我在IBM主要負責系統部相關的一些解決方案，我是架構師這樣一個角色。稍微花幾分鐘時間，給大家介紹一下IBM系統部。跟IBM打過交道很多人都知道，在系統部我們有相關的一些服務器的產品，服務器產品用在醫院很多的，比如像heis這樣的系統里，或者EMR的系統里，在很多的三甲醫院都有很廣泛的應用。

同時在系統部，我們還有相關的一些存儲產品，在座很多醫院用戶，有可能就用到我們一些磁盤陣列產品，比如8000、SRV、V5000或者V7000相關的一些產品。同時還有可能用到相關一些磁帶產品。

大家都知道，IBM我們公司將來的方向，是朝著云和認知計算的方向做一個發展。所以從系統部來講，我們相關的一些產品和解決方案，也要適應市場的發展和公司發展的方向。從服務器來講我們現在推出很多我們稱之為云部署就緒的一些服務器的產品。

IBM大中華區系統硬件部解決方案架構師? 付建軍? 第七屆移動醫療產業大會現場圖

從存儲上來講，? 我有很多軟件定義存儲的一系列的解決方案。我這塊給大家匯報的題目，就是認知系統和人工智能，我們在醫療行業的一些應用和實踐。

剛剛跟沈主任在臺下，做了一個溝通，我當時也開玩笑說，因為我在1997年、1998年，當時在大學學自動控制理論的，當時主要做一些神經網絡的算法。但是很不幸，畢業疑惑可能這方面，在市場上不是熱點。所以我們就做一些別的計算相關的事情。經過10幾年或者將近20年的發展，神經網絡和人工智能，現在又從新沖出江湖，所以我們認為可能新入行的，又是生逢其時的狀態。

我匯報的內容大概分成兩部分：

第一部分：認知系統和人工智能在醫療行業的一些應用場景。

第二部分：IBM系統部在醫療行業所做應用的一些實踐。

IBM商業價值研究院做得一些市場調研報告可以看到有六大顛覆性的因素正在影響醫療行業，同時也出現三個熱點，這六大顛覆性的因素，包括數字化的發展。出現了越來越多的，隨著可穿戴設備IOT的發展，出現了越來越多非結構化的數據。大家都知道，IBM也做過市場的調研，出現有90%的數據，都是最近兩年出現的，而超過80%的數據都是非結構化的數據。同時我們協調看到，只有不到20%的數據，在原有的系統里，能夠得到很好的利用。

第二個，客戶的期望值不斷得到提升，客戶就需要一些個性化的治療手段。同時還有監管的復雜度的提升。衛計委或者各地的衛生局會有一些新的規范出來，要求我們從規章制度、醫護流程做一些改變和改進。

同時還有一些成本要求，再加上人力資源的一些需求，還有治療成本增加的一些功能。以上導致出現三個重點的方向：

方向一：交互，交互意味著病患和醫療機構之間，病患和后臺有可能是機器之間，我要有一個更好交互的手段，交互的目的主要是提升病人久已的體驗。

方向二：發現，我要能夠通過理解大數據，找到一些新的治療方法，同時要挖掘一些新的想法出來。發現的目的，是為了提升診療的效率。

方向三：分析或決策，分析這塊是通過提供個性化的醫護服務，同時進行一些情景式，有證據支撐推薦的體驗。

分析的目的，主要是進行一個更優的決策，這也是IBM認為認知計算所涉及的三部分內容（認知交互、認知發現、認知分析）。我們理解到的認知計算，就是通過機器學習和人類自然語言的處理，從而實現人和機器更自然的交互，這樣擴展和提升人相關的技能和認知的能力

從認知計算的應用場景來講，我們可能在以下四個方面，會有比較廣泛的作用。其中就包括影響識別、輔助診療、精準醫療和藥物研發。藥物研發都知道，中國是醫藥仿制大國，我們可能超過90%的藥都是仿制藥。作為新藥的研發來講，是高投入、高風險的行為，有沒有可能，我們利用認知計算，相關的一些技術，使藥廠或者醫藥的企業，在藥品、新藥研發里，我們能夠得到高的回報，這是我們要思考的問題。

