中新网上海新闻11月28日电(李佳佳)2023第六届上海交大-卫宁健康智慧医疗挑战赛全国总决赛圆满举办。经过近半年的筛选与角逐，最终19支优秀团队脱颖而出，进入总决赛。上海理工大学的相队和来自上海交通大学的0x73b队分别摘得高校组和综合组桂冠。
上海交大-卫宁健康智慧医疗挑战赛至今已成功举办六届，是医疗健康领域高级别的人工智能技术场景赛事，旨在提供一个推动“AI+医疗”发展的平台，广泛吸纳各大高校团队以及科研院所、初创型企业、医院等所有社会型单位的优秀团体参与赛事，共同探索AI和互联技术在医疗领域的应用模式、验证“AI+医疗健康”的落地价值，并促进项目的真正落地，为医疗带来更大的价值。
本届比赛自启动以来，受到了全国AI领域优秀人才、媒体的广泛关注，吸引了来自来自上海交通大学、中国科学院大学、华中科技大学、东南大学、吉林大学、中南大学、华东师范大学、上海理工大学、南昌大学、苏州大学、大连大学、长春理工大学、澳门理工大学、华侨大学、北京灵猫动量科技有限公司、同济大学附属上海市第四人民医院、数智元宇人工智能科技有限公司、嘉兴尚瑞电子科技有限公司等优秀团队的踊跃参与。
决赛现场，19组团队依次进行演示与答辩，展示自己的研究成果，评委通过创新性、实用性、未来市场发展的潜力、技术成熟度等多重维度，最终评审出奖项，并颁发证书、奖杯与奖金牌以及卫宁健康实习绿色通道。
上海理工大学相队的膝Ease-膝骨关节炎推拿机器人成为高校组非凡奖获奖团队。膝骨关节炎是一种常见的老年退化性疾病，传统中医推拿疗法既存在经济价值，也更有效，其中尤以“坐位调膝法”为最。团队致力于打造基于坐位调膝法的推拿机器人，以辅助医生在日常的工作中进行坐位调膝法的治疗。
上海交通大学GPT健康咨询先锋队设计的基于GPT的智能健康咨询助手，上海交通大学三维全视野Ca诊断队的病理图像三维重建与分析-基于点云的病理图像三维重建获得前瞻奖获奖团队。
上海交通大学0x73b队基于昇腾的神经网络智算方案获得综合组卓越奖获奖团队。该设计构建面向国产设备的医疗模型端到端的迁移和压缩工具，可以辅助将部署在服务器上的模型迁移到国产边缘设备上，从而更好的让模型在边缘设备上进行计算，实现了基于国产设备的低功耗、低时延、高性能的辅助诊断系统。
ChatGPT的出现受到了不相同的领域的极大关注，医疗作为应用场景极为丰富的领域，与人工智能技术将有更加深入的结合，慢慢的变多的人将关注点聚焦在了“智慧医疗”的发展上。
在比赛现场，专家与学者就智慧医疗的发展，从安全和效率两个方面做了分享与探讨。欧洲科学院院士、上海交通大学计算机系讲席教授过敏意教授，卫宁健康人工智能研发总监刘鸣谦，英特尔(中国)软件技术合作事业部高级技术经理杨正雷分别在现场进行了精彩的演讲。
欧洲科学院院士、上海交通大学计算机系讲席教授过敏意教授在分享中提到，AI应用快速的提升，人工智能模型从一开始的监督学习到现在的无监督学习，导致了模型尺寸与算力需求的飞速增长。以ChatGPT为代表的大模型已然兴起，自发布以来，ChatGPT的影响取得了惊艳的效果，成为最快增长到1亿用户的应用，这反映了大模型应用已经走向大众化阶段。在医疗领域，由于大模型强大的知识存储和推理能力，在医疗这种知识密集型的场景中具有强大的应用潜力。
然而，在大模型具体的部署过程中也存在一些问题，由于大模型的高算力需求，无法本地化部署大模型，而往往采用云端部署的方式，这就不可避免地带来一些隐私安全问题。
要兼顾大模型的高算力和隐私保护问题，可以从两条技术路线入手：第一，针对大模型高算力需求，研究明文计算轻量化技术，实现本地化部署；第二，针对云端部署场景，研究高效加密计算技术，使密文计算性能可接受。
但总的来说，单一的加密方案和AI算法优化空间极为有限。加密方法方面，现有方法把AI算法当做黑盒，无法利用算法本身的安全特性，计算开销极大；AI算法方面，AI算法本身存在很大的冗余性(稀疏特性、低精度特性等)，存在很大的计算效率提升机会。
