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。

安全存取服務邊緣，保護網路邊緣

Posted on by Carrie Gocker

倘若不知道資產是什麼或所在何處，企業就無法保護資產。隨著 IoT 裝置數量不斷增加，這個問題也愈加緊迫。裝置連線至企業網路時，很難分辨好壞，也難以快速區分授權使用者與入侵者。

幸好公司行號愈加瞭解網路邊緣的重要性。意識到入口點可能千變萬化（從工業 IoT 感應器到員工的行動電話），他們會篩選接觸點，對所有試圖取得存取的裝置進行分類和指紋辨識。

需要根據類型、風險以及獲批准與未批准的情況對裝置進行辨識和分類。「獲批准的裝置必須通過風險與安全態勢評估，」一家頂尖安全存取服務邊緣（SASE）供應商 Versa 副總裁 Dogu Narin 表示。「這種大卸八塊的授權方法，既簡化安全性，又能保持靈活性。」

安全存取服務邊緣的整合性平台（SASE）

「SASE 資料安全架構說明了我們現今的工作方式，特別是隨著 SaaS 程式的成長，導致一切都『雲端化』，」Narin 表示。「無論您是在家、辦公室或是旅行中工作，都應能以持續的方式使用網路與安全功能，並將其作為一種服務，這正是 SASE 的主要原動力。」

檢查安全穩健性一般涉及採用針對 SD-WAN 產品、防火牆、交換器、路由器等獨立作業系統的零碎方法。在許多情況下，這些功能是分離並且獨立運作。「這就像是需要說多種語言一樣。如果這一秒您必須說英語，下一秒得說德語、法語、西班牙語……情況就會變得相當複雜，」Narin 表示。

更糟的是缺乏裝置分類的產業標準，使得問題更加棘手。防火牆裝置可能會將某些內容標記為社群媒體應用程式，而 SD-WAN 裝置可能會將其視為其他類型的應用程式。這種複雜的情況表示安全通訊協定必須一而再、再而三地重複，進而導致網路流量出現瓶頸。

Versa Universal SASE 平台基於 SASE 架構，將指紋、分類、風險評估和安全態勢評估等多種安全與網路功能整合至單一解決方案。

由於 Versa SASE 解決方案原生支援所有通訊協定，因此提供了關鍵優勢，其中包括單通道封包處理，可降低延遲和複雜性。「透過 Versa 作業系統，所有通訊協定與裝置原則都已內建，也能識別熱門的 IoT 通訊協定，」Narin 表示。

網路管理員可以專注於設定原則並將其套用至裝置，而不必從頭開始辨識網路的每個入口點。管理員可以將 Versa 軟體移植到不同的環境。「您可以跨網路部署，只使用單一語言、單一分類方法、單一原則引擎和單一管理控制台，來實現您想要達到的目標，」Narin 表示。

SASE 架構中的 AI

流入企業系統的大量資料，使得資訊安全特別適合 AI。Versa 利用 AI 隔離複雜的零時差惡意軟體攻擊，威脅行為者在開發者有機會辨識及解決之前就利用了漏洞。其惡意軟體分析與偵測機制掃描資料洩漏，確保敏感資料不會傳送到雲端。

AI 對使用者與整體行為分析（UEBA）也很有用，它為個人或應用程式的資料使用情況制定基準，以便找出行為異常。IoT 裝置發揮作用時，威脅行為者可以透過採用不同的身分來偽裝自己，或是讓未經授權的 IoT 感應器相互通訊。「AI 協助我們在海量資料中找到這些基本模式，」Narin 表示。

基礎技術與合作關係

Versa 採用領先晶片廠商所提供的處理器與硬體卸載引擎。其軟體基於 Intel 開放原始碼 DPDK（資料平面開發工具組），用於最佳化資料封包處理。

「DPDK 技術採用不同的低階和模式配對程式庫和其他軟體功能，加速安全性和封包轉發的處理，進而擷取最大處理能力，並在特定硬體平台（例如分支設備或資料中心裝置）實現最低延遲。它使我們能夠快速上線及提供新設備，無需為每部設備開發自訂軟體，」Narin 表示。「我們也因為各種不同的原因使用 Intel 的高階軟體資料庫。這是兩家公司之間廣泛的合作夥伴關係與影響力。」

