Insight Tech

X 射线、超声波和内窥镜检查机会产生大量数据，有时数据太多以至于无法理解。作为响应，医疗设备 OEM 将 AI 直接集成到医疗成像和诊断机器中，使临床医生和患者都能更高效、更有效地使用筛查程序。

支持启用 AI 的医疗成像和诊断需要具有显卡和计算性能的高端硬件来实时执行智能成像工作负载。直到最近，实现这些功能的最简单方法还是通过独立加速器——就前期硬件成本和功耗而言，这种方法成本很高，但效率很低。

但迄今为止，成本最高的设计决策是错误的系统架构。AI 正在迅速发展，因此如果没有灵活、适应性强和可升级的系统硬件，设备可能在被充分破坏之前就过时了。

“AI 工作负载发展如此之快，当你开始谈论硬件时，就有点危险了，” 嵌入式解决方案的全球领导者 congatec AG 公司的基础设施细分市场经理 Zeljko Loncaric 说。“这是医疗设备设计人员面临的最重大挑战之一。他们还面临着在长生命周期系统中实现新功能的障碍。”

基于英特尔^® 酷睿^™ 超移动处理器的 COM Express 模块可应对这些挑战。由于集成了 GPU 和 NPU，它们在 AI 工作负载处理方面提供了卓越的性能和效率。其具有固有的模块化设计，可以简化初始设计过程，并且能够在处理器的不同世代之间实现轻松升级。

平衡边缘 AI 在嵌入式计算中的寿命和创新

由于医疗成像设备必须经过全面的认证流程才能使用，因此它们的生命周期平均为十年或更长时间。与此同时，AI 技术是医疗成像的一个有意义的进步，具有显著提高超声波、移动超声波、内窥镜机、X 射线等诊断效率和准确性的潜力。

但是，面对重新设计和重新认证医疗设备的时间和成本，原始设备制造商在没有极具引人注目的商业案例的情况下，对过渡到支持 AI 的下一代平台犹豫不决。如果无法回答一个系统设计将保持多久的相关性，那么这个商业案例就变得不那么引人注目了。

英特尔新推出的酷睿超移动处理器，是第一个集成 NPU 的 x86 处理器，也是当今市场上能效最高的 SoC 产品家族之一。集成的 NPU 支持高级 AI 工作负载，而不会增加独立加速器的成本和复杂性。结合 SoC 领先的每瓦特性能，医疗设备设计人员可以在资源有限的边缘 AI 部署中更好地管理功耗和热效率。

Congatec 的产品线经理 Maximilian Gerstl 指出：“在移动超声设备和其他电池供电系统中，处理器的每瓦性能也非常有趣。”“英特尔对架构所做的工作令人印象深刻。这些数字从性能来看非常出色，不仅在 CPU 方面，而且在显卡方面也是如此。新处理器还为客户提供了前所未有的灵活性，允许他们在保持相同外形的情况下跨多代升级系统。”

如果没有一项伟大的新技术出现，组织将在同一个模块上停留 10 年或更长时间，这样他们就不必重新认证，”他继续说。“英特尔酷睿超移动处理器是一个巨大的进步。医疗保健组织必须考虑更改它。”

开放式标准模块加快通道系统升级

最新的 congatec conga-TC700 COM Express 紧凑型模块将英特尔酷睿超移动处理器的处理性能和应用就绪的 AI 功能集成在即插即用的外形中。医疗设备设计人员可以利用该模块作为构建高效的边缘 AI 系统的捷径，同时显著缩短上市时间并降低总拥有成本 (TCO)。由于 COM Express 是由全球技术联盟 PICMG 管理的开放式硬件标准，TC700 提供了与供应商无关的系统升级路径，通过该路径，可以简单地将遗留模块替换为具有相同接口的性能更高的模块。

“快速交换硬件的能力意味着组织可以让其应用程序运行很长时间，” Gerstl 解释道。“尽管他们必须重新认证新的硬件组件，但他们可以从以前的应用程序中引入许多软件和硬件设计。”

