几十年来，医疗设备制造商一直处于创新的前沿，自20世纪90年代以来就利用人工智能（AI）显著提升了医学成像和数据分析的能力。高性能硬件AI加速器的发展以及2000年代机器学习（ML）用于训练AI算法，进一步优化了图像分析，使得解释更加准确和高效，从而改善了患者的治疗效果。
如今，各种各样的医疗设备都受益于AI的集成。这包括高性能的固定医疗成像设备，如MRI和CT扫描仪，以及更紧凑和移动的超声和X射线设备。患者监测系统和手术机器人也在利用AI。此外，AI还增强了实验室环境中的应用，为各种血液分析仪和基因测序仪提供动力。
过去十年，AI在医疗技术中的发展、应用和重要性取得了显著进展。这一进步不仅得益于计算机技术的持续进步，还归功于AI算法的优化。这是医疗专业人士、技术开发者和医疗保健行业利益相关者的共同努力，推动了这一重大变革。
最近的AI进展
最近的一个例子展示了AI进展对医疗成像的重要性，即创新的MRI AI算法。该算法彻底改变了扫描过程，使扫描可以在不到一分钟的时间内完成，从而减少了患者在扫描仪中的时间。关键在于基于AI的计算放大或超级放大。这个过程需要比传统方法更少的图像，因此更快。预训练的AI可以将少量单独的图像插值成高分辨率的整体图像。此外，AI可以独立且准确地锐化图像中的模糊区域，展示了AI在改进医疗成像方面的强大能力。
AI还被集成到内窥镜设备中，例如，在检查期间实时提醒医生注意病变，并引导他们的注意力到特定的关注区域。高性能推理对于确保训练模型快速执行至关重要。基于AI的内窥镜设备为医生提供了强大的工具，以实现更准确的临床结果和更好的患者护理。
除了诊断设备，AI在治疗设备如呼吸机中也发挥着关键作用。在这些系统中，AI算法经过训练，可以连续分析关键的患者数据，并自动调整参数，如呼吸频率、潮气量和氧气供应。
集成AI加速器
处理大量数据需要能够处理数据负载的计算架构。为了达到必要的性能，工程师们通常使用专用的一般用途图形处理单元（GPGPU），通常通过经典的PCIe插槽集成，但相对较大且耗电，或者使用设计用于M.2插槽的小型AI加速卡。
如今，越来越多的处理器制造商正在调整其芯片组合，以满足AI的需求。通过将AI功能直接集成到处理器中，许多医疗应用现在可以轻松、快速且以更低的总拥有成本（TCO）实现，无需额外的加速器或专用显卡。第一代Intel Core Ultra处理器（图1）就是这一趋势的典范。这些处理器在一个芯片上集成了CPU、特别强大的GPU和首次集成的神经处理单元（NPU）。AI应用程序可以利用所有三个处理器的综合性能。相比之下，CPU可以处理快速、轻量级的任务。GPU也可以用作GPGPU进行计算任务，最适合需要并行吞吐量的大工作负载，而持续使用的高需求AI工作负载可以通过优化在NPU上运行，以实现每瓦更高的性能。
图1：Intel Core Ultra处理器集成了CPU和GPU，以及专门用于节能AI计算的NPU。图片来源：Intel。
Intel NPU执行ML算法和AI推理的能效大约是标准x86指令集架构的20倍。对于图像分类任务，应用程序可以利用图形单元作为GPGPU，实现与独立GPU相当的性能水平。这使得图形或GPGPU处理速度提高了1.9倍，提供了更详细、有意义和沉浸式的用户体验。这些AI功能可以使用标准化的计算机模块（COM），特别是COM Express，轻松实现，而无需开发人员修改现有设计。
模块化计算提供高灵活性
随着AI及其应用的不断发展，COM和载板解决方案的灵活性允许开发人员以最小的集成努力和软件修改适应新的计算要求。他们只需遵循两个简单步骤：拔下旧模块，插入新模块。
一个适用于高需求边缘AI工作负载的COM是conga-TC700（图2）。这款COM Express Type 6 Compact模块由Intel Core Ultra处理器驱动，集成了前文讨论的所有必要AI功能。
图2：conga-TC700适用于需要高可靠性和无风扇操作的实时计算和AI应用。
conga-TC700以即插即用的COM Express形式提供应用就绪的AI功能。其10年的可用性和应用升级的便捷性使其能够实现强大的实时计算，并为各种医疗应用提供高性能的AI功能，包括手术机器人、医疗成像系统和高分辨率诊断工作站。
开发和优化AI模型
除了Intel Core Ultra平台的新边缘AI功能外，Intel还提供了Intel Geti软件框架。这个全面的计算机视觉AI平台使医疗设备工程师能够迅速开发AI模型，即使编码资源有限。开发人员可以从一个统一的生态系统中受益，该生态系统涵盖了从云中的ML到AI加速的边缘设备。
congatec COM生态系统进一步通过Intel开源软件AI工具包OpenVINO得到增强。该工具允许优化和传输预先开发的、通常是硬件特定的AI模型到医疗设备制造商的平台，无论它们在哪里创建。OpenVINO还可以管理工作负载分配，智能决定哪些任务应由CPU、GPU或NPU处理，以实现最大效率。
结论
AI一直是医疗技术的重点，甚至早于其在其他工业市场的采用。AI甚至被誉为医疗设备的新操作系统。半导体技术的最新进展产生了具有极高计算能力和图形性能的微处理器。这些处理器集成了NPU单元，能够实现更快、更准确的诊断，同时消耗的能量比前代产品更少。通过COM实现时，今天的AI支持医疗设备变得高度未来化，通过简单更换模块即可轻松集成即将出现的技术。
Maximilian Gerstl是congatec的产品线经理和AI专家。
Zeljko Loncaric是congatec的医疗和基础设施市场部门经理。
(全文结束)