Versa 利用服務供應商提供的「力量倍增」效應擴大客戶群。與瞭解 Versa 提供的先進技術的公司建立良好的合作夥伴網路，一直是關鍵的上市策略。

資料安全的發展

隨著雲端採用率的提升，以及專有生成式 AI 模型的使用日益普及，Narin 預計資料主權會在資料安全方面發揮更重要的作用。

「無論是在偵測問題、分析大型資料，還是我們應用工具和系統的方式，您都會看到 AI 解決方案得到更廣泛的使用，」Narin 表示。

網路的運作與部署變得愈加複雜，駭客也利用 AI 提高攻擊的複雜程度。反觀資訊安全社群也會所有回應，開發更複雜的機制，偵測及消除 AI 發起的攻擊。

未來在於改善客戶體驗，這需要透過「流量工程師」將應用程式與資料互連的一種解決方案，實現不堵塞的順暢品質。這樣的結構在全球執行，將 SASE 閘道連線至網站、使用者以及雲端型應用程式。這是兩全其美的方式：SASE 型安全性和卓越的使用者體驗。

 

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

邊緣 AI：應對工業網路安全挑戰

Posted on by Carrie Gocker

工業領域的網路威脅日趨嚴重，而且沒有快速的解決辦法。

這項挑戰的背後有多種因素。Internet of Things（IIoT）的興起首次將各類製造設備、控制系統和感測器連接到網路上，讓惡意行為者有了多上更多的目標。另外，營運技術（OT）資產通常依賴專有的資料傳輸協定還有未修補的舊版作業系統，所以比標準 IT 系統更難以保護。而且跟幾乎所有其他領域一樣，製造商也面臨著技術精良安全人員短缺的問題，使得他們的 IT 和網路安全團隊很難應付不斷增長的威脅數量。

在這種艱難的情況下，製造商需要創新的解決方案來應對持續存在的 OT 安全問題，而人工智慧（AI）的應用帶來了一線曙光。然而，在工業環境中實施 AI 支援的解決方案本身也充滿挑戰性。

為工業領域提供多種解決方案的網路與邊緣運算供應商其陽科技的產品行銷經理 Tiana Shao 表示：「要在工業網路裡面有效應用 AI，需要高效能的邊緣運算能力來管理密集的推斷工作負載。」工業環境還對非常要求擴充性、靈活性和耐用性。」

對這個領域來說，好消息是像其陽這樣的公司已經開始提供邊緣硬體設備，讓系統整合商（SI）和製造商更容易在工廠內部署 AI 支援的網路安全解決方案。這些解決方案採用新一代處理器和進階軟體技術，協助安全團隊更有效利用 AI 對抗網路威脅發動者。

超越自動化：工業網路安全中的 AI

雖然 AI 不是工業網路安全的「萬靈丹」，但確實為網路安全解決方案帶來了全新元素：學習能力。

Shao 談到：「網路安全的 AI 不只是簡單的安全自動化，因為隨著時間推移，AI 能理解什麼是『正常』的使用者行為和網路活動。AI 可以用來分析大量資料集，更有效識別趨勢、標記風險，還有偵測異常事件。」

這項獨特的能力為安全團隊帶來了幾項重要的優勢。這讓團隊人員更有機會偵測到某些舊有方法可能會忽略的惡意活動。同時，建立「正常」活動的基準線也能夠減少耗時的誤報警示。

最關鍵的是，AI 輔助的安全工具透過辨識預期行為的偏差來搜尋威脅，而不是只依賴是著把系統活動或文件跟以之威脅進行比對的規則型方法，這麼做能夠協助安全團隊更準確偵測新興的網路威脅。

