開発者またはデータ・サイエンティストですか ?

最適化されたフレームワークおよびライブラリーを見つける、1 AI コースを受講して、インテル® プラットフォームを基盤に構築されたコミュニティー・プロジェクトを知りましょう。

インテル® デベロッパー・ゾーンにアクセス ›

最新のインテル® ハードウェアで、統合化かつ最適化されたフレームワーク、ツール、およびライブラリーを使用して、自身の AI ワークロードの開発とテストを無料で実施できます。

インテル® DevCloud にアクセス ›

人工知能で、すべての人の健康を促進

テクノロジーは、特に病気の予防、治療および治癒に役立つ可能性がある場合、すべての人の生活を豊かにすることができます。インテルは、速やかな創薬で医薬品開発を促進させたり、医療へのアクセスを向上させて手頃な価格で提供したりと、エコシステムのリーダーたちと協力して医療やライフサイエンスに革命を起こしています。 コンピューター・ビジョン、マシンラーニング、およびディープラーニングなど、ヘルスケア分野における人工知能 (AI) の活用は、この目標において重要な役割を果たします。データ管理向けの強固なインフラストラクチャーと組み合わせることで、AI はこれまでデータサイロのためにアクセスできなかった大量のデータから、研究者や医療システムが迅速に洞察を収集できるようにします。

ヘルスケアの分野で AI はどのように使用されているのでしょうか?

AI によって、自動化システムが、異常検知のために医療画像を評価したり、大規模に患者のバイタルサインを監視したり、必要に応じて臨床医に介入を促す警告を送ることが可能になります。業務および臨床ワークフローを改善し、多種多様なソースからのデータを統合することで、臨床医がより多くの情報に基づいた意思決定を行えるようになります。研究者は、創薬、標的治療、感染症管理を支援するために AI を活用しています。ヘルスケアとライフサイエンス向け AI のその他の活用例には、ラボ・オートメーション、 ロボティクス 、および AI 対応遠隔医療が含まれます。

ヘルスケア向け AI の利点

AI はタスクを自動化することで、生産性を向上させ、臨床医が迅速かつ正確な診断および治療を行えるように支援します。2 放射線検査向け人工知能は、画像を生成するのに必要な計算時間を短縮することができます。公衆衛生の分野では、マシンラーニングが病院への再入院の可能性を特定することができます。医薬品開発向け AI で新薬の発見につながる可能性があります。また、AI により、医療記録やバイタルサインなど、複数のソースからデータを収集し、人間による発見が難しいパターンを識別することも可能になります。

ヘルスケアとライフサイエンス分野におけるインテルの AI

インテルの AI を使った取り組みは、現在の医療業界の専門家が最も差し迫った課題に対処するのを助けます。以下のようなメリットがあります。

  • 高精度医療 – ゲノムデータ・セットのような健康に関する非構造化および構造化データは、患者固有のゲノムと健康情報を中心にケアを提供するアプローチを採用する高精度医療にとって極めて重要です。AI は、このようなデータを意味付けすることができます。
  • 臨床システム – AI は生データを患者の治療過程のあらゆる段階で、治療計画を提供する新しい洞察に変換することができます。遠隔医療やロボティクスなど入院患者や外来患者の環境に適用できる、遠隔地での医療提供戦略をサポートすることもできます。
  • 医薬品開発プロセス – AI は新薬の開発に大きな役割を果たし、化合物の発見に変革をもたらします。
  • 医用画像処理 – AI は医療画像の品質を向上させ、臨床医が迅速かつ正確に画像を評価するのを支援することができます。

インテルは、省電力 VPU から高性能 CPU まで、あらゆるコンピューティングのニーズに対応できる柔軟かつスケーラブルなオープン・ハードウェアを提供しています。さらに、インテル® ディストリビューションの OpenVINO™ ツールキットのようなソフトウェア・ツールを使用することで、異なるハードウェア・バックエンドでの作業の複雑さが解消されるため、1 回コードを記述すれば、どこにでも導入することができます。

ヘルスケアおよびライフサイエンス向け AI の用途

人工知能は、医療、製薬研究、およびその他のヘルスケア分野において、患者のケアおよび公衆衛生全体の改善に役立ちます²。今日、ヘルスケア向けのディープラーニングとマシンラーニングは臨床医の作業負荷を合理化し、個別化された治療計画を通知し、患者体験を向上させています。

医療用画像処理向け AI

CT スキャンから画像を生成するのに必要な計算時間の短縮から、内視鏡カメラでのリアルタイム推論の実行まで、AI はワークフローを合理化し、ケアを向上させています。

医療用画像処理向け AI の詳細

高精度医療

高精度医療では、臨床医は患者の他データと合わせてゲノム分析を使用して、ケアをカスタマイズし、患者個人に適した治療を提供します。

高精度医療について詳しく知る

ゲノム分析向けインテル® Select ソリューションの詳細

予測分析

予測分析により、医療システムが傾向を理解したり、いつどこでケアが必要となるかを予測したり、公衆衛生方策を改善したりすることができます。

ヘルスケアにおける予測分析に関して読む

ラボ・オートメーション

コンピューター・ビジョンとその他の種類の AI により、ラボ・オートメーションでは、処理速度と正確性の向上の実現が可能になっています。3患者は迅速に診断を受けることができ、新薬の試験は加速し、医薬品開発において大きな進歩につながっています。

