助力“AI+医疗” 第六届上海交大-卫宁健康智慧医疗挑战赛结束
作者：潘少颖 来源：IT时报
11月25日，2023第六届上海交大-卫宁健康智慧医疗挑战赛全国总决赛圆满举办。经过近半年的筛选与角逐，最终19支优秀团队总决赛。上海理工大学的相队和来自上海交通大学的0x73b队分别摘得高校组和综合组桂冠。
上海交大-卫宁健康智慧医疗挑战赛至今已成功举办六届，是医疗健康领域高级别的人工智能技术场景赛事，旨在提供一个推发展的平台，广泛吸纳各大高校团队以及科研院所、初创型企业、医院等所有社会型单位的优秀团体参与赛事，共同探索AI和互联技术在医疗领域的应用模式、验证“AI+医疗健康”的落地价值，并促进项目的真正落地，为医疗带来更大的价值。
欧洲科学院院士、上海交通大学计算机系讲席教授过敏意表示，人工智能应用飞速发展，人工智能模型从一开始的监督学习到现在的无监督学习，导致了模型尺寸与算力需求的飞速增长。以ChatGPT为代表的大模型已然兴起，自发布以来，ChatGPT的影响取得了惊艳的效果，成为最快增长到1亿用户的应用，这反映了大模型应用已经走向大众化阶段。在医疗领域，由于大模型强大的知识存储和推理能力，在医疗这种知识密集型的场景中具有强大的应用潜力。
欧洲科学院院士、上海交大计算机系讲席教授过敏意
然而，在大模型具体的部署过程当中也存在一些问题，由于大模型的高算力需求，无法本地化部署大模型，而往往采用云端部署的方式，这就不可避免地带来一些隐私安全问题。要兼顾大模型的高算力和隐私保护问题，可以从两条技术路线入手：第一，针对大模型高算力需求，研究明文计算轻量化技术，实现本地化部署；第二，针对云端部署场景，研究高效加密计算技术，使密文计算性能可接受。
但总的来说，单一的加密方案和AI算法优化空间极为有限。加密方法方面，现有方法把AI算法当作黑盒，无法利用算法本身的安全特性，计算开销极大；AI算法方面，AI算法本身存在很大的冗余性（稀疏特性、低精度特性等），存在很大的计算效率提升机会。
系统结构作为衔接二者的桥梁，需要全新的抽象、方法，以更加高效地支撑高安全、低资源需求的大模型服务。因此，未来高效、安全的大模型服务需要加密方法-AI算法-系统结构的联合设计与优化。
卫宁健康人工智能研发总监刘鸣谦在比赛现场带来分享，讲述了卫宁医疗大语言模型WiNGPT的探索与发展。
卫宁健康人工智能研发总监刘鸣谦
WiNGPT是基于通用模型的医疗垂直领域的大模型，截至目前，训练数据涉及6大类医学领域、29个医院科室，数据量约20G。通过将专业的医学知识、医疗数据融会贯通，既能实现医疗场景下的通用医学知识回答，也能精确地解决业务、产品、流程中存在的痛点交互问题，最终实现效率和质量双提升。
在刘鸣谦看来WiNGPT具有三个特征：一是“小而专”，是大模型上的“小模型”。WiNGPT根据医疗场景和高质量训练数据调教，精确满足各种业务需要；二是低成本交付。通过优化模型算法，基于CPU部署，经测目前生成效率已接近GPU；三是支持可定制的私有化部署。私有化部署保护医疗数据不出医院，避免数据泄露的同时，提供更高的系统稳定性和可靠性。
在实际部署的过程中，大语言模型应用存在“部署最后一公里”：技术问题：一方面，大语言模型内存受限，内存和时间复杂度都与输入序列的长度成平方；另一方面，计算资源难充分利用，GPU、CPU资源均没有充分利用；业务问题：院内部署场景复杂，数据保密性、安全性、实时性要求高，GPU更新换代快；模型升级GPU需跟随升级，医院硬件升级频率低。
