NVIDIA GPU加速AI智能数据处理,助力数字化医、药、险联动

作者 英伟达中国

案例简介

  • 知识视觉在GPU的助力下,数据处理效率突破百倍提升,打造了行业领先的院外医疗大数据解决方案,助力医疗和保险领域的客户实现高效的数字化转型,赋能数字化医、药、险联动。
  • 文中主要用到NVIDIA A100 GPU, NVIDIA TensorRT。

Case Introduction

  • With the help of GPU, Knowledge Vision has improved data processing efficiency by more than 100 times and created industry-leading out-of-hospital medical big data solutions to help customers in the medical and insurance fields, realizing efficient digital transformation and empowering digital medical, pharmaceutical and insurance linkage.
  • The major products utilized in the case is NVIDIA A100 GPU, TensorRT.

客户简介及应用背景

成都知识视觉是一家专注于数字化医药险联动的互联网医疗企业,结合OCR、NLP和图神经网络多种前沿人工智能技术打造了行业领先,包含医疗单证图像文本化、结构化、标准化和知识化子系统、完整的院外医疗大数据解决方案,助力医疗和保险领域的客户实现高效的数字化转型,赋能数字化医、药、险联动。

客户挑战

AI 技术使用门槛高,传统药企、保险、医疗等团队缺乏辅助开发工具、不熟悉相关算法,同时在底层框架及硬件驱动上也有重重困难。同样,在医疗保险行业搭建 AI 平台主要有以下几大挑战:

一是数据。在医疗、保险行业存在着海量非结构化图像数据,其多源异构的医疗数据涉及40多类的单据图像,保险公司很难将其所包含医疗信息进行有价值的提取和利用。同时,各医疗机构的单证模板制式不统一,医学术语使用不统一等问题。各医疗机构对于数据的结构化规则和精细度也完全不同。而且医疗领域知识专业、复杂且更新频繁,需要大量的专业技术人员来完成保险运营增值所需要的知识更新、数据清洗、数据分析、用户画像和健康建议。

二是算法。得到丰富的数据后,需要对数据进行分类、回归、时间序列和文本等处理,同时要用到深度学习、机器学习技术对数据进行再次加工,需要花费长期大量的研究投入。

三是算力。需要支持数千万数据的训练,只有 CPU 远远是不够的,要建立 CPU+GPU 异构计算,汇集数百台服务器的集群,同时根据 GPU 使用情况支持自动扩容缩容,实现资源的合理分配。

方案及效果

在NVIDIA A100 Tensor Core GPU和NVIDIA TensorRT强大的AI算力推动下,知识视觉极大的缩短了算法研发时间。

1、TensorRT加速 AI 推理:医疗、保险行业的数据密集型需要更快的速度、更高维度数据学习能力。知识视觉采用了NVIDIA TensorRT 加速框架,数据处理速度较原来提升了 10 倍,能高效地处理呈爆发式增长的医疗、保险数据。

2、极大地缩短算法开发时间:以往的AI算法开发者开发一个优质的AI算法往往耗时半年至一年甚至更长时间,在NVIDIA A100的助力下,知识视觉“AIVIEWER” 平台将AI算法研发周期缩短至一个月甚至更短,利于AI算法开发者将时间集中在算法研究上,而不是数据处理上。

3、支持数千万的数据训练:用户需要大量算力进行模型训练,在NVIDIA A100的加持下,平台能训练数千万的数据,助力于完成医疗、保险行业海量非结构化图像数据的处理。

知识视觉CEO向飞以及CTO王一哲均表示:“NVIDIA A100和TensorRT的AI计算平台,解决了数据处理速度以及算法算力资源合理分配的难题,使得我们在‘数愈医疗’领域能够不断创新,拓宽应用场景。通过AI技术让医院、药企、保险以及患者真正的享受AI所带来的便捷。用数据创造更多治愈疾病的希望,为我国医疗事业的发展贡献一份力量。”