长庚纪念医院使用在NVIDIA DGX 与 Pure Storage FlashBlade 上打造的工具，将人工智慧用於显微镜检查作业当中。医生可以从验血结果得知重大器官的运作情况及发现各种医疗状况，包括心脏病、贫血和癌症。在每间大型医院都有着成堆的血细胞影像等着进行分析。

人工智慧加快台湾最大医院分析血细胞的速度

拥有超过一万个床位、每年看诊人数达八百万人以上，台湾的长庚纪念医院每年收集至少一百万个血细胞影像。长庚医院的临床医生必须随时待命，血液分析是急诊科的头等大事。为了提高效率和准确性，全台共有七处分院的长庚医疗体系采用在「AIRI」（AI-Ready 基础架构）上开发的深度学习工具。

由 Pure Storage 与 NVIDIA 合作开发出的 AIRI 架构，以 NVIDIA DGX POD 叁考设计框架为基础，并且由 NVIDIA DGX-1 与 Pure Storage FlashBlade 共同提供支援。长庚医院的 AIRI 解决方案搭载了四套 NVIDIA DGX-1 系统，各系统的人工智慧运算效能达到 1 petaflop。各 DGX-1 系统又搭载了八个全球速度最快的资料中心加速器，也就是 NVIDIA V100 Tensor Core GPU。

长庚纪念医院当前的血细胞分析工具能够自动分辨五大类白细胞，不过医生还是得以人工方式去辨识其他种类的细胞，而这是一件相当劳民伤财的事。

该院开发出的深度学习模型提供了更全面的分析，能够从显微镜影像中分类出十八种血细胞，准确率达 99%。拥有一项能够分辨多种血细胞的人工智慧工具，还能提高医生对罕见细胞类型进行分类的能力，进而提高疾病诊断的准确性。使用人工智慧可以在不影响测试品质的情况下，减少临床医生的工作量。

长庚纪念医院靠着 AIRI 的整合式基础架构设计，整合了运算、网路、储存、电源和冷却等方面的最隹实践内容，以求加快其深度学习模型的训练及推论速度。

人工智慧检测长庚医院的血液样本

在对患者完成抽血後，长庚纪念医院使用自动化工具对血液进行采样，然後将血液样本涂在显微镜载玻片上并进行染色，以便检查红细胞、白细胞和血小板。接着机器会拍摄载玻片的影像，也就是所谓的血液涂片，如此便能使用演算法对其进行分析。

长庚纪念医院使用迁移学习技术，在 AIRI 架构上使用拥有六万个血细胞影像的资料集来训练卷积神经网路。人工智慧靠着一架搭载 NVIDIA T4 GPU 的伺服器，只要两秒钟就能解读一组25个影像并进行推论，这个动作比寻常一组三名医学专家要花上五分钟才能完成解读的速度快上一百倍。

深度学习除了能更快提出血液测试的结果，还能减轻医师的工作疲劳及提高血细胞分析的品质。长庚纪念医院医疗人工智能核心实验室主任郭??甫表示，人工智慧解决了两大问题，将改善整个医疗诊断过程，尤其是医病关系。这两大问题分别是时间方面的限制与人力资源成本。

部分血细胞类型极为罕见，造成训练资料集呈现失衡状态。为了增加罕见细胞类型的范例影像数量及增进模型的表现，研究人员正在使用生成对抗网路（GANs）进行实验。

长庚医院还将 AIRI 用在骨折影像辨识、基因组学及免疫萤光项目上。目前的人工智慧工具侧重於辨识身体病况，未来或许可以用在预测疾病上。