从试点到生产，人工智能对每个行业来说都是一个挑战。但作为一个高度监管、高风险的行业，医疗保健面临着特别复杂的障碍。“专门构建”并针对AI进行优化的基于云的基础设施已成为创新和运营的关键基础。通过利用云和高性能计算 （HPC） 的灵活性，各行各业的企业都成功地将概念验证 （PoC） 和试点扩展到生产工作负载中。
VB Spotlight汇集了Elekta的AI战略负责人兼首席研究科学家Silvain Beriault，Elekta是癌症治疗精准放射治疗系统的全球顶级创新者，以及Microsoft Azure的AI平台和基础设施负责人John K. Lee。他们与VB咨询分析师Joe Maglitta一起讨论了基于云的AI基础设施如何推动Elekta全球研发工作的改进协作和创新，旨在改善和扩展公司的脑成像和MR引导放射治疗。
三大优势
Lee 表示，弹性、灵活性和简单性是端到端、按需、基于云的人工智能基础设施即服务 （IaaS） 的优势之上。
由于企业人工智能通常从PoC开始，Lee说，“云是一个完美的起点。您可以从一张信用卡开始。随着模型变得越来越复杂，对额外计算能力的需求增加，云是扩展这项工作的理想场所。这包括扩展或增加与单个主机互连的 GPU 数量以增加服务器的容量，以及横向扩展或增加主机实例的数量以提高整体系统性能。
云的灵活性使组织能够管理任何规模的工作负载，从大型企业项目到需要较少处理能力的小型工作。Lee 解释说，对于任何规模的工作，与从头开始构建本地 AI 架构相比，专门构建的云基础架构服务可提供更快的价值实现时间以及更好的 TCO 和投资回报率。
至于简单性，Lee表示，预先测试，预先集成，预先优化的硬件和软件堆栈，平台，开发环境和工具使企业可以轻松入门。
新冠疫情加速了医科达基于云的人工智能之旅
医科达是一家医疗技术公司，开发图像引导的临床解决方案，用于管理脑部疾病和改善癌症护理。当 COVID 大流行迫使研究人员离开实验室时，公司领导者看到了加速和扩大将人工智能研发转移到云的努力的机会，这在几年前就开始了。
该部门的人工智能负责人知道，一个更强大、更易于访问的基于云的架构来改进其人工智能驱动的解决方案阵列，将有助于医科达推进其增加医疗保健可及性的使命，包括服务不足的国家。
在成本分析方面，医科达也知道很难估计当前和未来对高性能计算的需求。他们考虑了维护AI本地基础设施的成本及其局限性。Beriault指出，总体费用和复杂性远远超出了购买GPU和服务器的范围。
“自己尝试这样做会很快变得困难。使用像Azure和Azure ML这样的框架，你得到的不仅仅是访问GPU，“他解释道。“你可以得到一个完整的生态系统来进行人工智能实验，记录你的人工智能实验，在不同的研发中心之间共享数据。你有一个通用的 ML 运维工具。
试点很简单：在MRI图像中自动绘制器官轮廓，以加快描绘治疗目标的任务，以及有风险的器官免受辐射暴露。
扩大和缩小规模的能力对项目至关重要。过去，“有时我们会并行启动多达十个训练实验，对我们的模型进行一些超参数调整，”Beriault 回忆道。“其他时候，我们只是在等待数据管理准备就绪，所以我们根本不会训练。这种灵活性对我们来说非常重要，因为我们当时是一个相当小的团队。
由于该公司已经使用了 Azure 框架，因此他们转向 Azure ML 作为其基础结构，以及在团队学会使用平台门户和 API 开始在云中启动作业时提供的关键支持。Microsoft 与该团队合作构建了非常特定于公司域的数据基础结构，并处理了关键的数据安全和隐私问题。
“截至今天，我们已经扩展了自动轮廓，所有这些都使用基于云的系统。利用这种基础设施，我们能够将研究活动扩展到多个肿瘤部位的100多个器官。更重要的是，扩展使我们能够扩展到RT中其他更复杂的AI研究，而不仅仅是简单的细分，从而增加了未来对患者治疗产生积极影响的潜力。
选择合适的基础架构合作伙伴
最后，Beriault说，采用基于云的架构可以让研究人员专注于他们的工作并开发最好的AI模型，而不是构建和“照顾”AI基础设施。
Lee评论说，选择一个能够提供这种服务的合作伙伴至关重要。强大的供应商必须带来强大的战略合作伙伴关系，以帮助其产品和服务保持领先地位。他说，微软与英伟达合作为企业人工智能开发基础，对像Elekta这样的客户至关重要。但他补充说，还有其他考虑因素。
“你应该提醒自己，这不仅仅是关于产品供应或基础设施。他们拥有整个生态系统吗？他们有社区吗？他们有合适的人来帮助你吗？
椰有料原创，作者：小椰子啊，转载请注明出处：http://www.studioyz.com/1984.html
文章评论