工業網路安全：團結力量大

其陽和美國的 OT 系統整合商合作的經驗就是個絕佳的例子。

這間 SI 希望為製造商提供更優異的方式來偵測複雜的網路犯罪活動，並且加快回應的速度，但是傳統方法很難實現這個目標。尤其透過濫用或模仿合法系統運作的新型威脅會混入日常系統活動的「雜訊」裡面，也因此成了漏網之魚。

在跟其陽合作之後，這間 SI 開發了利用 AI 分析系統行為、學習什麼是「正常」操作的安全解決方案，從而更容易揪出偏差。這間 SI 也利用 AI 協助協調多項控制措施的回應，還有動態整合新的威脅情報來加強防禦。

雙方的合作帶來了增強的網路安全解決方案，能夠從歷史資料中學習、識別活動模式、偵測傳統工具遺漏的網路攻擊，同時更快對威脅做出回應，而且隨著時間推移越來越有效。

其陽的經驗突顯了網路安全專家與硬體供應商合作的優勢，這項成功正是其陽作為 Intel 技術夥伴經驗的縮影。

其陽在開發自家 SCB-1942 邊緣硬體設備時與 Intel 合作，開發了強大、靈活的運算平台，滿足工業級網路安全中 AI 的嚴苛需求。這項裝置以 Intel®Xeon® 可擴充處理器為基礎所建構，提供多達 64 個 CPU 核心，並增加 PCIe 線道來提升擴充性。

Intel 系列的 AI 加速器近一步增強基礎硬體。其中包括改善深度學習訓練和推斷的 Intel® Advanced Matrix Extension（Intel® AMX），還有全新指令 Intel® 進階向量擴充指令集 512（Intel® AVX-512），協助強化用於智慧網路威脅偵測機器學習工作負載的效能。

Shao 表示：「我們與 Intel 的關係為我們提供了豐富的技術支援還有搶先使用進階處理器的機會，幫助我們加快可擴充、高效能的邊緣運算解決方案的上市時間。Intel 提供出色的效能，能滿足使用 AI 進行即時網路流量分析、深度封包檢查還有自動應用安全政策所需的嚴苛工作負載要求。」

邁向製造業安全數位轉型的未來

隨著越來越多製造商擁抱數位化轉型，工業領域的網路威脅隨之增加，網路犯罪份子也會開發新的攻擊手段。幸運的是，AI 可以幫助技術精良的安全專家比以往更迅速、更有效應對變化多端的威脅，而專門打造的硬體設備則能夠協助安全團隊在製造環境中更輕鬆部署 AI 工具。

Shao 談到：「我們相信在未來幾年，AI 會在工業網路安全扮演越來越重要的角色。我們的使命是透過提供可靠、可擴充和尖端的系統來支援客戶，滿足快速成長的市場需求。」

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

AI 分析提升攝影機的價值

Posted on by Pete Berta

這不是您的想像力：從機場和城市街道、到購物中心、競技場和博物館，閉路電視攝影機無所不在。為了維護安全，市政府和企業每年都在增加視訊設備的投資。

但部分組織開始質疑這些額外資金對他們有多大用處。當然，攝影機對於擷取資訊來説是非常寶貴——無論是高速公路交通擁堵，還是一罐義大利麵醬灑在雜貨店地板上，攝影機的全視之眼都不會錯過任何問題。

對於監控視訊摘要的工作人員來說，情況並非總是如此。研究顯示，視訊監控工作人員的偵測能力在 30 分鐘後下降 15%。之後，反應時間變慢，錯誤增加。新增愈多攝影機，愈進一步加劇問題。

現今的 AI 分析軟體可以縮小這些差距。AI 支援的視訊立即理解傳入的視訊摘要，以近乎即時的方式發送警報，防止問題失控。

分析不僅提升安全性，還能提升業務價值。AI 演算法可以觀察客戶行為、指出有效和無效的促銷活動、最能吸引人們注意力的體驗，以及會導致挫敗感的瓶頸。這些深入解析可協助行銷人員、零售人員和設施管理人員改善服務，吸引更多客戶，確保視訊技術投資物超所值。

