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、臨床医が高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。

医用画像のマルチモーダル推論や化合物とタンパク質の相互作用予測を最新世代のプロセッサーが加速する

ディープラーニングを活用した医療データの解析や創薬技術の開発に取り組む理化学研究所の種石 慶 氏をお招きし、研究の概要や展望を伺いました。第 3 世代インテル® Xeon® スケーラブル・プロセッサー・ファミリーを使った性能ベンチマークについてもお話しいただきました。

ホワイトペーパーを読む ›

サムスンはインテルと協力して、神経検出を高速化し、ワークフローを改善

サムスンメディソンはインテルと協力して、神経検出を高速化し、ワークフローを改善しました。NerveTrack は、インテル® ディストリビューションの OpenVINO™ ツールキットを使用して、超音波検査中の神経の検出および特定を支援します。超音波神経画像のリアルタイム推論は、見つけることが困難な神経を探している時の麻酔科医の精度の向上を支援します。

ストーリーを読む ›

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。

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.com/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」(英語)、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。