衛星店八個小時內就能完工，而且不用半天就可以重新部署到新的地點。

另外，快速拆卸和重新部署衛星店的能力降低了選擇不良地點的風險。如果某個點表現不好，Cloudpick 可以像開走餐車那樣，把衛星店移到其他區域。

這種獨特的靈活性讓零售商能夠用低風險的方式嘗試各種地點，同時善用新興的客戶微型市場和高人流區域。

這種形式對傳統零售業者有戰略上的優勢。不只是超商，像 Walmart 和 Les Mousquetaires 這類大型連鎖店也希望打進新市場，在城市區域建立品牌知名度。

Cloudpick 解決方案的預先配置格式建立在標準化基礎上，這讓新進市場參與者和現有零售商都能前進開發處女地。Perry 談到：「波蘭的 Zabka 就是現有採取這種策略連鎖超商的例子，他們在短短兩年裡面就推出了 60 間奈米店。」這間零售商的目標是在交通流量高的城市地點快速開設新商店。在小範圍區域增加商店密度能更有效管理供應鏈。

AI 帶來愉快、符合成本效益的消費者體驗

這些衛星微型店一旦經過部署，就能提供 AI 驅動的使用者體驗。顧客可以進到店內、掃描 QR 碼或刷卡。在他們購物的過程裡面，Cloudpick 會透過攝影機和貨架上的重量感應器來追蹤拿取的物品。

Perry 解釋這種多模態感測方法提高了準確度，能辨別顧客是拿了三條還是一條巧克力。零售商在進貨上也幾乎不受限制，讓顧客可以享受廣泛的商品抉擇，還能輕鬆根據購物喜好更新商品。

顧客只需要走出店門，不用經過收銀員、掃瞄商品就可以結帳。這都要歸功於 Cloudpick 的 AI 系統，這項系統能夠處理整合性資料，把產品的流動和所有權對應到特定顧客，在他們離開時自動透過 APP 結帳。

雖然自動購物體驗非常複雜，但 Perry 表示，透過內建的遮擋處理、人群偵測和多攝影機同步機制，Cloudpick 的衛星店能夠維持 98.5% 的結帳辨識和帳務準確率。

發揮衛星店最高投資報酬率

提供零收銀員體驗之後，零售商就只需要雇用員工定期到店內補充庫存。智慧庫存管理系統可以最佳化員工到現場補貨的操作，有助於減少產品浪費、囤積和缺貨的情況。

電腦視覺和 AI 後端也能分析購物模式、年齡和性別等人口統計資料還有顧客流量。系統的功能能幫助零售商就像在線上零售一樣，取得實體地點的使用者分析和再行銷功能。

這個平台的目的是把電子商務的資料導向分析和行銷精確度帶到實體店面零售。Perry 表示：「零售商可以整合我們的 API，根據實際買家的行為來最佳化產品分類、陳列方式、定價策略和促銷活動。」

Intel 技術實現了這些目標。Perry 解釋道，高效能、低功耗的 Intel® 處理器是執行 Cloudpick 電腦視覺模型，進行物體辨識、顧客追蹤和自動結帳的關鍵。另外，Intel® 發行版 Open VINO™ 工具組等工具讓 Cloudpick 能夠不斷發展自家產品。

AI 驅動衛星店的未來

Cloudpick 的衛星店結合了自動營運、資料導向庫存最佳化和最小佔地面積，為零售商提供經濟實惠、符合未來需求的微型零售發展藍圖。Perry 設想未來的整合除了包括個性化促銷，還有身歷其境產品故事的互動式數位招牌。

衛星店僅是 AI 革新零售業實際購物體驗的開端。

本文由 insight.tech 編輯總監 Christina Cardoza 編輯。

放射學 AI 應用為癌症診斷帶來重大轉變

Posted on by Pete Berta

為了診斷病情，放射科醫師往往須耗費大量時間查看掃描影像，但開創性的解決方案正在為癌症診斷影像拓展新領域。如今醫療系統正面臨著放射科醫師短缺的情況，不僅工作負荷量更為繁重，還進一步導致錯誤風險增加，而此時的放射學 AI 應用就如同關鍵時刻登場的救星。

醫師必須判讀的掃描影像數量不斷增加，只會加劇這些挑戰。根據研究顯示，隨著掃描影像數量增加，醫師短缺會帶來以下風險：當醫師判讀放射學檢查的時間減少 50%，錯誤率就會上升 16%。

醫療保健科技產業的領先創新者 Siemens Healthineers 開發了 AI-Rad Companion 平台，可提升診斷準確性，並減輕放射科醫師的工作負擔。這項解決方案展現 AI 對於整個醫療保健領域持續發展的影響，以及該顛覆性技術如何充當醫師的另一雙耳目，協助締造更佳醫療成效。