那么精準化醫療，在座的各位都提到很多，從精準化醫療或者個性化醫療來說，我們能不冷做到事前疾病的與以及事后疾病一些有針對性的治療。

另外兩部分重點說一下，一部分是影像識別的功能，影像識別大家都談到很多。對相關的一些相關方來講，包括醫院、醫生或者病患來講，都能帶來相當多的好處。包括醫院來講，我的一些社區醫院或者二級醫院，能不能借助新的認知醫療的手段，提供跟三甲醫院一樣或者相等的一些服務。從醫生來講，能不能減少日常重復的勞動或者讀片時間。降低誤診概率，從病患來說，我可以在一些社區醫院或者二級醫院，我也能得到道路更好的服務，我也能得到更準確或者更好治療的結果。

第二部分的內容輔助診療，輔助診療是基于自然語言的處理，基于影像診斷，包括X光片、CT或者核磁檢查結果。同時輔助診療特別對于一些罕見疾病，可能會有更加突出的一些作用。

IBM能夠做的是什么？大家都知道，IBM主要做信息技術。所以我們認為，信息技術是萬事俱備的，我們欠缺的是這個醫院或者客戶醫療的東風，從IBM來講，我們能做得事情，包括最底層深度計算學習的平臺。深度計算的學習平臺，包括IBM基于新的NVlink這種GPU加速的服務器。

還有我們有這種企業級的數據存儲的平臺也包括我們這種彈性存儲，或者我們純閃存的產品。還有除了計算機存儲以外，有沒有一個更好、高速網絡互聯的解決方案，在這一塊有以太網這種解決方案。

在硬件平臺之上，我們提供的是深度學習的框架，深度學習框架大家可以看到它有三個特點，主要針對IBM的linikesi系統，去做一些平臺優化這樣的深度學習的框架，還有我們支持現在主流的深度學習的框架，以及我們提供深度學習的函數庫。

在深度學習框架之上，我們有深度學習應用服務平臺叫deepmant，你可以認為它整合了IBM深度學習的知識庫，具有很多超參數推薦的功能，同時我們也支持多節點并行的功能，能夠進行多任務工作負載的調度，還有很重要的一點是基于內存計算，大數據平臺就是sibake平臺來做。

那么有了硬件平臺，有了相關深度學習的框架，還有服務平臺之上，我們如何實現？實現的方式我們有專業的服務團隊，在中國有超過150人的服務團隊，可以進行相關深度學習模型的優化和客戶做一些聯合開發。那么針對于訓練數據，做一些處理的編程，同時還有一些訓練參數的調優。

上面東風這塊，可能需要我們的醫療客戶和醫療合作伙伴和IBM一塊來做，這塊主要是醫療行業的場景、數據和一些相關的經驗。

稍微簡單介紹一下IBM深度學習服務平臺bluemande，它有幾個顯著的特點：

特點一：企業級，基于sibake平臺大數據這樣一個深度學習平臺。基于內存計算的sibake平臺，可以對多次迭代運算在內存中實現，這樣避免了你運算多次訪問IO和硬盤，從而大大提升深度學習的效率。

特點二：我們支持最全面深度學習的平臺，在我們平臺里都能得到廣泛的應用。

特點三：IBM提供深度學習神經網絡和超參數一些優化的建議，這些都固化在這個深度學習的服務平臺里。

特點四：同時我們有一個友好用戶管理GUI的界面。

特點五：我們為不同深度學習框架，提供一個同意的ruaisde API。

從bluemande這個框架上來講，大家可以看到，最底層我們有一個產品，它可以有效簡化sibake平臺的安裝，下面我們有IBM這個高性能的并行文件系統，就叫GPFS，現在的名字叫sibaikesidiou。在此上面支持深度學習的函數庫以及分布式圖處理的一些框架。