提升安全與效率

視訊分析公司 AerVision Technologies 執行長 Abbas Bigdeli表示，人們對更強大視訊功能的渴望非常普遍。視「我們確實明白組織希望從其視訊基礎設施中獲得更多收益的趨勢。各界組織想要更精確的資料、更佳的安全性、更高的生產力。」

為了提升事件偵測並提升效率，AerVision 開發了 AerWatch，這是一種 AI 視訊分析解決方案，公司可自訂辨識及回應特定類型的風險與機會。

例如，大型零售或雜貨店，AerWatch 可以辨識客戶遺留在購物車中的個人物品或商品，引導員工找到遺失的物品，以便輕鬆取回。系統也可以發送可能導致滑倒摔傷事故的危險警報。

在博物館和主題公園，AerWatch 可以偵測迷路、焦慮兒童，並告知管理人員他們目前的所在位置，以及他們可能與父母分開的地點。下班後，如果有人企圖未經授權進入，或是開始在牆上噴塗塗鴉，演算法可以提醒保安人員。

在一些情況下，及時干預可能會挽救生命。例如，在繁忙的公共場所，AerWatch 已被用於提醒人員是否有人在徘徊、反覆來回踱步或試圖爬過安檢欄杆——這些行為可能表明有自殘的意圖。急救人員經過訓練，可以阻止人們衝動行為，並獲得所需的協助。在 AerWatch 發送初始警報的協助下，可以引起人們注意這類情境，因此更容易應對。

從 AI 分析中獲得客戶深入解析

除了提升安全性，組織利用視訊分析更深入瞭解客戶 。例如，澳洲一家擁有 400 台攝影機的博物館使用 AerWatch 進行保安和訪客數量統計。分析測量參觀者駐留每個展覽的時間長度，作為參與度的指標。檢視此資訊有助於員工規劃吸引目標族群感興趣的內容。

演算法也會計算使用輪椅或乘坐嬰兒車兒童的的訪客人數。「如果博物館想讓進出動線更便利，則會有資料支援決策」Bigdeli 表示。

機場、商店、飯店和銀行也使用 AerWatch 來查看需要改進服務的地方。AI 可以測量人們等待航空公司機票、電梯、職員或 ATM 機的時間長度。

購物中心喜歡在特別活動或促銷活動中追蹤訪客。有些人聘請顧問來衡量成功，但並不總是能提供全面的情況。「透過 AI 分析，只需極低的成本獲得更精細的資料」Bigdeli 表示。

打造有效的演算法

對於分析解決方案，AerVision 利用 Intel® OpenVINO™ 工具組建立預先訓練的機器學習模型，簡化邊緣 AI 開發。Bigdeli 表示「預先訓練的模型對部分客戶來説綽綽有餘。」對於想要進一步微調的其他人，AerVision 利用 OpenVINO 與他們合作，建立自訂解決方案。

所有解決方案均採用 Intel® 處理器型硬體，快速高效處理繁重的視訊負載，同時增強資料保護與隱私。Bigdeli 表示「AerVision 軟體不保留個人識別資訊，並遵守客戶司法管轄區的所有法規」。此外，該公司提供工具，協助公司施行自己的隱私與門禁政策。

擴大視訊分析的潛力

雖然 AerWatch 是主要產品，但 AerVision 為其他使用案例開發解決方案，包括 AerMeal，此產品可測量醫院和護理院患者面臨營養不良風險的卡路里攝入量。運動團隊也可以利用本產品，確保運動員消耗所建議的蛋白質量。

AerVision 展望未來，正在實驗生成式 AI。一種潛在的解決方案可將大量視訊資料分類，為不同團隊建立自訂報告。「發給保安總監的報告可能與發給行銷總監或設施經理的報告不同」Bigdeli 表示。