由边缘 AI 解决方案提供支持的智能医疗保健

Conga-TC700 由 congatec 专注于 OEM 解决方案的生态系统提供支持，该生态系统具有高效的主动和被动热管理解决方案、长期支持和随时可用的评估载板。该公司还在探索开源英特尔^® OpenVINO^™ 工具套件如何为其客户开发和部署 AI 视觉系统提供支持。据 Gerstl 称，该公司正在利用特定用例进行早期基准测试，以帮助客户更快地启动和运行应用程序。

对于 congatec 来说，英特尔酷睿超移动处理器的可用性代表着下一代边缘 AI 设备在价格、性能和功耗方面取得了相当大的进步。对于医疗设备 OEM 而言，这些处理器提供了通往支持 AI 的新成像和诊断设备的引人注目的路径。

“我们将继续启用 AI 加速、硬件和软件，并将其引入我们的产品，” Gerstl 说。“我们希望实现这一新趋势。”

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

在医疗保健行业，有一些制造医疗设备的公司和使用这些机器和设备的供应商。虽然这两个群体的商业模式完全不同，但它们面临着同样的挑战和机遇。两家公司都渴望部署最新技术，但都面临着严格的监管要求和较短的产品生命周期。

传统的医疗设备是用本地驻留在设备上的数据设计的。随着医疗保健设施对互操作性的需求日益增长，医疗保健专业人员可以通过支持 AI 的医疗电脑解决方案有效地提高效率，这些解决方案旨在维持关键任务环境，并在整个治疗过程中处理患者数据。

管理所有这些限制是一项艰巨的任务，但今天的医疗计算机可以胜任这项任务。卫生、小巧、便携的医疗级人工智能计算机可以被医院和诊所的从业人员使用。高性能处理器实现了近乎实时的 AI 分析，帮助医生和护士做出更快、更明智的诊断和治疗决策。

跟上物联网医疗设备中的 AI 创新

边缘 AI 和计算机视觉对于当今的成像和患者监控机器变得越来越重要，它们可以快速分析数据并为医生提供诊断支持。但对于医疗设备开发来说，整合这些尖端功能可能是一项艰巨的任务。根据法规，医疗设备开发平均需要 8 到 24 个月的时间来实现硬件和软件设计的变更，还需要两到三年的时间才能通过临床试验获得认证。

“他们无法不断升级到最新技术，”总部位于台湾的医疗电脑和医院 IT 解决方案全球生产商 Onyx Healthcare, Inc. 的总裁 John Chuang 表示。

一旦这些完成的医疗设备发布，它们就需要长时间被使用。医院拥有各种复杂的技术，通常需要 10 年或更长时间才能升级设备，在快速发展的医疗 AI 和计算机视觉开发的世界里，这是永恒的。

为了使机器尽可能保持最新，Onyx 与医疗设备公司、医院和英特尔合作，英特尔为该公司为医院和诊所生产的一体机 （AIO） 医疗计算机提供处理器。英特尔高性能处理能力是使软件能够运行边缘人工智能分析的关键。

Onyx 与英特尔密切合作，可以提供可扩展的定制设计，使医疗设备公司能够将最新的处理器融入到其医疗级计算技术中。“通过向医疗原始设备制造商和原始设计制造商提供最新技术，我们帮助他们保持领先地位，这样他们就不必担心他们的技术在他们推出设备时已经过时，” Chuang 说。

在需要的地方提供机器信息

在医院中，医疗设备是需要精确的定时和协调的复杂交响乐的一部分。医生依赖许多来源的信息来诊断和治疗患者，包括病历和实验室结果、血压和氧气监测仪，以及来自X-射线、CT 和超声扫描仪的图像。但由于这些机器由不同的制造商制造，使用不同的软件协议，它们通常不会相互连接，也不会与医院的 IT 系统连接。因此，医生通常必须检查脱节患者的数据。

像 Onyx 一体机医疗 AI 计算机这样的系统充当交响乐指挥家，整合来自所有来源的数据，包括病历和异地机器。它实现了高分辨率图像的传输和 AI 分析的性能，使医生能够全面、近乎实时地了解病人病情。