系统结构作为衔接二者的桥梁，需要全新的抽象、方法，以更高效地支撑高安全、低资源需求的大模型服务。因此，未来高效、安全的大模型服务需要加密方法-AI算法-系统结构的联合设计与优化。
卫宁健康人工智能研发总监刘鸣谦在比赛现场带来分享，讲述了卫宁医疗大语言模型WiNGPT的探索与发展。
WiNGPT是基于通用模型的医疗垂直领域的大模型，截至目前，训练数据涉及6大类医学领域、29个医院科室，数据量约20G。通过将专业的医学知识、医疗数据融会贯通，既能实现医疗场景下的通用医学知识回答，也能精确地解决业务、产品、流程中存在的痛点交互问题，最终实现效率和质量双提升。
WiNGPT具有三个特征：一是“小而专”，是大模型上的“小模型”。WiNGPT根据医疗场景和高质量训练数据，精确满足各种业务需要；二是低成本交付。通过优化模型算法，基于CPU部署，经测目前生成效率已接近GPU；三是支持可定制的私有化部署。私有化部署保护医疗数据不出医院，避免数据泄露的同时，提供更高的系统稳定性和可靠性。
在实际部署的过程中我们正真看到，大语言模型应用存在“部署最后一公里”：一、技术问题：一方面，大语言模型内存受限，内存和时间复杂度都与输入序列的长度成平方；另一方面，计算资源难充分的利用，GPU、CPU资源均没有充分的利用。二、业务问题：院内部署场景复杂，数据保密性、安全性、实时性要求高，GPU更新换代快；模型升级GPU需跟随升级，医院硬件升级频率低。解决以上部署问题，卫宁健康和intel一起共同进行了模型的优化，优化并发调度，提高CPU使用率，通过对pytorch的进一步升级，提升深度学习框架的推理速度，并通过底层更优的硬件设备，提高硬件的使用效率。
刘鸣谦表示，这些优化可以在报告生成的系统上看到明显的成果，基于WiNGPT的医院报告生成场景，目前覆盖了放射科全科100多个部位的检查，覆盖了CT、MR、普放等检查，基于大语言模型能够迅速完成报告的生成和小结。
同时，我们做了Intel一体机效果，医院部署情况不要以“运行快”为单一的评价标准，另一方面，也要考虑到性价比，医院真正需要的是一个低成本并能长时间运行的系统。我们在Intel第四代增强处理器上测试的方案和英伟达的GPU方案作对比，从性价比来看会有13%的提升。
目前，还有一些基于CPU的其他推理医疗应用场景。在口腔牙神经和牙位三维人工智能识别方面，实现了国内首创。可以精准标注呈现神经与牙根的位置关系，辅助牙齿种植手术决策以及种植效果判断。该方案基于英特尔第四代至强CPU，利用CPU上AMX AI加速器进行CBCT的医疗图像切割、影像推理标注、并进行3D重构，速度满足临床使用要求，是CT AI图像标注的典型成果。
在未来更多的应用场景中，如何把AI的模型做成一个小型化或定量精准的现场可部署、可扩展的应用落地，也是一个很重要和很具有实际应用的场景，卫宁健康会在这一面持续地进行探索和研究，并推动更多智慧解决方案的落地。
英特尔(中国)软件技术合作事业部高级技术经理杨正雷从创业的角度，在现场分享了如何做成一个有价值的产品，最后成为总体解决方案，并落地到实际的应用场景中去。
要想做到有价值的解决方案落地，最重要的就是思考能给用户带来什么样的价值。今年10月，intel与卫宁健康共同发布了IntelCPU平台的WiNGPT的方案，从Intel的角度，我们关注更多的是如何帮助客户在业务场景里实现落地，并且真正地解决医疗痛点、满足业务需求。
可以看到，ChatGPT出现后，加速了AI在医疗领域的变革，从intel的角度，未来我们的焦点将集中在多重诊断上，会把在医疗领域图形图像类以及病理诊断类、阅读类有机结合起来，把AI做一个大的整合，通过大语言模型赋能多重诊断，更有效率地支撑起医疗领域的应用优势，打造并让大众去接受一个端到端的场景，让技术持续加持智慧医疗的发展。
“和羮之美——法国十九世纪辉煌艺术展暨纪念中法建交六十周年系列艺术特展”在沪开幕
本网站所刊载信息，不代表中新社和中新网观点。 刊用本网站稿件，务经书面授权。