將此篇文章跟 Facebook 上的朋友分享將此篇文章跟 Plurk 上的朋友分享將此篇文章跟 Twitter 上的朋友分享列印轉寄
2018/6/7

QNAP 首創 QuAI 解決方案 成功打造醫療人工智慧診斷系統

王智仁
QNAP 推出 QuAI 人工智慧軟體開發平台,賦予儲存大量資料的 NAS 獲得智能能力。讓數據科學家和開發人員可以在 QNAP NAS 上快速建構、訓練和最佳化 AI 模型。
威聯通科技(QNAP Systems, Inc.)專注於儲存產業14餘年,透過產品創新不斷改變NAS的定義。2018年推出QuAI人工智慧軟體開發平台,在NAS開展AI服務,可大幅降低資料儲存與網路配置的繁瑣設定,結合QNAP NAS高效運算力以及強大的支援特性,讓NAS執行深度學習運算成為可行方案。 

過去昂貴的AI工作站,可透過數台NAS的組合即可取代,快速完成部署。NAS不僅能夠作為AI模型的訓練伺服器(Training Server),亦能作為推論伺服器(Inference Server),使研發的進入門檻降低,創造AI發展普及的可能性。 

QNAP成立AI推廣工作團隊QuAI,團隊前往拜會台灣知名的醫學研究機構,與多位專科醫生與醫學博士討論醫療AI的可行性規劃。QuAI團隊召集人Dennis Chang指出,要完成一個深度學習(Deep Learning)專案的三個成功關鍵要素,包含資料、演算法、運算能力。其中資料的可分析性是最基礎的要素。 

Dennis所談的資料,指的正是醫療診斷團隊普遍使用的醫學影像,例如電腦斷層掃描(CT)、核磁共振(MRI)、光學同調斷層掃描術(OCT)...等非侵入式的影像處理技術所產生的檔案。這些醫學影像能夠顯示病灶特徵,透過醫師的經驗推斷後即可診斷病情成因。 

然而,醫學影像有許多特徵的顯影極為細微,解讀顯影實在不是一件容易的工作,而整個推斷的過程,也仰賴於醫生個人的專業訓練與經驗。如果QNAP能夠透過AI技術,提升醫師對醫學影像判讀的效率與準確率,對於醫療品質的提升將大有助益。 

QuAI團隊與台灣權威的醫師群雙方密切討論,選定:老年性黃斑部病變(Age-related macular degeneration)智慧醫療輔助診斷系統,進行醫療資料的標記及定義分類,逐步建立起資料判讀的模型,並透過深度神經網路(Deep Neural Network)演算法各種實驗分析,不斷地循環這個過程,持續改善及最佳化模型架構和演算法,完成醫療影像的診斷模型程式。 

在短短的5個月內,QuAI團隊已經取得重大的成果。這套老年性黃斑部病變AI診斷系統的能夠輔助醫師做出更快速、更準確的判斷,幫助病患防範老年性黃斑部病變於未然。其低成本、高速導入的特性,更可以協助偏鄉或醫療資源不足的地區輕鬆部署這套系統,偏鄉地區的老年人只需完成OCT影像拍攝,當下即可知道病狀類型,立即安排轉診後送。 

Dennis表示,研究成果為國人健康帶來實質的幫助,是一大幸福。未來AI的發展,必須與產業密切交流,發展出更多AI應用。各產業也必須思考各層面導入AI的可能。該思考的也許不是AI將會取代掉哪些工作,更該積極思考的是,AI如何能協助人類完成更多工作,創造出更細緻的人機分工。 

未來QuAI團隊將針對多種醫學項目,開展出AI精準醫療服務,包含NGS基因定序、腦瘤偵測、腫瘤分析、放射治療AI導入等專案。期望在民間、政府的協助下,讓台灣有實力成為全球人工智慧島。 

QNAP在人工智慧與機器學習方案醫療領域的實務成果於2018 COMPUTEX期間在台北國際會議中心(TICC)201E 會議室規劃專屬展區,亦同時展示眾多 NAS 新品和解決方案。 

QNAP 首創 QuAI 解決方案 成功打造醫療人工智慧診斷系統
這篇文章讓你覺得滿意不滿意
送出
相關文章
QNAP 監控方案新增支援浙江大華網路攝影機
QNAP 推商用NAS經濟版
儲存跨界物聯網 軟硬整合推完整方案
威聯通科技引領雲端風潮 整合高速運算啟動AI應用
QNAP NAS 與 IBM Aspera 技術聯盟
留言
顯示暱稱:
留言內容:
送出
熱門點閱文章