除了bluemande以外，剛才講到我們有深度學習powerAI技術，powerAI是AI工具企業級發布包，它有四個特點：

特點一：預編譯。

特點二：簡化安裝并提供企業級的服務支持，因為大家都知道，比如講深度學習很多應用軟件都有可能是開源的，那么它的安裝、文檔有可能比較少，在安裝的過程中，出現問題的時候，你要向誰求助，這塊IBM我們做了相當多的簡化、安裝的工作，同時也提供相關技術支持服務的一些工作。

特點三：針對于knowonelink進行了一個充分性能的優化，在底下也包括IBM的并行文件系統，同時我們可以擴展到這個云環境里。

講到IBM這個服務器產品，除了剛剛說到的新的技術以外，我們可以看到，IBM這個服務器產品叫power產品，那么我們的power產品現在是第八代的power處理器。它是在去年100TB全球大數據的比賽中，取得了第一名，當然這是通過IBM的客戶騰訊來實現的。這個比賽就叫saodebenchimake，它對100TB的數據要求在最短的時間內來實現，那么他衡量的是整體一個硬件架構的能力，有講服務器、網絡、存儲、IO，最終檢驗一家公司和機構大規模計算的能力。

大家看到在2016年最后這樣一個結果，騰訊云100TB最后實現98.8秒。用到的是什么，用到了只有IBM只有512個節點的機器，每個節點配是兩個power的處理器。

而在2015年那時候記錄還是329秒，那么329秒的實現是怎么實現的？是通過超過3300多顆節點，每顆節點是兩顆志強的CPU來實現的。

剛剛也講到這個knowonelink的技術，它是新的、高速、節點間互聯的技術，以前傳統的比如講X86服務器下面，那么GPU和CPU之間的連接，就是通過PCIE來實現，PCIE的速率只有32GB每秒，knowonelink就可以實現80GB每秒，這樣網絡貸款提升將近3倍。

那么這樣的話，可以提升大數據集訪問的性能，同時在GPU和CPU之間會有高速網絡的連接，這種特別適合去做大型神經網絡模型的應用。

這個處理器大家可以看到，是IBMpower8的處理器，用的GPU是英偉達的GPU，中間的連接，通過knowonelink實現。這是大概性能的比較，IBM計算平臺我們配置了同樣，如果是P100GPU的X86機器相比，我們運行的效率或者速度快了41%，運行同樣的應用，這主要在一個影像識別，你每分鐘識別的圖片的數量上做得一個性能的比較。

主要最后的結果，IBM每秒鐘可以實現270張，X86這個平臺是不到200張。所以IBM這個powerAI這個平臺上，是我們支持，tensefoulou是全部knowonelink這樣一個全部的功能。更高的吞吐量可以幫助用戶做更多的應用，從而提升認知的準確程度。

這是IBM我們的服務部門，在腫瘤擴散評估里所做得一個案例。大家可以看，基本的客戶需求，主要做一些腫瘤擴散的情況，并做一些相關的標記，同時對腫瘤的影響要支持高的分辨率，有可能是7萬×7萬這種高的分辨率。

還有要有一個比較高的準確性，剛剛我忘了是沈主任還是誰提到，在以色列能做到92%的準確率。IBM在國內做得案例里，我們基本上在85%左右能夠實現。

因為今天是醫療的會，所以這是我們在醫療行業的應用，同時是我們這樣一個解決方案，也用在金融行業。比如做股指期或者一些預測，用在一些制造行業用零件缺陷的檢測。

還有一個解決方案，我們稱之為deepsat，是利用IBMpowerAI的認知框架，幫助用戶做海量影像內容的智能分析。從而搜索和探索微小目標的檢測和預警，deepsat是部署寨客戶自己的環境里，這樣的話可以保證用戶數據相關的一些隱私，因為有很多用戶有可能想把一些影響識別的數據放在公有云平臺里，我們deepsat完全是放在客戶自己的數據中心。