ラボ・オートメーションについて読む

AI 対応ロボティクス

病院や介護施設では、ロボットは手術の補助、供給物の配送と消毒を合理化し、医療従事者が、直接患者と関われる時間を増やせるようにしています。

ヘルスケア向けロボティックの詳細

遠隔医療向け AI

AI 対応遠隔医療により、臨床医は治療をすばやく提供できるようになり、外来患者のモニタリングを改善します。具体的な例として、パーソナライズされたリマインダー、モニタリング・データに基づくコンディション・チェック、およびバーチャル診療中のダイナミック・プロンプトが含まれます。

遠隔医療の詳細

GE Healthcare*、AIを使用してMRI イメージングを高速化

GE Healthcare* の人工知能プリスクリプション (AIRx) は、MRI 検査における手動作業の一部を自動化します。また、医師が数ヶ月間にわたって患者の状態を監視できるよう、同一のスキャン位置合わせを提供します。GE Healthcare* は、インテル® ディストリビューションの OpenVINO™ ツールキットを含むソフトウェアの最適化を使用して、インテル® Xeon® プロセッサー搭載のプラットフォーム上でアクセラレーターの追加コストを伴わずに AIRx の推論時間を 2.85秒から 0.659秒に削減しました。4

ストーリーを読む ›

Philips Healthcare*、磁気共鳴画像 (MRI) 用のアルゴリズムを高速化

Philips Healthcare* はインテル® ディストリビューションの OpenVINO™ ツールキットとインテル® DevCloud for the Edgeを使用しています。このツールキットのカスタム拡張機能を活用して、インテル® Xeon® スケーラブル・プロセッサー上で MRI スキャナーの圧縮センシング・ワークロードを高速化しています。

事例を読む

TGen、ハイパフォーマンス・コンピューティングを遺伝子研究に適用

個別化医療の次の段階は、AI 技術によってゲノム分析の速さと効率を向上させることです。Translational Genomics Research Institute (TGen) はインテル® Xeon® スケーラブル・プロセッサー・ファミリーおよびインテル® Optane™ メモリーを搭載した、ライフサイエンス向けに最適化されたハイパフォーマンス・コンピューティング (HPC) クラスターを構築しました。

カスタマーストーリーを読む

GE Healthcare* は、生命を脅かす可能性があるケースで、医療スタッフがトリアージを実行できるように支援しています。

GE Healthcare* は、X 線画像処理装置に AI アルゴリズムを組み込み、重篤な症例の存在を知らせ、放射線専門医に即時にトリアージの実施を警告するようにしました。インテル® ディストリビューションの OpenVINO™ ツールキットにより、アルゴリズムのパフォーマンスが向上し、X 線の解析に要する時間が 3 秒以上から 1 秒未満に短縮されました。15 

カスタマーストーリーを読む

Akara*、AI 搭載消毒ロボットのプロトタイプを開発

コンセプトの実証として、Akara* は、UV 光を使用して病院内の汚染された表面を消毒する自動化ウイルス殺菌ロボットのプロトタイプを開発しました。このロボットはインテル® Movidius™ Myriad™ X VPU を搭載して人間をよけて移動します。Akara* が目指すのは、COVID-19 と戦う病院をサポートし、部屋や機器を衛生化するのを助けることです。

ストーリーを読む

Cerner Patient Observer*、入院患者の監視を集中管理

医療現場の看護スタッフは、多くの患者を担当しており、それぞれが多様なニーズを持っています。Cerner Patient Observer* により、中央監視所にいる技師は、複数の場所にいる患者を監視して転倒を防ぐことができるようになります。このソリューションには、暗所でも 3D 深度検知が可能なインテル® RealSense™ カメラが搭載されています。

詳細

AI システムの開発と導入


医療システムや研究者がどのようにワークフローに AI を採用し統合したかを紹介するドキュメントと実例をご確認ください。

AI エコシステムのイノベーションを加速

インテル® AI (稼働中)

エッジでの AI 導入により、ヘルスケアとライフサイエンスにおいてリアルタイムの使用事例を実現します。インテル® IoT RFP レディーキットとインテル® IoT マーケット・レディー・ソリューションを通じて、ヘルスケアやライフサイエンス向けのインテルのパートナーとソリューションがどのように実現するかご覧ください。

ヘルスケアとライフサイエンス向けインテル® AI (稼働中) へアクセス

インテル® AI Builders

インテル® AI Builders は、独立系ソフトウェア・ベンダー (ISV)、システム・インテグレーター、製造元企業 (OEM) 、および企業エンドユーザーを結集します。メンバーは、エッジツークラウドの AI 導入を推進できるように、技術的支援を提供するリソースや共同マーケティングの機会へのアクセスを得ます。

