案例簡介

知識視覺在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)領先的院外醫(yī)療大數(shù)據(jù)解決方案，助力醫(yī)療和保險領域的客戶實現(xiàn)高效的數(shù)字化轉型，賦能數(shù)字化醫(yī)、藥、險聯(lián)動。

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

客戶簡介及應用背景

成都知識視覺是一家專注于數(shù)字化醫(yī)藥險聯(lián)動的互聯(lián)網(wǎng)醫(yī)療企業(yè)，結合OCR、NLP和圖神經(jīng)網(wǎng)絡多種前沿人工智能技術打造了行業(yè)領先，包含醫(yī)療單證圖像文本化、結構化、標準化和知識化子系統(tǒng)、完整的院外醫(yī)療大數(shù)據(jù)解決方案，助力醫(yī)療和保險領域的客戶實現(xiàn)高效的數(shù)字化轉型，賦能數(shù)字化醫(yī)、藥、險聯(lián)動。

客戶挑戰(zhàn)

AI 技術使用門檻高，傳統(tǒng)藥企、保險、醫(yī)療等團隊缺乏輔助開發(fā)工具、不熟悉相關算法，同時在底層框架及硬件驅動上也有重重困難。同樣，在醫(yī)療保險行業(yè)搭建 AI 平臺主要有以下幾大挑戰(zhàn)：

一是數(shù)據(jù)。在醫(yī)療、保險行業(yè)存在著海量非結構化圖像數(shù)據(jù)，其多源異構的醫(yī)療數(shù)據(jù)涉及40多類的單據(jù)圖像，保險公司很難將其所包含醫(yī)療信息進行有價值的提取和利用。同時，各醫(yī)療機構的單證模板制式不統(tǒng)一，醫(yī)學術語使用不統(tǒng)一等問題。各醫(yī)療機構對于數(shù)據(jù)的結構化規(guī)則和精細度也完全不同。而且醫(yī)療領域知識專業(yè)、復雜且更新頻繁，需要大量的專業(yè)技術人員來完成保險運營增值所需要的知識更新、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，需要對數(shù)據(jù)進行分類、回歸、時間序列和文本等處理，同時要用到深度學習、機器學習技術對數(shù)據(jù)進行再次加工，需要花費長期大量的研究投入。

三是算力。需要支持數(shù)千萬數(shù)據(jù)的訓練，只有 CPU 遠遠是不夠的，要建立 CPU+GPU 異構計算，匯集數(shù)百臺服務器的集群，同時根據(jù) GPU 使用情況支持自動擴容縮容，實現(xiàn)資源的合理分配。

方案及效果

在NVIDIA A100 Tensor Core GPU和NVIDIA TensorRT強大的AI算力推動下，知識視覺極大的縮短了算法研發(fā)時間。

1、TensorRT加速 AI 推理：醫(yī)療、保險行業(yè)的數(shù)據(jù)密集型需要更快的速度、更高維度數(shù)據(jù)學習能力。知識視覺采用了NVIDIA TensorRT 加速框架，數(shù)據(jù)處理速度較原來提升了 10 倍，能高效地處理呈爆發(fā)式增長的醫(yī)療、保險數(shù)據(jù)。

2、極大地縮短算法開發(fā)時間：以往的AI算法開發(fā)者開發(fā)一個優(yōu)質的AI算法往往耗時半年至一年甚至更長時間，在NVIDIA A100的助力下，知識視覺“AIVIEWER” 平臺將AI算法研發(fā)周期縮短至一個月甚至更短，利于AI算法開發(fā)者將時間集中在算法研究上，而不是數(shù)據(jù)處理上。

3、支持數(shù)千萬的數(shù)據(jù)訓練：用戶需要大量算力進行模型訓練，在NVIDIA A100的加持下，平臺能訓練數(shù)千萬的數(shù)據(jù)，助力于完成醫(yī)療、保險行業(yè)海量非結構化圖像數(shù)據(jù)的處理。

知識視覺CEO向飛以及CTO王一哲均表示：“NVIDIA A100和TensorRT的AI計算平臺，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，使得我們在‘數(shù)愈醫(yī)療’領域能夠不斷創(chuàng)新，拓寬應用場景。通過AI技術讓醫(yī)院、藥企、保險以及患者真正的享受AI所帶來的便捷。用數(shù)據(jù)創(chuàng)造更多治愈疾病的希望，為我國醫(yī)療事業(yè)的發(fā)展貢獻一份力量?！?/p>

審核編輯：郭婷