使用NVIDIA Jetson边缘AI平台实时分析患者数据

台北荣民总医院正在使用 NVIDIA Jetson 边缘 AI 平台分析透析过程中的数据流。

中国台湾有近 8.5 万名肾脏透析患者。根据人口密度，这里已成为全球肾脏透析患者比例最高的地区。台北荣民总医院（TVGH）正在使用一个能够在透析过程中实时预测心力衰竭风险的 AI 模型来改善这些患者的治疗效果。

心血管疾病是透析患者的主要死因。台北荣民总医院希望通过其 AI 风险评估模型来缓解这种情况。该模型的准确率达到 90%。

该 AI 工具能够在仪表板上为临床医生显示用于风险预测的关键因素、检测透析机数据流中的异常并立即提醒医生和护理人员进行干预。

NVIDIAJetson边缘 AI 平台等 NVIDIA AI 技术所提供的模型能够综合运用透析机数据、患者病历、测试结果和药物信息，使医院能够实时分析患者数据。

该院内科部主任 Der-Cherng Tarng 教授表示：“在这个领域，提前发现问题和并及时做出决策可以拯救生命。我们在每个透析器旁都部署了 NVIDIA Jetson 以便在透析过程中进行 AI 预测，即便是小型透析中心也能通过这种经济、有效的方式进行实时洞察。”

该团队计划将该软件的测试范围扩大到全岛的十几家医院，并向中国台湾的食品药物管理局申请批准将该软件作为医疗设备进行临床使用。

透析期间的检测

肾衰竭患者需要通过透析机过滤出血液中的毒素和废物，他们通常每周需要做两到三次血液透析，每次透析的时间在三到四个小时。患者可能患有心力衰竭等严重的并发症。如果在透析过程中未准确设置一项被称为干体重的指标，就会引发心力衰竭。

干体重是指一个人在体内没有任何额外液体情况下的自然体重。临床医生需要在每次透析后使患者恢复到干体重。但由于晚期肾病患者的体内一般会有多余的液体，因此他们刚开始的体重就高于干体重，使得医生只能对干体重进行主观的评估。

高估干体重会引起高血压，导致心力衰竭等并发症或者其他大血管并发症。而低估干体重会使体内排出的液体过多，导致脱水和血压降低。

因此，临床医生在透析过程中需要监测多个数据点，包括血流速度、动脉和静脉压力以及超滤率（表示治疗过程中需要排出的液体量）。

台北荣民总医院的风险评估工具能够同时处理这些数值与病历、验血结果和药物信息，对多达 200 组动态生理和透析机数值进行评估。这些关键统计数据以及一个预测每个患者心衰风险的指标都会显示在医生和护士的仪表板上。

该工具能够使用决策树、梯度提升和卷积神经网络等多种 AI 算法识别患者数据，包括识别患者数据中的异常。它使用来自 300 万份病历的数据集训练而成。医院团队最近为该工具增加了血红蛋白水平、胸部X光图像分析等更多预测指标。

卷积神经网络模型将该 AI 的准确率提高了 95%。

除了预测心衰风险外，台北荣民总医院的 AI 模型还将临床医生对患者干体重的评估偏差率降低了 80%，帮助减轻并发症的风险。

AI 和边缘计算推动实时结果

台北荣民总医院的 IT 团队采用 SAS Viya 分析引擎和NVIDIA CUDA-X库来开发其 AI 模型。

虽然该团队的电子血液透析系统可以自动记录透析器产生的数据，但在一开始仍然需要医护人员每 30 分钟记录一次生理测量数据，然后通过蓝牙连接将数据发送到服务器。

台北荣民总医院团队（从左至右）：护理部 Hsin-Ling Tai、内科部主任Der-Cherng Tarng、信息部主任Chen-Tsung Kuo、高级软件工程师Yuan-Chia Chu和肾脏科主治医生Shuo-Ming Ou

该院肾脏科主治医生 Shuo-Ming Ou 表示：“在半小时的数据分析间隔期间，患者仍有可能出现导致心力衰竭的并发症。因此，我们团队努力寻找一种可以在毫秒内接收和计算透析机数据的实时解决方案。”

为了在四小时的透析过程中利用数据流实现实时 AI 推理，该院采用了Aetina 边缘 AI 入门组件。这个组件所搭载的NVIDIAJetson Xavier NX将每秒 21 万亿次算力浓缩在一个功率仅为 10 瓦的小型模块中。医院 IT 团队使用NVIDIATensorRT软件优化用于在 Jetson 平台上进行推理的 AI 预测模型。

NVIDIA Jetson还通过将处理流程转移到边缘，帮助台北荣民总医院减少主服务器上的运算工作量，腾出资源支持其他 AI 团队训练高质量的医疗模型。

除了心衰风险预测模型之外，该院还使用NVIDIAParabricks基因组学软件、NVIDIA FLARE联邦学习工作流程以及NeMoMegatron自然语言处理框架加速其他 AI 项目。

审核编辑：汤梓红