對于醫療客戶來講，我們可以做一些醫療影像的智能分析，同時還可以結合相關的一些病例做一些輔助診療的一些特點。

那么這一個deepsat的案例就是在這一頁，我們主要用在肺部增厚的應用場景里。IBMdeepsat我們讀了差不多幾萬張肺部影像的照片。訓練出模型來，最后得出來的結果，我們相應速度基本上面是在35-40毫秒這樣一個情況。我們這個肺部增厚的識別率，比人工提升了將近20%。

還有一個解決方案，用在輔助診療這塊，這塊主要結合自然語言處理和機器學習。我們為醫生探索類似的一些病例，作為用戶診斷的參考。這一塊主要分成兩部分的內容：

第一部分：做一些病種要素的提取模型，包括我做一些模型的訓練，我針對于某一些病種，我有很多病例文書，通過病例文書關鍵字的一些提取，再加上病例模型優化的工作，我有一些醫學調整工作，再加上一些醫學辭典優化的工作。

從而我建立一個病種要素的表，這個技術是通過向量空間模型實現的。如果醫生有一個新的病例，這個醫生就可以粘貼病例文書，同時到病種文本庫里做一些相關的搜索，這一塊主要做文本搜索相關的一些技術。

在這一個系統里，可以根據相似度的算法，去對不同的病例做一些抽取，供相關的醫生做一些診斷的參考。比如他可以把相關病例，比如B病例相似度是90%提取出來，C病例相似度85%提取出來，D病例相似度80%一系列相關病例提取出來。幫助相關的診斷醫生做一個診斷的參考，從而達到診斷診療的作用。

這是講到IBM在醫療行業做得相關的事情。

第二部分：從IBM自己內部來講，我們自己認知和云的平臺，我們稱之為超能認知云，這個平臺完全也是IBM認知計算和甚至系統，一個現實的演繹。剛剛談到的，我們服務器的新的一些技術，比如我們power8的處理器，我們有open power的基金會，生產出跟IBM相兼容國產化相關服務器的產品。還有我們對GPU相關的一些支持，在這個硬件平臺底下底層，我們也是同樣的架構。

在上面我們架構了IBM一系列存儲相關解決方案，包括剛剛講到的，我們高性能的并行文件系統，就叫GPFS。在此之上，IBM現在一些新的技術，我們也支持云的一些技術。比如我們docker技術，開源虛擬化KVM的技術或者是open sidaike這種技術。在此之上，我們提供相關的，比如云的一些服務、大數據服務、計算服務，還有物聯網IOT的服務，還有區塊鏈的一些服務，再下面就整體的架構用戶不同的一些應用。

如果大家比較感興趣，也可以訪問IBM這樣一個網站，在這個網站里，可以獲得IBM跟認知計算、文本處理、圖像處理相關的內容，或者跟IOT、區塊鏈有關系，還有跟整個認知系統相關的計算能力、存儲能力相關的一些服務，大家可以計一下這個網址。

最后總結一下，大家可以看到，從我們系統部來講，我們現在在醫療行業，有很合適的一些硬件產品，在硬件之上，我們有相關的一些軟件的解決方案和基于這種開源、人工智能的框架。是我們在醫療行業，有可能大家覺得是很粗淺相關的一些探索。在中國我們有一些醫療用戶，在做相關跟IBM的合作。

所以如果大家對這方面比較感興趣，可以會后跟我們聯系，我們會提供相關的IT服務，結合用戶在醫療行業的專業知識和技能，共同推進人工智能在醫療行業的發展，謝謝大家。

?劉海一：謝謝付總，廠商經常會額給我們帶來一些好的基礎，能夠做很多事情。比如我們可以把這些文章找出去相似的，相似的我們大概都比較熟悉的在網上找抄襲的論文，但是放到病例上可以找到相似的病例，所以這些都會給我們帶來很好的工具。