另一個生成式 AI 專案旨在加速模型訓練。例如，航空公司希望確保餐車裝載至飛機，可能會嘗試從現有的視訊片段獲得餐車影像。Bigdeli 表示「知易行難」。尋找特定影像非常耗時，航空公司可能只能找到一兩張餐車視圖。生成式 AI 可以從其他角度推測視圖，讓 AI 模型更快學習並獲得更準確的結果。

這類解決方案只是觸及 AI 視訊可能性的表面。「隨著處理能力的提升，越來越多的人開始利用邊緣 AI 解決方案」Bigdeli 表示。「無論公司想要改善能源管理、最佳化空間使用，還是提供更佳的客戶服務，都可以透過視訊分析提高效率與生產力。」

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

熱像儀 + Vision 軟體在生產線上偵測缺陷

Posted on by Micah Kaplan

製造商長久以來都在大撒幣。讓有缺陷的產品穿過生產線、通過例行的目視檢查，然後遭到退後需要重做或退款，整個過程價格不菲而且浪費。而且，對 100 個元件進行一次破壞性測試，也很難讓人相信整批貨沒有瑕疵。

製造業不再採用東拼西湊的事後檢測流程，而是改用電腦視覺解決方案，揪出人眼可能錯過的問題。工業機器視覺解決方案開發商 EigenInnovations Inc. 的營收長 Jonathan Weiss 表示，儘管這些方法愈來愈受青睞，但也面臨著自身的挑戰。

首先，許多機器視覺解決方案難以和內部軟體順利配合，因此孤立而無法整合。演算法通常只因應封閉系統的某個特定使用案例，導致多所侷限，很難在其他應用中大顯身手。

為了應對檢測相關的問題，製造商需要適應性強、沒有綁定單一廠商的電腦視覺解決方案。直接部署在生產線上，即可在生產時立即檢測出缺陷，以免問題如滾雪球般愈演愈烈。Eigen 集中管理的 OneView Machine® 軟體實現了這項目標。

這種內嵌檢測構成了 OneView Software 管理的 Eigen OneView Quality Inspection for Metals 解決方案的支柱，主要仰賴熱像儀並利用機器學習模型，瞭解正確執行的產業流程的熱特徵。與這樣的知識庫合作，OneView 得以即時檢測金屬焊接、塑膠擠壓或材料經過一系列製造步驟時發生的問題。

基於 AI 的內嵌檢測工業應用程式

Eigen 客戶可將此解決方案調整用於多個相關應用，例如注塑、焊接或膠合劑製造流程。在每種情況下，工廠團隊都會利用 OneView 建置 AI 和 ML 模型，以學習不同類型的檢測範例。

典型案例：位於田納西州的一家製造商 Henderson Stamping 在為 Whirlpool 生產元件時，難以準確檢測缺陷。極薄的光亮表面薄膜有助於保護零件免受刮傷和凹痕，但也妨礙以手動方式仔細檢查。因此，出貨時一小部分但很大比例的元件是有缺陷的。Weiss 表示：「對於和客戶簽有協議的製造商來説，這可能會成為非常嚴重的問題，因為將有缺陷的產品出貨會遭處以罰款。」

Eigen 協助該公司開發出一種利用偏轉測量原理的自訂檢測解決方案。這個過程包括把光照射在金屬表面上，並透過評估產生的光圖案來尋找表面缺陷。Henderson 現在使用 OneView 託管的解決方案檢測所有元件，並顯著降低 OEM 召回率。

同樣地，一家大型金屬格柵製造商希望確保其焊接強度足夠堅固。生產後測試包括將格柵穿過扭力機，然後施加壓力、尋找弱點。製造商可以利用 OneView 軟體與多台熱像儀，在每個剖面對所有焊接點進行內嵌測試。軟體將多個攝影機影像組合在一起，建立一張合成影像並找出問題。

Weiss 表示，可以偵測到的缺陷大小取決於所用攝影機的敏感度，但大多數情況下，一公厘以上的缺陷可以輕鬆檢偵到。

電腦視覺帶來營運效率

OneView 不僅能檢測缺陷。「我們青出於藍，還能顯示流程資料。因此，我們不僅協助製造商從視覺上看到缺陷，還讓他們追根究底瞭解根本原因。我們不僅告訴他們產品有瑕疵，還向他們展示流程中發生了什麼偏移或漂移，現在需要工程師進行微調，」Weiss 表示。

