据悉，一项基于机器学习的大型死亡率研究，根据超声心动图结合电子病历数据预测患者生存率的准确性可达到96%。

近年来，人工智能的医学应用激增，如机器人、医学诊断、疾病预测、图像分析、药物活性设计等等。人工智能提高了学习能力，提供了模块化的决策支持系统，正在改变医疗保健的未来。

近日，曙光中标上海科技大学生物医学工程学院（BME）深度学习计算模块项目。基于曙光提供的计算能力支撑，学院重点展开在医学影像、智能医学、智慧仪器等方向的研究，致力于产生国际公认的原创成果并形成科创转化临床应用。

计算能力是“AI+医疗”研究的重要支撑

人工智能不同于传统的计算机算法，他能根据积累的经验进行自我训练。得益于算法、算力的快速发展和大数据的爆发，人工智能与医疗领域碰撞融合的速度不断加快，而计算能力支撑则是研究的基础。

此项目中，学院重点展开在医学影像、智能医学、智慧仪器等方向的研究，智慧仪器方向包括可穿戴设备、康复仪器等。医学影像聚焦于磁共振、分子影像、诊疗一体化等，旨在直接为临床一线问题提供应用技术与解决方案。智能医学包含人工智能与医学大数据等近年来大热的研究方向。一套具备人工智能计算能力，同时适应学院研究需要兼具实用性的计算系统尤为重要。

通过结合学院在人工智能与医学方向的科研特性，曙光设计了一套深度学习计算模块，其具有超高密度、极致性能、弹性计算、扩展性强等特点，不但能满足学院针对AI医疗的研究需求，更能够解决医疗影像、智能医学研究不断产生的海量结构化数据与非结构化数据的扩容性问题。

医疗人工智能系统的建立和应用需要处理好三个关键要素，数据、平台计算能力、深度学习算法模型。构建一个强大的计算平台是人工智能开发成功的根本要素之一。因为深度学习中需要非常巨大数量的数据输入给训练模型，训练模型则需要进行巨大规模的运算，使其更具“智能”。曙光将致力于为更多高校、科研机构、医院提供计算能力支撑，驱动医疗AI从实验走向应用。