用深度學(xué)習(xí)知識(shí)拆解健康密碼，你只需要知道這幾點(diǎn)

早在1880年代，醫(yī)學(xué)界已使用內(nèi)窺鏡和大腸鏡檢查人體內(nèi)部情況，由專家分析醫(yī)療影像，但診斷有時(shí)會(huì)因人為錯(cuò)誤和后臺(tái)因素出錯(cuò)。

隨全球城市人口增長(zhǎng)，內(nèi)科疾病個(gè)案數(shù)字急速上升，公眾對(duì)診斷專家的需求殷切，單在數(shù)量上培訓(xùn)專家并不足夠。病理學(xué)家須長(zhǎng)時(shí)間接受訓(xùn)練、努力不懈，透過(guò)觀察顯微鏡和侵入性測(cè)試，方能辦別腫瘤組織。深度學(xué)習(xí)﹝Deep Learning﹞有助醫(yī)療觀測(cè)診斷的方法更上一層樓。

深度學(xué)習(xí)的底蘊(yùn)

與一般機(jī)器學(xué)習(xí)﹝Machine Learning﹞相比，深度學(xué)習(xí)是更進(jìn)一步模仿人類的思維方法。人類腦部神經(jīng)元是相隔若干距離，仍然互相連結(jié)，迅速處理及傳遞訊息。人工神經(jīng)網(wǎng)絡(luò)﹝Artificial Neural Networks﹞則利用層次組合、連結(jié)和方向，來(lái)傳遞數(shù)據(jù)。

每個(gè)人工神經(jīng)網(wǎng)絡(luò)層，要負(fù)責(zé)不同工序。當(dāng)數(shù)據(jù)由第一層出發(fā)，每層都進(jìn)行一項(xiàng)工序，直到最后一層，數(shù)據(jù)就成為整個(gè)神經(jīng)網(wǎng)絡(luò)輸出的洞見(jiàn)。在分析醫(yī)療影像的應(yīng)用上，通常需要約100個(gè)這種神經(jīng)網(wǎng)絡(luò)層，方能識(shí)別并分類來(lái)自數(shù)百萬(wàn)圖像的特征。

業(yè)界深知人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)應(yīng)用上有巨大潛力，但要一部機(jī)器像人類一樣“思考”，須增加神經(jīng)網(wǎng)絡(luò)的層數(shù)去處理數(shù)據(jù)，耗用龐大的運(yùn)算資源。新的IBM POWER Systems，為局面帶來(lái)轉(zhuǎn)機(jī)。最近，香港生產(chǎn)力促進(jìn)局(生產(chǎn)力局)的汽車及電子部便引入有關(guān)系統(tǒng)，進(jìn)行深度學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域的研究。

POWER推動(dòng)機(jī)器學(xué)習(xí)

要使用數(shù)以十萬(wàn)計(jì)醫(yī)療影像，去訓(xùn)練一個(gè)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)，工作一點(diǎn)不簡(jiǎn)單，需要強(qiáng)大的影像處理組件、高容量記憶體，及穩(wěn)定可靠的平臺(tái)。

若使用區(qū)域性卷積神經(jīng)網(wǎng)絡(luò)﹝Regional Convolutional Neural Networks﹞，處理不規(guī)則影像，每個(gè)影像會(huì)被分拆為數(shù)以千計(jì)的小區(qū)域，每區(qū)會(huì)產(chǎn)生數(shù)千項(xiàng)數(shù)據(jù)，讓系統(tǒng)計(jì)算它們之間是否相似。

若用非線性方法，拆解分析不規(guī)則的數(shù)據(jù)，需要強(qiáng)大的運(yùn)算能力。尤其當(dāng)病人性命攸關(guān)，更需要強(qiáng)大的系統(tǒng)，大幅縮短深度學(xué)習(xí)的訓(xùn)練時(shí)間，由若干星期縮至若干小時(shí)內(nèi)完成。

影像的處理同樣重要。生產(chǎn)力局的研究隊(duì)伍，使用大量人體異常組織的影像，例如已劃分區(qū)段的腺體組織影像，讓系統(tǒng)深度學(xué)習(xí)，判斷不同細(xì)胞的大小、形狀，及相對(duì)于其他細(xì)胞的位置，提高辨識(shí)能力。

今次使用的IBM平臺(tái)，提供分散式系統(tǒng)，可同時(shí)支援多個(gè)圖形處理器﹝GPU﹞。若有圖形處理器處于閑置狀態(tài)，資源可開(kāi)放供機(jī)構(gòu)其他同事使用，提高營(yíng)運(yùn)效益，讓他們同步處理多個(gè)不同項(xiàng)目。

平臺(tái)穩(wěn)定性十分重要，因?yàn)橛?jì)劃目標(biāo)是支援病理學(xué)家研究，不能在數(shù)據(jù)完整性、系統(tǒng)故障上帶來(lái)困擾。

加速架構(gòu)致勝關(guān)鍵

生產(chǎn)力局所采用的IBM S822LC伺服器系統(tǒng)的高效能運(yùn)算﹝HPC﹞平臺(tái)由IBM開(kāi)發(fā)，并運(yùn)用了NVIDIA的 NVLink 圖像處理器 (GPU) 介面。

NVLink技術(shù)在中央處理器﹝CPU﹞與圖形處理器之間，提供高頻寬、低延遲的連結(jié)，高容量頻寬是PCIe的2.5倍。四個(gè)NVLink圖形處理器，加上雙重POWER8中央處理器，為深度學(xué)習(xí)提供穩(wěn)定可靠的平臺(tái)。

這套尖端的深度學(xué)習(xí)系統(tǒng)經(jīng)由IBM Lab部署安裝，讓生產(chǎn)力局研究隊(duì)伍采用更快的新方法，處理影像數(shù)據(jù)和深度學(xué)習(xí)，為協(xié)助香港醫(yī)療拆解健康密碼，邁出新的一步。