該公司利用 AI 支援的雲端型增強工作流程，協助放射科醫師將重複性工作最佳化。AI-Rad Companion 採用深度學習演算法，可提供支援臨床決策的深入見解，以助理身分協助放射科醫師做出更準確的診斷。

將放射學 AI 應用的功能發揮到極致

Siemens Healthineers 人工智慧全球行銷經理 Ivo Driesser 表示：「儘管放射學勞動力短缺的問題仍需時間解決，但 AI 可以協助縮小差距。」

Driesser 表示：「這就是為什麼我們在 Siemens Healthineers 曾提到：『我們應該要開始使用 AI 協助放射科醫師，為他們減輕執行重複性工作的負擔，例如測量病變、尋找肺部癌症病變或測量心臟鈣化程度的耗時程序。這些由醫師負責執行的所有手動步驟，只要透過 AI 都能更輕鬆完成。」

AI-Rad Companion 旨在為醫師於自動化與準確性之間取得平衡，同時提供強大的決策支援。想實施該解決方案簡直易如反掌。AI-Rad Companion 可流暢整合至放射科醫師的標準工作流程中，透過雲端虛擬連線或使用邊緣裝置實際連線至醫院的現有系統。此解決方案由 Intel® Core™ 處理器和 Intel® OpenVINO 工具組提供支援，可部署深度學習模型，從而提升影像辨識度，並處理來自 CT 裝置的匿名 DICOM 資料。不僅如此，還會使用 AI 驅動的演算法，為放射科醫師提供臨床深入見解。AI-Rad Companion 可以強調醫學影像上的病變、簡化病變測量以節省醫師時間，在某些情況下，還能協助放射科醫師察覺肉眼可能忽略的繼發性病症或病理。

Driesser 表示：「由於疾病診斷向來是醫師的職責，我們無法直接說明『這位病患罹患肺癌，必須接受治療』，但我們可以提供指引，協助放射科醫師判斷醫學影像。」 

透過診斷影像現代化，發揮更佳成效

AI-Rad Companion 具備五種強大的擴充功能，包括判讀胸部 CT、胸部 X 光和腦部掃描的影像、協助前列腺評估以及為放射治療規劃繪製器官輪廓。

以心臟和大血管為例，AI-Rad Companion Chest CT 可協助醫師測量主動脈直徑。根據臨床指南，如果掃描結果出現需要進一步調查的異常情況，則該工具可以提醒醫師。針對胸部 CT，AI-Rad Companion 可檢查肺部病變，並在標準 CT 資料旁邊提供 AI 強化結果，協助醫師診斷肺氣腫和肺癌等疾病。

部分醫療保健供應商會使用 AI-Rad Companion 提高效率與診斷準確性。位於奧地利的放射學與影像診所 Diagnostikum Linz 利用該解決方案進行胸部 CT。AI-Rad Companion Chest CT 嵌入影像價值鏈，其將深度學習演算法應用於 DICOM 資料以計算結果，然後將結果推送至放射科醫師的讀環境以供判讀。此外，該解決方案還提供醫療保健機構可用於主動脈評估的特定深度學習演算法，因此需要接受心臟和胸部檢查的病患可以同時進行兩種檢查。

AI-Rad Companion 提供強大的 3D 影像與視覺化功能，可推動診斷流程改善並減少放射科醫師的人工作業。歸功於該解決方案的 AI 強化工作流程，為 Diagnostikum Linz 的放射科醫師省去多次點擊滑鼠的繁雜程序，不僅能輕鬆存取及判讀掃描影像，也因此讓工作效率提升了 50%。醫師們再也無須手動測量病變。每次都採用相同的 AI 支援方法計算病變直徑，不僅可節省時間，還能促進標準化流程，進而提高準確性。

南卡羅萊納醫學大學（MUSC）也利用 AI-Rad Companion Chest CT 將掃描影像判讀時間縮短 22%。由於該解決方案支援針對胸部結構的 AI 強化、後處理、自動量化功能，以及針對心臟和冠狀動脈的自動分割功能，有助於 MUSC 提高供應商效率。讓放射科醫師掌握 AI 可加速取得成果。

放射學 AI 應用的前景

放射科醫師致力於為病患提供所需答案。他們的工作能為後續治療提供關鍵資訊，讓醫療系統有機會拯救更多生命，並發揮更佳的治療成效。放射科醫師目前仍與延緩判讀時間的手動流程苦苦奮鬥，但 AI 可協助他們將工作流程最佳化，同時確保準確性。

AI-Rad Companion 展現 AI 如何成為醫療保健供應商的強大助力，在診斷影像流程中扮演著反應靈敏的臨床助理，而非最終決策者。如此一來，AI-Rad Companion 可讓放射科醫師無須專注於繁瑣工作，而是善用豐富的臨床知識在最關鍵的地方發揮影響力，也就是盡可能提供最佳的病患照護。

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。