案例簡(jiǎn)介

知識(shí)視覺(jué)在GPU的助力下，數(shù)據(jù)處理效率突破百倍提升，打造了行業(yè)領(lǐng)先的院外醫(yī)療大數(shù)據(jù)解決方案，助力醫(yī)療和保險(xiǎn)領(lǐng)域的客戶實(shí)現(xiàn)高效的數(shù)字化轉(zhuǎn)型，賦能數(shù)字化醫(yī)、藥、險(xiǎn)聯(lián)動(dòng)。

文中主要用到NVIDIA A100 GPU， NVIDIA TensorRT。

客戶簡(jiǎn)介及應(yīng)用背景

成都知識(shí)視覺(jué)是一家專注于數(shù)字化醫(yī)藥險(xiǎn)聯(lián)動(dòng)的互聯(lián)網(wǎng)醫(yī)療企業(yè)，結(jié)合OCR、NLP和圖神經(jīng)網(wǎng)絡(luò)多種前沿人工智能技術(shù)打造了行業(yè)領(lǐng)先，包含醫(yī)療單證圖像文本化、結(jié)構(gòu)化、標(biāo)準(zhǔn)化和知識(shí)化子系統(tǒng)、完整的院外醫(yī)療大數(shù)據(jù)解決方案，助力醫(yī)療和保險(xiǎn)領(lǐng)域的客戶實(shí)現(xiàn)高效的數(shù)字化轉(zhuǎn)型，賦能數(shù)字化醫(yī)、藥、險(xiǎn)聯(lián)動(dòng)。

客戶挑戰(zhàn)

AI 技術(shù)使用門檻高，傳統(tǒng)藥企、保險(xiǎn)、醫(yī)療等團(tuán)隊(duì)缺乏輔助開發(fā)工具、不熟悉相關(guān)算法，同時(shí)在底層框架及硬件驅(qū)動(dòng)上也有重重困難。同樣，在醫(yī)療保險(xiǎn)行業(yè)搭建 AI 平臺(tái)主要有以下幾大挑戰(zhàn)：

一是數(shù)據(jù)。在醫(yī)療、保險(xiǎn)行業(yè)存在著海量非結(jié)構(gòu)化圖像數(shù)據(jù)，其多源異構(gòu)的醫(yī)療數(shù)據(jù)涉及40多類的單據(jù)圖像，保險(xiǎn)公司很難將其所包含醫(yī)療信息進(jìn)行有價(jià)值的提取和利用。同時(shí)，各醫(yī)療機(jī)構(gòu)的單證模板制式不統(tǒng)一，醫(yī)學(xué)術(shù)語(yǔ)使用不統(tǒng)一等問(wèn)題。各醫(yī)療機(jī)構(gòu)對(duì)于數(shù)據(jù)的結(jié)構(gòu)化規(guī)則和精細(xì)度也完全不同。而且醫(yī)療領(lǐng)域知識(shí)專業(yè)、復(fù)雜且更新頻繁，需要大量的專業(yè)技術(shù)人員來(lái)完成保險(xiǎn)運(yùn)營(yíng)增值所需要的知識(shí)更新、數(shù)據(jù)清洗、數(shù)據(jù)分析、用戶畫像和健康建議。

二是算法。得到豐富的數(shù)據(jù)后，需要對(duì)數(shù)據(jù)進(jìn)行分類、回歸、時(shí)間序列和文本等處理，同時(shí)要用到深度學(xué)習(xí)、機(jī)器學(xué)習(xí)技術(shù)對(duì)數(shù)據(jù)進(jìn)行再次加工，需要花費(fèi)長(zhǎng)期大量的研究投入。

三是算力。需要支持?jǐn)?shù)千萬(wàn)數(shù)據(jù)的訓(xùn)練，只有 CPU 遠(yuǎn)遠(yuǎn)是不夠的，要建立 CPU+GPU 異構(gòu)計(jì)算，匯集數(shù)百臺(tái)服務(wù)器的集群，同時(shí)根據(jù) GPU 使用情況支持自動(dòng)擴(kuò)容縮容，實(shí)現(xiàn)資源的合理分配。

方案及效果

在NVIDIA A100 Tensor Core GPU和NVIDIA TensorRT強(qiáng)大的AI算力推動(dòng)下，知識(shí)視覺(jué)極大的縮短了算法研發(fā)時(shí)間。

1、TensorRT加速 AI 推理：醫(yī)療、保險(xiǎn)行業(yè)的數(shù)據(jù)密集型需要更快的速度、更高維度數(shù)據(jù)學(xué)習(xí)能力。知識(shí)視覺(jué)采用了NVIDIA TensorRT 加速框架，數(shù)據(jù)處理速度較原來(lái)提升了 10 倍，能高效地處理呈爆發(fā)式增長(zhǎng)的醫(yī)療、保險(xiǎn)數(shù)據(jù)。

2、極大地縮短算法開發(fā)時(shí)間：以往的AI算法開發(fā)者開發(fā)一個(gè)優(yōu)質(zhì)的AI算法往往耗時(shí)半年至一年甚至更長(zhǎng)時(shí)間，在NVIDIA A100的助力下，知識(shí)視覺(jué)“AIVIEWER” 平臺(tái)將AI算法研發(fā)周期縮短至一個(gè)月甚至更短，利于AI算法開發(fā)者將時(shí)間集中在算法研究上，而不是數(shù)據(jù)處理上。

3、支持?jǐn)?shù)千萬(wàn)的數(shù)據(jù)訓(xùn)練：用戶需要大量算力進(jìn)行模型訓(xùn)練，在NVIDIA A100的加持下，平臺(tái)能訓(xùn)練數(shù)千萬(wàn)的數(shù)據(jù)，助力于完成醫(yī)療、保險(xiǎn)行業(yè)海量非結(jié)構(gòu)化圖像數(shù)據(jù)的處理。

知識(shí)視覺(jué)CEO向飛以及CTO王一哲均表示：“NVIDIA A100和TensorRT的AI計(jì)算平臺(tái)，解決了數(shù)據(jù)處理速度以及算法算力資源合理分配的難題，使得我們?cè)凇當(dāng)?shù)愈醫(yī)療’領(lǐng)域能夠不斷創(chuàng)新，拓寬應(yīng)用場(chǎng)景。通過(guò)AI技術(shù)讓醫(yī)院、藥企、保險(xiǎn)以及患者真正的享受AI所帶來(lái)的便捷。用數(shù)據(jù)創(chuàng)造更多治愈疾病的希望，為我國(guó)醫(yī)療事業(yè)的發(fā)展貢獻(xiàn)一份力量?！?/p>

審核編輯：郭婷