“传输的数据足以让医生做出合理、及时的治疗决策。这对于处于重症监护的患者，以及医生需要确定是否需要手术的情况尤其重要，” Chuang 说。

ONYX 一体机 AI 计算机也是为了满足医院严格的卫生要求而设计的。例如，它没有使用风扇来冷却，而是使用板载散热器，这样就形成了一个封闭的系统，不会将携带细菌的空气转移到医院走廊或病房中。“由于低功耗英特尔处理器技术的效率，我们能够使用无风扇设计，” Chuang 说。

医疗物联网的实际应用：移动护理和远程医疗解决方案

通过医疗计算机连接患者信息可以帮助医院和诊所实现更强的互操作性。这是 CAIH 的一个重要目标，CAIH 是法国政府成立的一个联盟，旨在整合全国医院网络的技术需求。Onyx 开发了两个解决方案来帮助该组织实现其目标。

第一个解决方案是移动护理站，装有一体机 AI 计算机的手推车，护士可以带着它去查房。医疗计算机使他们能够在他们从房间到房间的时候关注每一位患者。除了让护士了解病人的生命体征外，AIO 还帮助监控设备，例如，让护士知道 IV 是否不足。

Chuang 说，AI 监控有助于人员短缺的医院更好地满足患者的需求。它还帮助他们应对快速增长的远程医疗用途。在它为 CAIH 开发的第二个解决方案中，Onyx 使一体机计算机能够将医生与患者、护理人员和远程设施中的医疗设备连接起来，包括可能没有医生在场的专业护理所。

医生可以从自己的一体机计算机上查看患者，并指导护士使用医疗仪器，例如便携式超声仪或检查耳、鼻、喉或皮肤的器械。这些设备配备了高清摄像头，可以将医疗级图像传输给医生。

“有了这些信息，医生就可以做一些诊断，并快速确定患者是否需要立即去医院，” Chuang 说。否则，许多人将别无选择，只能被送到那里，对于那些在专业护理机构的人来说，这往往是一个挑战。

Onyx 一体机计算机还支持 5G 通信，允许拥有 5G 网络的远程设施将患者重要数据或滑倒事故的警报直接传递给医生或护士，而不是等待信息在云端处理。

构建面向未来的技术

随着 AI 功能的不断扩展，医疗计算机在患者护理中扮演着更重要的角色。但为了保持有用，它们必须随着与之连接的机器一起发展，Chuang 说。

“医疗计算机本身需要变得更像医疗设备。我们看到它们与专业机器交互的需求越来越大，对数据处理速度的要求也在提高。通过在我们的计算机中应用最新的英特尔技术，我们能够满足这些需求，” Chuang 补充道。

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

生物医学研究的突破往往来自于对相关性和因果关系（即人体生理过程的原理和方式）的理解。

科学家通过关联数据集，得出癌症发病率升高或对疫苗反应更好等结论。他们随后会研究这些相关性的根本原因。有条不紊地完成这些生物医学研究周期是一项乏味但有意义的工作。

现在，AI 驱动的计算机视觉已应用于医学成像，加速了数据相关性的发现。它能够更快地发现值得探索的问题点。这样，AI 就能帮助人类更快地锁定问题所在。并且这可以帮助人类科学家更快地找到改变生活的医疗解决方案。

医学成像中的 AI 模型

一个使用案例是梅奥诊所使用 AI 和机器学习显著增强超声成像的能力。首先，该医疗机构使用英特尔和戴尔的最新技术、工具和产品（在戴尔边缘系统上运行的英特尔^® Geti^™ 平台和英特尔^® OpenVINO^™ 工具套件），在内窥镜检查视频中查找肾结石，并评估护理点 (POC) 超声图像以判断心脏功能。

戴尔科技（一家提供广泛产品组合和全面服务的解决方案提供商）的生命科学战略全球负责人 Alex Long 表示，梅奥诊所在 AI 超声成像应用方面的工作是这项技术的一个特别有用的案例。长期以来，对超声波的解读一直是主观的，容易出错，并且需要专门的培训。

