英特尔如何推动数据驱动型创新的下一波浪潮？

我们正处于生物与医学科学革命的风口浪尖。在生命科学领域，科学家和临床医师需要新一代计算能力的支持，发掘埋藏在海量复杂数据集中的有用洞察，从不断增多的复杂数据中更快速地提取有用数据。

一个人类全基因组的测序，已经从需要几周到可以在数小时内完成，费用也大幅下降到1000美元，而且很快还可能降低到100美元。这为人类了解最基本的生命过程打开了一扇窗，照亮了生物学的发展方向。我们有望了解疾病的形成机制，并将新药研发工作从历时多年、耗费数十亿美元的试错过程转变为高效的数据驱动型工作流程。

然而，将这一愿景变为现实并非易事。我们面临的最大难题之一，是如何有效地处理大规模测序仪生成的海量数据。目前，一台测序仪每天可产生3TB的数据，而企业必须能够存储、保护和共享这些数据。一项研究估计，到2025年，人类将对1亿至20亿个个体基因组测序，这将产生200万至4200万TB的数据。

柏林自由大学的Knut Reinert教授和他的团队正与英特尔合作，通过优化关键算法，以便在英特尔®多核和众核处理器上高效运行，从而加速基因组分析。通过使用英特尔®至强®金牌6148处理器的基准测试对所取得的优势进行量化，结果显示，性能提升幅度达到1.6到2.7倍。优化后的代码还可在大量内核上提供出色的可扩展性。

经过优化的SeqAn代码利用了最新的英特尔®至强®金牌6148处理器中的高级矢量功能，性能较上一代处理器提升了1.6到2.7倍

经过优化的SeqAn代码还可在英特尔®至强融核™众核处理器7250的全部68个内核上提供出色的可扩展性

此外，要对“数据高峰”开展分析，必须结合庞大复杂且广泛分布的成像、临床、个人和环境数据集；系统和网络必须更强大且更便宜，还必须具有充足的可扩展性，以支持不断增长的数据量和算法复杂性。

传统的CT和MRI扫描可提供有关骨骼和大脑血管的有用信息，但没有太多关于软组织的信息。弥散加权成像（DWI）通过测量水分子的自然运动来识别微结构和诊断神经回路的完整性，从而弥补了这一不足。

这项技术正在改变脑部疾病的研究和治疗。哈佛医学院放射学教授Simon Warfield利用弥散间隔成像（DCI）技术进一步改进了弥散加权成像，从而提供更细致、更准确的信息。他的团队利用弥散间隔成像技术检查正常大脑发育、脑震荡、多发性硬化症、自闭症谱系障碍等。

每项弥散间隔成像研究可生成多达数GB的数据，最初的时候，图像处理需要耗时40多个小时。Warfield教授和他的团队使用英特尔®软件工具对代码进行了优化，现在，处理一项完整的研究仅需16分钟，足以满足临床使用要求。这些经过优化的代码包含在Insight Segmentation and Registration Toolkit*（ITK）库中，供更多处理医学成像数据的应用广泛采用。

Warfield教授还在使用英特尔®工具和库开发人工智能（AI）应用，可自动对数百幅图像进行分类，以确定需要关注的部分。一旦这些解决方案得到大规模应用，将极大地提高我们理解、诊断和治疗大脑相关疾病的能力。

让科学探索没有束缚，英特尔为科学家和临床医师提供多种资源应对挑战，让他们能够快速地以更低的成本去整合和分析数据，将精力从计算机科学转移到自己的专业学科上，让创新应用不断突破和落地，解决人类面临的重大挑战，推动生命科学领域数据驱动型创新的下一波浪潮。