インテル® AI Builders にアクセス

インテル® IoT RFP レディーキット

これらの RFP 対応のハードウェア、ソフトウェア、サポートにより、ヘルスケアとライフサイエンス向けの革新的なソリューションを開発できるようになります。現場でのテストは済み、ユーザーのニーズに合わせて拡張できるように設計されています。

インテル® IoT RFP レディーキットを参照

AI 向けインテル® Select ソリューション

これらのワークロード最適化済みソリューション構成は、 ゲノム解析を含むヘルスケアとライフサイエンスのさまざまなユースケースに導入が可能です。

AI 向けインテル® Select ソリューションを見る

インテル® IoT マーケット・レディー・ソリューション

これらのエンドツーエンドの IoT ソリューションは、インテルのパートナー・エコシステムにより支えられ、データ負荷の高いワークロード向けに最適化されています。ソリューションは適用性が高く、検証済みで、導入できる準備が整っています。

インテル® IoT マーケット・レディー・ソリューションにつて詳しく知る

ヘルスケアとライフサイエンス分野の AI ソリューションを見つける


通知および免責事項

パフォーマンス・テストに使用されるソフトウェアとワークロードは、パフォーマンスがインテル® マイクロプロセッサー用に最適化されていることがあります。

SYSmark* や MobileMark* などの性能テストは、特定のコンピューター・システム、コンポーネント、ソフトウェア、操作、機能に基づいて行ったものです。これらの要因のいずれかを変更すると、結果が異なることがあります。製品の購入を検討される場合は、ほかの製品と組み合わせた場合の本製品のパフォーマンスなど、ほかの情報やパフォーマンス・テストも参考にして、パフォーマンスを総合的に評価することをお勧めします。詳細については、https://www.intel.co.jp/benchmarks/ (英語) を参照してください。

パフォーマンス実績は構成情報に記載された日に実施したテストに基づくものであり、公開中のアップデートがすべて適用されているとは限りません。構成の詳細については、バックアップを参照してください。絶対的なセキュリティーを提供できる製品やコンポーネントはありません。

インテル® テクノロジーを使用するには、対応するハードウェア、ソフトウェア、またはサービスの有効化が必要となる場合があります。

インテルは、サードパーティーのデータについて管理や監査を行っていません。正確さを評価するには、他のソースを参照する必要があります。コストと結果は状況によって変わります。

免責事項

1インテル® コンパイラーでは、インテル® マイクロプロセッサーに限定されない最適化に関して、他社製マイクロプロセッサー用に同等の最適化を行えないことがあります。これには、インテル® SSE2、インテル® SSE3、インテル® SSSE3 命令セットなどの最適化が該当します。インテルは、他社製マイクロプロセッサーに関して、いかなる最適化の利用、機能、または効果も保証いたしません。本製品のマイクロプロセッサー依存の最適化は、インテル® マイクロプロセッサーでの使用を前提としています。インテル® マイクロアーキテクチャーに限定されない最適化のなかにも、インテル® マイクロプロセッサー用のものがあります。この注意事項で言及した具体的な説明一式の詳細については、該当する製品のユーザー・リファレンス・ガイドを参照してください。
2「The potential for artificial intelligence in healthcare」2019年6月、Future Healthcare Journal, ncbi.nlm.nih.gov/pmc/articles/PMC6616181/.
3

“Advantages and limitations of total laboratory automation: a personal overview,” Clinical Chemistry and Laboratory Medicine (CCLM), February 2019, degruyter.com/view/journals/cclm/57/6/article-p802.xml.

4構成: 最初のモデルはインテル® Optimization を使わずに Python* 2.7 向け TensorFlow* 1.6 を使用してトレーニングを実行し、GE Healthcare* によって OpenVINO™ 2018 R4 に変換されました テストで使用したハードウェアと構成: GE Gen6-P image compute node 3.10.0-862.el7.x86_64; プロセッサー: インテル® Xeon® プロセッサー E5-2680 v3; 速度; 2.50GHz; コア数: 1 ソケット当たり12コア; Docker コンテナーは 22 CPU コアにアクセス; ソケット数: 2 個; RAM: 96GB (DDR4); ハイパースレッディング: 有効; セキュリティー・アップデート: 「Spectre」および「Meltdown」へのアップデートを適用。 テストで使用したソフトウェア: TensorFlow* バージョン: 1.6 (インテル® MKL-DNN の最適化は不使用) ; Gcc バージョン: 2.8.5; Python* バージョン: 2.7; OpenVINO™ バージョン: 2018 R4 (モデルサーバー v 0.2) ; OS: HeliOS 7.4 (Nitrogen).
5システムテスト構成開示: インテル® Core™ i5-4590S CPU @ 3GHz、x86_64、VT-x 有効、16GB メモリー、OS: Linux magic* x86_64 GNU/Linux*、Ubuntu* 16.04 推論サービス Docker* コンテナー。テストは GE Healthcare* が 2018年9月に実施しました。テストでは、インテル® ディストリビューションの OpenVINO™ ツールキットで最適化された TF モデルを使用して最適化された TensorFlow* モデルの合計推論時間を 3.092秒と比較し、合計推論時間が 0.913秒となりました。