臺北榮總聯手 NVIDIA 與 SAS 建立視覺化數據挖掘 AutoML 系統,部署邊緣運算裝置加速洗腎中風險預測 AI 落地

作者 NVIDIA

臺北榮民總醫院 (以下簡稱北榮)從大型主機,發展到醫療 AI 落地,2021 年因疫情加速智慧醫療數位轉型腳 步。北榮 IT 架構、AIOT 邊緣運算裝置,如何從單一醫院,可以支援到 10 醫院、20 醫院,甚至更多醫院的可能性?這正是北榮智慧醫療數位轉型的新目標。

北榮 IT 目前最大的挑戰是,智慧醫療 AI 落地,IT 的軟體產品如何快速從一個醫院,擴展到其他醫院?北榮 IT 架構、AIOT 邊緣運算裝置,如何從單一醫院,可以支援到 10 醫院、20 醫院,甚至更多醫院的可能性?」臺北榮民總醫院資訊室朱原嘉博士透露。

北榮 IT 發展,從大型主機走向開放式、自動化 AI 化到邊緣運算轉型

北榮在 2016 年展開 HIS 再造,將大型主機轉換為 Web 2.0 的開放式系統架構,將醫療儀器資料數據自動化後、AI 化到現在數位轉型的歷程,分為三個階段,2016~2020 年是大型主機走向大數據時期,開始發展醫療大數據 Data Lake,建立研究資料庫及連續型串流資料庫等。

而從 2018 開始,連續四年,北榮以培育醫療大數據人才為主,並且同步打造以大數據為基礎之 SAS VIYA 視覺化 AutoML 系統平臺和高效能 Nvidia GPU 計算環境,來發展機器學習平臺。

到了 2020 年,開始強化洗腎中心智能系統,找來數據分析大廠 SAS 專家參與智能血液透析模型開發,建立 AutoML 分析流程(資料預處理、資料分析、模型訓練、模型部署)來精進血液透析模型精準度,內科部唐德成部主任、歐朔銘醫師、護理部戴辛翎護理長、資訊室郭振宗主任、朱原嘉博士和 SAS 專家成了透析智能化醫療的關鍵戰力。

2021 年,北榮一方面持續大舉利用 AI 來發展智慧醫療、建立大數據、特色疾病資料庫。另一方面,在 IT 軟體開發策略上,北榮也開始著重在微服務與邊緣運算,值得一提的是血液透析邊緣運算,同一台 NVIDIA Jetson AI 邊緣運算裝置,可以跑多個 AI 模型,可降低北榮 AI 模型運算對中央 GPU 伺服器的算力負擔。

臺灣年洗腎人口破 9 萬,半數因心血管疾病死亡

據衛福部統計,近幾年臺灣每年洗腎人數突破 9 萬,洗腎人口密度居全球之冠,慢性腎臟病盛行率更是全球第三。罹患慢性腎臟病的民眾必須定期洗腎,即是以血液透析取代腎臟功能,來清除血液中毒素。患者每週得洗腎三次、每次四至六小時以完整排出毒素,然而,洗腎過程卻隱藏不少危機。其中台灣有半數洗腎病患因心血管疾病而死亡,重要原因之一為心臟衰竭,另一因素則是乾體重,乾體重是病患於洗腎脫水後,身上沒有蓄積水分、四肢沒有水腫、血壓維持正常的理想體重。醫生在病患洗腎前會評估微調脫水量,以達到設定的乾體重,若乾體重設定不準確,會導致脫水過多,引發肺積水,或是脫水太少,引發血壓下降,對有共病症患者而言,容易引發心臟衰竭。為加速掌握病患洗腎時的健康狀態,北榮曾開發一套血液透析無紙化系統,來自動記錄洗腎時儀器所產生的數據,但當時北榮醫護人員仍必須每 30 分鐘抄寫一次洗腎儀器產生的生理量測值。北榮深知,在這 30 分鐘內,病患還是有可能發生心衰竭。

第一階段:整合資料開發洗腎心衰風險預測 AI 模型

北榮以內科部部主任唐德成為首,發起洗腎心衰風險預測 AI 專案,以大數據為基礎,透過全球數據分析大廠SAS攜手開發出「即時血液透析」人工智慧(AI)預判系統,可於毫秒內根據洗腎機數據來計算患者心衰竭風險,並發出預警通知,以便醫護人員即時介入治療。