OneView 提供從頭到尾的追蹤功能，讓製造商減少保固索賠，並能找到各種應用程式，節省成本、提升效率、提高客戶滿意度。

內嵌檢測缺陷也具有永續發展的優勢。將有缺陷的產品出貨，再讓客戶退貨，只會增加相關的碳足跡。在製造週期中盡早發現問題，也能減少碳浪費。「我們開發了完整的案例研究來協助企業減少二氧化碳足跡，而且實際上遠遠超出工廠的足跡，」Weiss 表示。「您説的基本上可以節省數十萬噸的二氧化碳，具體取決於生產足跡。」

開放式技術與工具實現靈活的部署

內嵌缺陷偵測歸根究底是必須在幾秒鐘內完成的工作，這也是為什麼 Intel 技術對於使用 OneView 設計及管理的視覺解決方案尤其重要。這些時間限制可能是一項重大的挑戰，而 Eigen 團隊發現 Intel® OpenVINO™ 工具組協助它實現了營運所需的速度。OpenVINO 釋放的效能和推斷影像的速度，這正是 Eigen 將 Intel® 軟硬體作為其「不可或缺」之技術的原因之一。

此外，Intel 協助 Eigen 達到它與眾不同的指標，即提供靈活的部署選項。「我們希望在提供解決方案時盡量不受硬體的侷限，因此 OpenVINO 成為我們架構的關鍵環節，因為它可以支援各種硬體選項，」Weiss 表示。

Eigen 擁有一個內部工程服務小組，有時兼任系統整合商，但也會和偏好的系統整合商合作。Eigen 與 SI 合作，後者落實公司為客戶繪製的解決方案藍圖。與 SI 合作是該公司的一項關鍵策略，因為這樣有助於釋放部署規模，對大型客戶而言尤其如此。

工業自動化未來的必備條件

未來這些機器學習模型可望變得更加準確，透過更少的訓練影像提供更佳的結果。

「我們的優勢在於協助人們使用熱應用，發掘原本看不到的東西，」Weiss 表示。各種專業產業的各種流程都適用。

Weiss 預測，AI和電腦視覺支援的內嵌檢測將必不可少，而非可有可無。利用這些檢測工具也有助於製造商降低員工流失率，因為員工現在需要瞭解機器讀數，而不是以視覺方式檢查產品。

減少浪費和節省成本讓這些解決方案成為理所當然的選擇，製造商再也不用花大筆冤枉錢了。

 

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

AI 輔助癌症偵測加速診斷

Posted on by Micah Kaplan

最具革命性的創新技術往往會在危機時刻崛起。這就是巴賽隆納的數位健康公司 Sycai Technologies 的 Javier García López 和其他共同創辦人經歷的寫照。

這間公司成立的時間是 2020 年二月，就在疫情爆發前一個月，他們想要打造一個市場，讓使用者下載針對自身相關使用案例的 AI 訓練模型。但是隨著疫情的爆發，醫療系統和供應商更迫切需要技術來支援他們的工作。全球的健康危機無意間讓 Sycai 的解決方案變得非常必要，這間公司也有了和醫院合作的機會，近一步測試他們的應用程式。

在這段期間，Sycai 更發現了自家胰臟疾病相關的技術可以用在解決更迫切的問題上。到了今天，原先的應用程式已經演變成了 Sycai Medical，這款利用機器學習和神經網路的 AI 助理可以幫助放射科醫師更準確偵測和診斷胰臟癌。

對抗沈默的瘟疫

胰臟癌診斷時通常已經是晚期，5 年存活率也在各種癌症中居低位。Sycai Medical 利用 AI 來應對這項挑戰，他們的解決方案可以更早偵測出上腹部的癌前病變，診斷出來也能改善癌症照護。

