近日,“‘芯’系数医融合 ‘智’创健康未来”2023中关村论坛系列活动暨英特尔智能医疗健康创新合作论坛在京举行。在医疗行业加速数字化转型的大背景下,英特尔中国研究院携手“医产学研用”合作伙伴,共同探讨如何推动数医融合创新,助力“健康中国”建设,并分享技术解决方案和相关落地实践。

科技革命重塑医疗结构体系

首都医科大学急诊医学系主任、北京朝阳医院急诊中心主任郭树彬表示,科技革命正在重塑整个医疗结构体系。医院所面临的巨大挑战是,如何快速认识和了解科技革命对医疗带来的冲击,把科技的最新成果应用于临床实践。
“新医科”是国家的“四新”战略之一,新医科就是科技革命与IoT、互联网等各类技术,与传统专业的深度融合,进行全面的转化、转型。数字化转型和智能化发展是推动转型的源动力。
在未来的健康医疗体系下,我们每一个人能够借助于网络实时连接解决医疗相关的问题。在实现连接的基础上,如何形成院前、院中、院后连续的医疗体系构建,这是目前比较迫切的问题。
去年,首都医科大学附属北京朝阳医院和英特尔中国研究院达成战略合作协议,基于英特尔中国研究院提供的新型传感技术,交互技术及CPU、GPU、AI和FPGA等计算平台,以急诊医学需求为切入点,以智能机器人为载体,将健康管理、急救及康复应用延伸至家庭、社区、机构、高校等场景。

科技赋能医疗,替代医生进行那些重复性工作或者是模式化的工作。英特尔研究院副总裁、英特尔中国研究院院长宋继强表示,在过去这十来年,英特尔中国研究院每一个阶段都在用相对最新最可用的技术赋能医疗健康行业。
在硬件层面,英特尔医疗信息领域的技术方案提高整个部署的性价比,也降低能耗。英特尔构建未来数字化转型的数字化底座,包括各种各样类型的芯片。未来,类脑计算、量子计算是新的计算形态,它会带来新的算力的能效比的发展以及各种新的计算范式的转变。
在软件方面,英特尔提供混合智能的框架,包括分布式的异构计算系统、异构计算编程框架、人工智能管理框架,结合边缘计算和客户端计算,oneAPI软件框架让异构编程向未来兼容,降低软件的投资,避免重复开发。
混合边缘智能把AI的能力通过边缘计算的方式,软硬结合地进行部署。例如“无界”医疗技术平台实现了数字人、生成式AI、虚拟现实、数字孪生等技术融合。
宋继强说,院内院外,跨越不同时间地域的诊疗不是某一个技术点的问题,而是一个整体方案,包括端到端的延迟、数据隐私的保护、用户体验,乃至让解决方案的整个开发能够面向未来兼容,这些问题都要解决。“英特尔的优势在于多维度上的技术积累,实现面向现在和未来的硬件发展、系统演进和软件兼容。”
“无界”医疗技术创新平台
产业需求与先进技术形成一个完整的,端到端的概念验证的原型,如何把它变成一个可以工作的系统,并且满足系统的实时性等要求,这个相对来说是比较困难的,因为它不只是一个技术点。
英特尔中国研究院聚焦视觉理解与视觉合成,应用英特尔软硬件,从云到边缘,包括新的传感器的引入和智能算法的加持,搭建基于数字人、虚拟现实、生成式AI技术的远程医疗系统。

在活动上,英特尔中国研究院,联合首都医科大学附属北京朝阳医院、同济大学数字创新中心、泰安市中心医院和英麒智能发布了新一代“无界”医疗技术创新平台。该平台聚焦防诊治康能力,覆盖诊前诊中诊后多领域,在数字人、数字孪生、自由视角视频等英特尔中国研究院先进技术,和英特尔异构硬件强大算力的支持下,提供端到端系统方案,为医生和患者带来便捷、高效、沉浸式的远程沟通体验。
郭树彬表示,“无界”诊室是朝阳医院和英特尔合作的一个方面,“无界”诊室的意义让医患之间的联系更紧密,任何人在任何时间、任何地点,都可以借助无界诊室触达医疗体系,“无界”诊室可以帮助进行院外的咨询、随诊甚至是初诊。这改变了现有的医疗诊断模式,开启了一个新的居家诊疗、线上诊疗的模式。
“无界”诊室可以使诊室开到千家万户,开到每个人身边,时时刻刻都有诊室,这能在很大程度上缓解现在到医院挂号看病难和看病不方便的情况。“未来的医疗可能会是无差别医疗,即使是位于偏远地区的患者,只要网络所及、软件装上,医疗资源发达地区的专家教授就可以为他们诊断。”郭树彬说。
除了这些工作之外,“无界”诊室还将引入数字分身,基于数据模型和资源,对患者建立预警模型和预诊模型,这可能给医疗的效率、体系、能力、结构带来巨大的改变。
英特尔中国研究院副院长,数字医疗健康实验室总监王鹏表示,在英特尔搭建的框架、体系之中,各个合作方之间可以形成一个闭环,促进整个智能医疗生态的发展。
智能医疗的蓬勃发展离不开技术与生态。英特尔中国研究院将继续秉持英特尔中国“植根中国、服务中国、共同发展”的理念,发挥在技术、资源等方面的优势,推进整个医疗生态的更广泛合作,与各界伙伴一起打造本地化的数医融合解决方案,让医护服务更人性化、更有温度。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。