但经过大量数据训练的视觉 AI 模型可以帮助护理人员提供更加个性化的病床护理。利用 AI 增强护理，可以更快、更准确地发现异常，而且只需少量培训。利用预训练模型和主动学习的现代方法使快速开发和部署这些模型成为可能。“我们的护理人员知道使用 AI 帮助患者护理的好处，但在 POC 超声这样的案例中，过去没有可行的 AI 模型”，梅奥诊所的 David Holmes 博士表示。他的工程师团队利用交互式 AI 建模工具快速开发了一个可在床边评估图像质量的 AI 解决方案，以确保在患者护理中使用最佳图像。

AI 在医学成像中的应用不仅仅是其作为诊断工具的能力。“这利用了视觉 AI 来解读成像数据，并准确增强了人类的能力”，Long 表示。经过培训的诊断人员通过筛选文件来发现问题（评估乳房 X 光照片以发现乳腺癌的早期迹象就是一个很好的例子），他们也可以受益于 AI，让 AI 引导他们对更多区域进行评估。AI 的优势在于，它会发现人眼由于确认偏差而可能遗漏的模式。

生物医学研究中的各种其他场景都可以从 AI 中受益，特别是涉及成像数据时。“事实证明，许多其他医疗系统本质上也是依靠视觉的”，Long 表示。这些系统都可以从使用 AI 作为增强人类能力的工具中受益。

合作推动创新

英特尔和戴尔科技的合作推动了这些 AI 驱动的突破。“社区的定义是一群志同道合、共同努力实现一个目标的人”，Long 说。“我们正看到一个医疗保健生命科学社区在戴尔和英特尔之间诞生。”

多年来，两家公司之间的合作一直有机健康地发展，Holmes 博士的工作就是两家公司如何发挥各自优势的一个例子。两家公司的医疗保健解决方案团队以及他们的技术和产品平台促进了与领先的生物医学研究人员和提供商的合作。

“我们产品组合的深度、合作伙伴关系的深度以及交付所需的 IT 和基础设施方面的专业知识”是戴尔做出的贡献，Long 表示。此外，戴尔牢记，医疗保健行业非常重视隐私和对患者敏感健康信息的保护。“这不仅仅是采用技术来降低成本”，Long 表示，“也事关利用技术推动人类改善健康的举措。我们对真正推动人类关怀充满热情。”

AI 在医疗领域的未来

梅奥诊所使用案例展示了 AI 模型在生物医学研究中的潜力。我们刚刚开始探索 AI 在视觉成像数据中发现相关性的方法，引导人类找到进一步探索的新途径。

研究人员几乎总是试图找到相关数据来得出结论，而且“如果想找到什么东西来确定相关性，没有什么比 AI 更好的了”，Long 表示。“我对 AI 在加速诊断、改善患者护理以及快速理解下一波启发式方法和治疗等方面的潜力感到非常兴奋。”

说到人体，还有很多方面有待发现。现在正是技术和医学交汇的激动人心的时刻，因为 AI 可以促成的发现数量令人难以想象。AI 可以利用多年的数据来训练其“视觉”。结果很可能是革命性的。

由 insight.tech 主编 Georganne Benesch 编辑。

当您或您的亲人面临手术时，您自然希望能够找到技术最精湛的外科医生。更不用说，它还拥有最先进的设施和最尖端的技术，以确保达到最佳效果。毕竟，风险可能会高得令人难以置信。因此，令人不安的是，直到最近，外科医生在手术室中仍缺乏决策支持资源。

虽然医疗技术应用在过去几年发展迅速，但与其他行业相比，外科领域采用先进技术的速度要慢一些。外科医生习惯于依靠自己的操作和从经验中获得的知识，这是有充分理由的。但医疗技术并不完全是机械臂和人工智能引导手术；只要将医疗数据从传统的孤岛中解放出来，并让外科医生在最需要的地方和时间（手术室中）获取这些信息，就能带来很多好处。

我们与数字手术平台提供商 Caresyntax 创始人兼首席执行官 Dennis Kogan 对此进行详细探讨，还谈到手术室的动态挑战、良好合作伙伴生态系统的重要性，以及人工智能辅助手术如何改善患者疗效（视频 1）。

视频 1。Caresyntax 首席执行官 Dennis Kogan 讨论了将人工智能驱动的实时数据整合到外科手术中的问题，并强调了其关键时机和对外科医生的影响。（资料来源：insight.tech）

