目前医疗AI尤其是影像AI的迅猛发展对医院数据存储提出了新挑战和新展望，2019年8月19日中国数字医疗网邀请首都医科大学宣武医院信息中心梁志刚主任、IBM研发中心解决方案总监崔玮博士和医准智能科研合作经理刘浩博士，围绕“AI热潮下的医疗数据管理”这一主题展开讨论，共同剖析医疗AI的发展机遇与挑战。

“AI技术的发展是国家的政策导向，从早期的CAD技术到AI技术，各大医院一直在探索并参与AI应用，也都非常希望能利用AI工具来完成疾病的识别、诊疗及随访等全过程诊治”，宣武医院梁志刚教授说到。

宣武医院CIO梁志刚教授

AI技术在医院应用涉及到三个关键因素——数据、算法、算力，分别对应医院端的数据整合、AI应用的算法构建及底层的存储架构。医院做数据重建或数据分析的时候，需要用原始数据而不可能用生产环境的重建后数据来进行分析，因此会产生大量的数据。

医准智能作为一家专注于人工智能医疗影像的公司，连接着底层架构和上层医疗应用，在进行AI数据模型构建的过程中对底层存储和GPU的交互速度均有相应的要求。

“存储架构和GPU的交互速度非常影响模型训练时间，如果说存储I/O速度非常快的话，训练模型的效率就能大幅提升”，医准智能刘浩博士表示。

医准智能科研经理刘浩博士

IBM崔玮博士提出：“底层的基础架构要为上层应用场景服务，根据应用的创新需求进行底层架构的迭代”。

医准智能和IBM合作研发的达尔文智能科研平台高度集成影像组学及深度学习两项模块，平台分别整合了医准智能自身经过多年研究实践开发的影像组学部分，同时集成IBM开发的Watson Machine Learning Accererator深度学习部分。将数据的标注，到包括二维、三维的数据导入，到后续对接医院PACS系统及院端存储环境，整合为一个开箱即用的模式，医生通过拖拽式操作便能使用机器的算力来完成AI科研。

“达尔文智能科研平台在已装机医院，收到非常正面的反馈，医生对平台的认可度很高”，崔博士说，“因为这个平台能够真正的帮助医生。”

IBM研发中心解决方案总监崔玮博士

随着国家分级诊疗制度的逐步部署，医联体等多中心模式的发展，对数据存储也提出了切实的要求。医院结合不同的应用需求，进行智能化基础架构信息化布置规划，底层用GPU或者其他比较高速的算力的架构，通过分布式存储架构，把数据通过I/O的高速通道送给算力的提供者，再做一个比较普适性中间件层，最终来支持整体科研和医疗的应用，这应该是可以考虑的现代化架构来支持现在的医疗AI。 

“我们也希望有好的底层架构的技术，配合好的影像AI应用技术，使这种完整方案能够在医院得到很好的落地”，梁教授表示。