Sankara眼科基金會和位于新加坡的Leben Care正積極合作,，在印度部署一項名為Netra.AI的全面視網(wǎng)膜風(fēng)險評估軟件即服務(wù)（SaaS）平臺,。Netra.AI由英特爾?技術(shù)驅(qū)動，是一個云端人工智能解決方案,。通過深度學(xué)習(xí)，該方案可實現(xiàn)快速的視網(wǎng)膜狀況識別，并能夠與人類醫(yī)生的準確度相媲美,。Netra.AI可以準確識別糖尿病視網(wǎng)膜病變（DR），從而大大減輕玻璃體視網(wǎng)膜外科醫(yī)生的篩查負擔(dān),。
“通過人工智能技術(shù)推動疾病檢測和預(yù)防不僅是醫(yī)療行業(yè)邁出的關(guān)鍵一步,，也是人類的巨大飛躍。印度是世界上糖尿病患者最多的國家之一,，而糖尿病視網(wǎng)膜病變是導(dǎo)致適齡工作人群視力減退和失明的主要原因,。Sankara眼科基金會和Leben Care充分利用英特爾?至強?可擴展處理器及其內(nèi)置的英特爾?深度學(xué)習(xí)加速功能，通過Netra.AI平臺,，對糖尿病視網(wǎng)膜病變進行準確檢測,，并予以及時治療，從而有效地幫助糖尿病患者避免視力損傷與失明,?！?/p>
——Prakash Mallya，英特爾公司印度區(qū)副總裁兼市場營銷集團總經(jīng)理
重要意義：印度是世界上糖尿病患者最多的國家之一,，到2030年將接近9800萬例1,。研究表明，糖尿病視網(wǎng)膜病變是成年人失明和視力減退的主要原因,，早發(fā)現(xiàn),、早治療對遏制視力損傷至關(guān)重要。然而,，印度缺乏訓(xùn)練有素的視網(wǎng)膜醫(yī)療專家——特別是在偏遠的農(nóng)村地區(qū),。這限制了對無癥狀患者的有效篩查，導(dǎo)致大量病人在確診之初就已是糖尿病眼病晚期,。
印度Sankara眼科基金會醫(yī)療管理,、質(zhì)量與教育總裁Kaushik Murali博士表示：“科技與人工智能有效促進了醫(yī)療服務(wù)的普及,，特別是在疾病篩查方面。Sankara眼科基金會的團隊扎根印度,，致力于為可治愈的糖尿病眼病患者免除失明的困擾,。借助英特爾強大的人工智能平臺，我們與Leben Care共同主導(dǎo),，完成了Netra.AI解決方案的設(shè)計與開發(fā)工作,。這也成為了一個經(jīng)典范例，向世人展示我們?nèi)绾蚊鎸?fù)雜挑戰(zhàn),，積極攜手合作伙伴,，共同開發(fā)具有影響力與深遠意義的解決方案?！?/p>
技術(shù)人員通過操作便攜式眼底相機設(shè)備,，獲得病人的相關(guān)圖像。通過云端的網(wǎng)絡(luò)入口,，Netra.AI能夠?qū)ζ溥M行分析,，從而立即得出具有參考意義的糖尿病視網(wǎng)膜病變分期結(jié)果。該解決方案使用了與知名視網(wǎng)膜專家合作開發(fā)的尖端人工智能算法,，并采用四步深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）,。這一神經(jīng)網(wǎng)絡(luò)可識別視網(wǎng)膜/非視網(wǎng)膜圖片，利用自動圖片質(zhì)量評估來檢測糖尿病視網(wǎng)膜病變分期,，并根據(jù)眼底圖像的像素密度來標(biāo)注損傷部位,。由于該解決方案可識別正常/非正常視網(wǎng)膜圖片，有助于對大量人群進行視網(wǎng)膜病變篩查,，因此也可將其擴展到其它視網(wǎng)膜疾病和青光眼的檢測上,，這將會減少醫(yī)療專業(yè)人士的篩查負擔(dān)，并集中關(guān)鍵資源,，以對需要立即治療和干預(yù)的患者進行救助,。
初步結(jié)果：到目前為止，Netra.AI已在印度篩查了3,093名患者,，對742名高?；颊哌M行了確診。該解決方案在上傳圖像兩分鐘內(nèi)即可生成詳細報告,，并提供迅速而精準的診斷,，幫助醫(yī)生為需要轉(zhuǎn)診到醫(yī)院的患者提供即時咨詢。在基礎(chǔ)設(shè)施和資源有限,、醫(yī)療系統(tǒng)負擔(dān)沉重的印度，這無疑是一個大規(guī)模篩查視網(wǎng)膜疾病的強大工具,。
運作原理：利用內(nèi)置英特爾深度學(xué)習(xí)加速和英特爾?高級矢量擴展512加速的英特爾?至強?可擴展處理器,，Netra.AI解決方案進行了優(yōu)化,。英特爾?架構(gòu)能夠提供極具靈活性的服務(wù)與強大的數(shù)據(jù)保護，對海量數(shù)據(jù)進行快速處理,，且無任何性能缺陷,。除了英特爾?的高性能函數(shù)庫之外，該解決方案還為用戶帶來由英特爾進行優(yōu)化的TensorFlow,、Apache MXNet和PyTorch映像,，從而進一步提升了應(yīng)用性能。