手术室中的技术进步如何改变医疗期待？

我父亲是一名外科医生。多年前还在上大学的时候，我曾与他谈论运动员在效能管理、态势感知和分析等方面获得了多少决策支持。他告诉我：“外科手术中没有这样的东西。我们有非常有趣和重要的医疗设备，我们也在不断地将临床创新成果应用于实践，但真正的数据使用和决策支持却并不多。”

直到几年前，这种情况还没有太大改变。围绕医疗设备的创新层出不穷，但归根结底，这仍然只是帮助外科医生用手操作。我们现在看到的进步使外科团队也能拥有更好的决策支持机制。

我认为，人们越来越期待外科医生不能只考虑手术风险。他们确实需要支持，也的确需要更多信息来对风险进行分层。而这一切都在他们的头脑中进行可能不再可接受。

将新技术整合到手术室会面临哪些挑战？

与其他类型的疗法相比，患者可能不太了解手术室中发生了什么。显然，他们都处于麻醉状态。他们想要的是了解自己获得好结果的可能性有多大。我想他们可能会惊讶地发现，他们的手术团队得到的综合决策支持并没有想象中的那么多。

利用技术对外科领域进行创新所面临的挑战在于，外科手术是一种实时干预，您必须整合人工智能和软件，以便在该环境中运行。手术室中几乎不应该有滞后时间。与医疗领域使用的许多其他信息技术相比，这本身就是更大的障碍。当然，质量和运营效率的门槛也相当高。

手术环境也极富变化。那么，外科医生在手术过程中如何适应不断变化的临床情况？这不仅是可量化的活动和技术，还有沟通和团队合作。手术实际上是一种团队活动。手术效果的好坏，一部分取决于外科医生的操作水平，另一部分则取决于他们与护理人员和麻醉师的沟通情况。它非常复杂，以至于几乎无法预测会在可预见的未来被人工智能所取代。

但由于充满活力，人工智能在为医生提供正确信息和选择方面确实大有可为。一天之内，手术团队可能要为不同类型的患者进行手术：一名健康的 25 岁女性和一名 85 岁的重病男士。团队必须能够调整大量输入并做出大量决策。

认知超载会导致不良决策或错误。七分之一的病例可能会出现某种严重的并发症——占比超过 15%。因此，我们在这里讨论通过态势感知——通过自动化——主动管理风险。这涉及到减少并消除认知超载和不断变化的临床状况导致的不必要的变异性。我们现在观察到的最佳人工智能用例可展示有关特定患者和手术的具体信息，以便指导该手术的整个路径，而且结果比没有获得这种支持时更好。

将人工智能与患者数据相结合有什么优势？

首先且最重要的是，真正的综合手术决策支持涉及围手术期的所有环节。由于手术前后的一切工作也都至关重要，因此最好的综合平台可实现手术室与术前和术后空间、时间和活动之间的连接。

在患者进入手术室之前需要作出一些决策——准备合适的工具、合适的药物、安排合适的人员参加手术。它还包括电子病历，因为电子病历包含大量有关患者及其倾向的数据。然后是手术室内部的情形，这里也可以连接医疗设备和视频摄像头。随后：了解患者离开手术室时的风险程度，这可能会改变他们的护理方式。也许他们可以回家；也许他们需要住进重症监护室；也许他们需要额外剂量的抗生素。

因此，要获得最佳、最明智的洞察力，就必须有完整的围手术期临床和操作记录，但最重要的是手术期间——因为这当然是最关键的部分，也是最容易出错的地方。因此，由于手术室是实时的，因此需要更高水平的复杂性。而且从技术角度来看，这也不是一个适合云的领域。这一切都在边缘，因为您无法在两秒内完成云端上传和下载。因此，边缘计算和物联网技术工具包在这里会非常重要。

与此同时，从部署和成本的角度来看，这种技术解决方案必须非常强大和具有吸引力。因为归根结底，任何过于昂贵或笨重的东西——在已经非常拥挤的手术室里再增加一台巨大的机器——这是行不通的。