为了解决以上部署问题，卫宁健康和英特尔一起共同进行了模型的优化，优化并发调度，提高CPU使用率，通过对Pytorch的进一步升级，提升深度学习框架的推理速度，并通过底层更优的硬件设备，提高硬件的使用效率。这些优化可以在报告生成的系统上看到明显的成果，基于WiNGPT的医院报告生成场景，目前覆盖了放射科全科100多个部位的检查，覆盖了CT、MR、普放等检查，基于大语言模型可以快速完成报告的生成和小结。
英特尔（中国）软件技术合作事业部高级技术经理杨正雷从创业的角度，在现场分享了如何做成一个有价值的产品，最后成为总体解决方案，并落地到实际的应用场景中去。
英特尔（中国）软件技术合作事业部高级技术经理杨正雷
要想做到有价值的解决方案落地，最重要的就是思考能给客户带来什么样的价值。今年10月，英特尔与卫宁健康共同发布了英特尔CPU平台的WiNGPT的方案，从英特尔的角度，我们关注更多的是如何帮助客户在业务场景里实现落地，并且真正地解决医疗痛点、满足业务需求。
ChatGPT加速了AI在医疗领域的变革，从英特尔的角度来看，未来的焦点将集中在多重诊断上，会把在医疗领域图形图像类以及病理诊断类、阅读类有机结合起来，把AI做一个大的整合，通过大语言模型赋能多重诊断，更有效率地支撑起医疗领域的应用优势，打造并让大众去接受一个端到端的场景，让技术持续加持智慧医疗的发展。
总决赛结果
高校组获奖名单
非凡奖获奖团队：
上海理工大学相队：膝Ease-膝骨关节炎推拿机器人
膝骨关节炎是一种常见的老年退化性疾病，传统中医推拿疗法既存在经济价值，也更为有效，其中尤以“坐位调膝法”为最。团队致力于打造基于坐位调膝法的推拿机器人，以辅助医生在日常的工作中进行坐位调膝法的治疗。
前瞻奖获奖团队：
上海交通大学GPT健康咨询先锋队：基于GPT的智能健康咨询助手
上海交通大学三维全视野Ca诊断队：病理图像三维重建与分析-基于点云的病理图像三维重建
精英奖获奖团队：
南昌大学香樟之叶队：基于模糊测试的医疗模型漏洞检测技术
上海交通大学新时代心理华佗队：医疗大模型与基于大数据的青少年抑郁风险发现-云上应用
上海健康医学院无辐消寿队：辐康宝-核医学科智能辐射监测领创者
苏州大学智慧守护健康队：基于SDFT-GAN的医学影像增强和分类
上海交通大学大数据小队：GPU/NPU 加速的大数据聚合分析
上海交通大学智慧健康导航团队：智慧医疗未来网，GPT编织新篇章
上海交通大学运动印记队：基于多模态神经网络的运动建议系统
上海理工大学纯净大队：基于增强现实的肾穿刺辅助导航系统
中南大学葡萄糖不太甜队：基于关键特征融合的糖尿病集成学习预测框架
综合组获奖名单
卓越奖获奖团队：
上海交通大学0x73b队：基于昇腾的神经网络智算方案
构建面向国产设备的医疗模型端到端的迁移和压缩工具，可以辅助将部署在服务器上的模型迁移到国产边缘设备上，从而更好的让模型在边缘设备上进行计算，实现了基于国产设备的低功耗、低时延、高性能的辅助诊断系统。
杰出奖获奖团队：
数智元宇人工智能科技有限公司数智元宇队：腔镜手术AI导航系统
同济大学附属上海市第四人民医院智慧老年队：智能糖尿病管理系统
优胜奖获奖团队：
北京灵猫动量科技有限公司灵猫动量队：基于AIGC下的虚拟心理医生在远程医疗问诊中的应用
上海市第四人民医院老年医学科智慧医疗老年医学组队：基于MEMS传感器的下肢姿态跟踪与跌倒检测系统
华东师范大学6G多层次算力网络课题组队：基于区块链的医疗数字孪生大数据安全共享及预测
嘉兴尚瑞电子科技有限公司医疗视觉成像：5G智慧医疗-医疗视觉，预见未来