Sycai 技術長兼共同創辦人表示：「所有人都告訴我們胰臟癌非常危險。它就像是沈默的瘟疫。高達四分之一的人口有胰臟癌病變，但因為沒有診斷前症狀，所以都沒有即時發現。所以我們覺得如果把重點放在這上面，或許就會有機會。」

Sycai Technologies 的技術長 García López 和執行長 Sara Toledano 一起創立了這間公司。兩人接著認識了第三位共同創辦人 Júlia Rodríguez Comas，也就是 Sycai 現任的科學長。Comas 擁有生物醫學博士學位，是專攻胰臟領域的科學家和研究人員。她的臨床知識促使團隊把重點放在胰臟方面，還有解決醫學領域長期存在的挑戰。

García López 表示在放射學裡面，AI 通常應用在大腦、肺部和乳房疾病上。胰臟基本上是未知的領域，但是 Syncai Medical 有機會改變這個情況。透過應用程式設計介面（API），這項解決方案可以輕鬆整合到醫院現有的醫學影像系統裡面。

Sycai Medical 重新處理還有分析患者的掃描，然後規範化影像，確保掃描裡面所有的器官都同樣清晰。接下來，透過數千例上腹部病變患者的匿名資料進行訓練的神經網路（AI 模型）可以精確找到胰臟在腹部的位置。確定胰臟的位置之後，AI 就會判斷有沒有病變。如果有病變，會進一步分析組成和特性，確定是屬於癌症、癌前病變還是良性。

García López 談到：「Sycai Medical 擷取多項參數，如果把這些參數跟臨床指南進行比對，最後可以知道這些病變的惡性度。」

AI 在幕後默默運作，提供這些寶貴的資訊，同時也不會干擾放射科醫師正常的工作流程。Sycai Medical 在醫師的工作上扮演輔助的角色，而不會替他們做出最終的臨床判斷。García López 表示這項工具充當診斷輔助，能警告醫師掃描中發現患者潛在的危險。醫師可以選擇打開警報，自行斟酌進一步的檢查。這項符合 GDPR 的解決方案也不會擷取任何可以識別患者的中繼資料，而且設計上保證一旦跟醫院的 IT 系統整合，就算伺服器受到攻擊，記憶體或是資料都不會洩漏。

普及 AI 輔助癌症偵測至更多醫院

Sycai Medical 利用各種技術，包括部署和最佳化 AI 模型效能的開放原始碼軟體 Intel® OpenVINO™ 工具組，加速 AI 輔助癌症偵測。

透過 OpenVINO，軟體的 AI 模型能夠在對診斷準確性影響小於 3％ 的情況下，比過去診斷病變潛在惡性加快 70％。García López 談到：「我們的準確度還是超過 90%，不過推斷的時間比以前少了 70％。」

Sycai Medical 是精確早期胰臟癌偵測的強大工具，同時如果病變是良性的，可以避免不必要的切片檢查，還能在病人診斷出疾病的時候最佳化照護管理。

Sycai Technologies 和西班牙跟德國的醫院進行了 Sycai Medical 的臨床先導性試驗。目前這項技術正在進行監管流程，監管機關會審核先前的臨床試驗。這間公司計畫今年在歐洲推出 Sycai Medical，把重點放在偵測和診斷胰臟囊狀病變。García López 表示，這項解決方案對早期偵測其他病狀，像是肝臟和腎臟疾病，都有潛在的未來影響，醫院也在測試這個使用案例。

美國的醫療保健機構可能不久後就可以使用這項工具。Sycai Medical 目前正在阿拉巴馬大學進行為期 6 個月的先導性試驗，而且有望獲得 FDA 批准。

Sycai 的解決方案展現了 AI 革命性的力量，還有提升醫療水準的作用。透過善用 AI 改善癌症檢測，Sycai Medical 提供了有機會革新癌症治療和照護的深入洞察，讓醫療保健機構能夠更快速、準確診斷疾病，甚至可能拯救更多性命。

 

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