在一些技术合作伙伴的帮助下，我们 Caresyntax 耗费数年时间才开发出这个平台，以某种方式实现了所有这些参数。但我知道这是有可能的。现在一切都还处于起步阶段，但我认为未来十年，每个手术室都将配备此类系统。10 年后，医生会想，如果没有这个系统，该如何才能开展工作。

医院如何才能使这种投资面向未来？

每个行业都会经历这样一个周期，起初，少数几家供应商建立一个封闭环境，然后用户会逐渐期待越来越多的灵活性来增加价值和添加新的应用。我认为外科手术和医疗保健也需要进行同样的变革。

出于一些很好的理由，医疗设备领域拥有大量专有知识产权。从过去来看，这也一直是医生的主流思维模式——他们从设备和供应商的视角思考手术室。因此，需要进行的第一项投资是重塑和调整这种思维方式。手术室不应被视为是领先设备平台的延伸，而应被视为实现最佳结果的横向过程的一部分。

您有什么使用案例或客户实例可以分享吗？

因此，我们已经能够证明，在手术室中使用这些先进的平台可以提高表现水平，不仅对外科医生，而且对其他医生和临床协作人员也是如此。例如，护士。疫情爆发后，很多人在没有像以往那样接受过足够培训的情况下加入了护理队伍。现在手术量很大，因为很多手术都被推迟了。因此，许多新护士需要尽快适应这种情况。我们正越来越多地在手术室中部署类似于交互式、分步导航指南的东西。在手术的恰当时机获得分步支持，对于在手术环境中仍缺乏信心或经验的人来说是非常有用的。

Caresyntax 如何与合作伙伴合作，将这些平台引入手术室？

作为外科专家，我们对最终应用和用例有很好的认识，但在基础设施建设方面却没有太多的经验。我们没有在严谨性和实际架构方面可能与我们类似的其他用例作为基准和对比物。而即插即用的综合智能手术平台在硬件内容方面非常智能但并不繁重，它既能生成信息，又拥有接收算法、生成人工智能并实时展示的能力和带宽——这是一组相当复杂的要求。

英特尔一直是与我们密切合作的合作伙伴之一，几乎都是在我们的团队中，来实现这一目标。设计架构、寻找合适的组件、利用他们的一些组件——例如，允许人工智能渗透和使用的 OpenVINO^™——所有这些东西都非常重要。如果没有英特尔这样的合作伙伴，我们至少会慢很多。我们需要寻找每一件物品，还可能会犯下更多的错误。

当然，除了英特尔，我们还与云解决方案提供商——AWS 和 Google Cloud 合作。因为必须实现从边缘到云的过渡。正如我之前所提到的，这是一个包括术前、术中和术后的领域，因此您必须不断地进入边缘，再回到云端，并使信息可以互换。实际上，它们彼此之间都有合作——英特尔与 Google、英特尔与 AWS——这种合作也获得了很好的回报。

当然，疫情阻碍了创新，但最近这种情况已有所缓解。我认为每个人在看待外科手术时都会说：“它不如飞行安全，甚至不如其他一些医疗程序安全。现在是时候对它进行改进了。”要实现这一目标，需要一个由玩家组成的生态系统。

关于人工智能在外科手术中的应用，您认为最关键的要点是什么？

我经常会发现，人们认为手术是已经想明白的事物，它已经成熟，并不需要创新。我可以扫兴地说，事实并非如此。但外科手术也有机会达到与航空业相同的水平。我认为你们和我一样都不会接受飞机有 15% 的几率出现问题。

这是一个很大的问题，不仅对临床有影响，对成本也有影响。外科疗法是仅次于药物疗法的第二大常用疾病治疗方法。它可能占美国医疗保健支出总额的 20%、30%。

因此，如果要做手术，我认为我们应该有一种一切都会好起来的感觉。而这应该有真实的统计数据作为支撑。我们确实可以让手术变得更安全、更智能。它将对数百万患者的健康产生广泛的影响，同时也会对成本产生广泛影响。只要有创新的思维，就会有很大的改进空间。

相关内容

要了解人工智能辅助外科手术技术的详情，请收听手术室配备人工智能：与 Caresyntax 同行并通过 @caresyntax 和 LinkedIn关注 Caresyntax。

本文由文案编辑 Erin Noble 编辑。