臺北榮民總醫院資訊室資訊高級工程師朱原嘉博士表示:「北榮於 2019 年展開專案第一階段,團隊率先整合北榮大數據平台的健保申報資料,如病歷、檢驗檢查數據、用藥資訊,以及洗腎儀器的毫秒級參數,如脫水量、血流量、動靜脈壓,作為模型訓練資料。」

當時,北榮團隊介接的臨床數據及洗腎機參數高達 200 組,他們進一步研究,找出與心臟衰竭最相關的 10 組參數來訓練模型,亦作為風險預測儀表板上的關鍵因子。為串接洗腎機每秒不斷產出的參數,北榮也建置一套連續型資料庫,來處理這些大數據。

經過數個月訓練,洗腎心衰風險預測 AI 準確率達到 90%,並能準確預測患者洗腎後的乾體重,將過去平均 200 克的誤差值縮小為 40 克,誤差值大幅下降 80%。

第二階段:導入 NVIDIA Jetson AI 運算平台,低功耗離線運算沒問題

北榮與 SAS 於 2021 年 4 月展開專案第二階段,其納入更多引發心臟衰竭的風險因子,作為模型預測指標,像是肺積水 X 光片、血紅素,藉此提升模型準確度達 95%。團隊也在這段期間導入 SAS Viya AutoML 平台及 SAS Viya AIOT 解決方案,以達到快速、準確完成模型的 AI 訓練平台,加速 AI 模型調校和部署,後續進一步將AI模型部署至 NVIDIA Jetson AI 邊緣運算裝置,來降低 GPU 伺服器的運算量,落實 AIOT 邊緣運算。

進一步來說,北榮這次導入的邊緣運算裝置是 NVIDIA Jetson Xavier NX,即 NVIDIA Jetson 系列中體積最小的運算主機,如同一個小盒子般,最高能提供每秒 21 兆次運算 (TOPS),且功耗最低只需 10 瓦特,非常適合邊緣運算。

北榮將 NVIDIA Jetson 部署在每台洗腎機旁,就近執行原有的洗腎心衰風險預測 AI 運算。朱原嘉博士分析,該做法有兩大好處,第一是降低 GPU 中央伺服器的運算負擔,第二則是 AI 模型可離線運算,不必仰賴中央伺服器。

北榮團隊採用 NVIDIA Jetson Xavier NX 工具組開發醫療 AI,亦有不少優勢。朱原嘉博士指出,該裝置使用SAS EDGE IOT解決方案,其中具備完整的 Nvidia GPU CUDA 和 TensorRT 函式庫供開發者使用,且開發語言一致性高,開發者要將 AI 模型部署在邊緣裝置執行時,不必再以另一個語言開發及驅動終端裝置,一套就能適用。

部署 NVIDIA Jetson 降低運算需求,中小型洗腎中心也適用

對北榮而言,採用 NVIDIA Jetson 的好處不只如此,在洗腎機終端裝置部署多個 AI 模型,不必仰賴昂貴的 GPU 伺服器就能運行 AI,對中小型洗腎中心或規模較小的診所來說,是個經濟實惠且具效益的選擇。

北榮目標要將這套 AI 推廣到各洗腎機構。為此,北榮在試驗計劃中,測試搭載於 NVIDIA Jetson 邊緣運算系統上的多個降低洗腎風險 AI 模型,完成 AI 規模化的推展。下一階段要在多場域試驗,拼 TFDA 認證推廣全台洗腎中心。

如何面對擴大智慧醫療的挑戰是未來目標

2022 年,北榮 IT 基礎架構團隊的工作也聚焦三大重心,第一是以大數據為基礎運用 SAS VIYA、 NVIDIA Clara、NVIDIA Parabricks 技術協助智慧醫療數位轉型,其次則要將北榮的大數據中心,透過軟體定義(虛擬化、容器化、K8s、基礎架構服務化、儲存空間垂直擴充 (scale-up) 、儲存空間水平式擴充 (scale-out) 轉型成真正的私有雲。下一步,前瞻智慧醫療持續創新,例如導入 FHIR、微服務技術、數位病理、基因精準醫療。最後一項是邊緣運算,北榮計劃在更多場域測試搭配 NVIDIA Jetson 的邊緣運算平台以及洗腎風險預測模型,申請衛福部食藥署 (TFDA) 軟體即醫療器材 (SaMD) 認證,加速醫療 AI 落地。