赛灵思：医疗物联网时代，成为变局中的颠覆者

——与赛灵思公司医疗科学全球业务市场负责人Subh Bhattacharya先生一席谈

作为FPGA（现场可编程逻辑门阵列）的发明者，对创新驱动力以及对技术颠覆的追求可谓是镌刻在赛灵思（Xilinx）的灵魂之中。这家1984年创立的公司在全球设有10个研发与工程中心,迄今为止， 这个全球仅3000 多名员工的公司，已创下了4400多项专利，其中FPGA、自适应SoC、自适应计算加速平台ACAP等 60多项位列行业第一，年营收达30多亿美元。

医疗市场是赛灵思非常关注的领域之一。目前，赛灵思医疗业务的营收占比不断增加，且以11%～15%的速率保持增长。该公司也不断加大在这个领域的投资力度，尤其是在今年新冠疫情对市场的加速作用下，在日新月异的大数据、人工智能和医疗物联网等技术的推动下，赛灵思在医疗领域持续发力。

2020年新冠疫情的爆发使得对医疗设备、检测设备需求出现了爆发性增长，也进一步推动了远程医疗和远程健康、远程病患监护、定点照护以及AI应用等新趋势的形成。赛灵思也全力投入，如与迈瑞医疗合作，还携手飞利浦医疗，快速生产并交付急需的患者监护仪用 FPGA；与人和未来生物技术公司合作，利用赛灵思SoC平台加速基因组数据分析的计算，加速药物筛选和治疗方面的研究；与联影医疗合作，助力其即插即用Alveo加速卡，加速医疗应用与分析。

赛灵思医疗科学全球业务市场负责人Subh Bhattacharya

近日，我们有幸采访了赛灵思公司医疗科学全球业务市场负责人Subh Bhattacharya先生。他从构建医疗物联网资产的角度，与我们分享了医疗行业的发展趋势、赛灵思的自适应计算平台在医疗领域的应用实例以及如何应对市场挑战等话题。

新变局下的趋势和挑战

全球正在迎来数字化时代，和其他行业一样，医疗领域也深受其影响，例如互联系统与移动医疗，伴随着和网络与数据相关的很多应用出现了爆发性增长。但随之而来的，是对物联网数据安全及患者隐私关切的不断上升。由于黑客入侵风险的加剧及安全隐患的增加，需要加大对患者及医疗器械数据的保护。美国食品药品监督管理局（FDA）及欧盟也都在发布关于保护患者数据以及设备安全和网络安全的指引和意见。

当下，医疗数据隐私与安全是影响医疗行业发展的重要问题之一。全球医疗物联网设备已安装超过1亿台，研究显示，到 2020 年，这一数字将增至 1.61 亿台。Subh Bhattacharya先生指出：“医疗界的高管认为，隐私（59%）、系统集成（55%）和安全问题（54%），是阻碍当今医疗机构采用物联网的三大障碍。”

Subh Bhattacharya先生注意到，人工智能和机器学习是影响医疗行业发展的另一大趋势，已经被日益广泛地应用于各种诊断和医疗领域。机器学习推断，有助于一些疾病的早期发现和治疗，并在病原学等领域发挥积极作用。“因为机器学习需要非常优质的数据集，对于涉及到很多私人研究项目和专有数据集中的患者数据隐私的安全保护，显得尤为重要。” 

赛灵思的自适应计算平台，非常契合医疗行业的这种成长趋势，同时也有志于成为新变局下的颠覆者。

在多个医疗领域实现突破

赛灵思在多个医疗应用领域积极贡献出了创新价值。首先，是通过大幅提升成像质量来助力诊断。赛灵思在大型扫描仪、超声波医疗成像领域拥有显著优势，在诊疗用内窥镜、手术用内窥镜、外科机器人领域发展迅速。

基于赛灵思技术方案的机器视觉、机器人、智能医院用智能病床、除颤器、病人监护仪，在启动时间、功耗、时延、性能方面均都显示出比传统CPU和GPU更大的优势。如，赛灵思 Versal™ 芯片架构与软件工具采用广泛应用于雷达技术的“合成孔径 (SA) 成像”，以及“平面波 (PW) 成像”等方法，以每秒数千帧的超高速成像，大幅提升了面向心壁运动和心脏外科手术等难以管理的诊断和外科手术的帧率和准确性，显著提升了复杂医疗程序中的超声诊断能力。

从2011年开始，通过推出全球首款集成ARM 内核的可扩展处理器平台Zynq SoC，赛灵思将市场扩展到更大的嵌入式应用蓝海。赛灵思的SoC平台的异构集成度优势，使得医疗系统设计者在单芯片上就能进行信号调试、可视化以及相关转录，有助于超便携式高性能超声波系统用医疗器械显著提升性能，同时缩小封装尺寸，实现非常优质的图像功能。此外，还可以与多系统处理器（如ARM GPU、数据安全处理器、功能安全处理器）集成，形成更强大的Zynq UltraScale+技术平台。

通过引入自适应计算的优势，赛灵思帮助医疗行业的创新企业在诸多领域实现了新的突破。如帮助隶属于Illumina的Edico Genome成功缩短重症新生儿基因组分析时间；为EyeTech数字公司推出基于赛灵思芯片的医用通信平板电脑，帮助ICU患者和重症患者加速推进基于眼球追踪的AI医疗沟通；与合作伙伴携手，为迈瑞提供设计所需的产品，积极应对新冠早期武汉多家新建医院对于医疗设备的大量需求。

“作为一种理想的边缘器件，赛灵思Zynq UltraScale+ MPSoC非常适用于临床环境下进行高性能深度学习模型的可扩展部署。”Subh Bhattacharya先生表示，“它可以完全非常独立自主地完成这些分型的病历诊断，不需要向云端传输任何数据。AWS IoT Greengrass 可以增强这一边缘推断器件的能力，通过从移动设备向云端传输图像，进行远程诊疗。”

开源模型（在赛灵思 Zynq UltraScale+ MPSoC器件上的 Python 编程平台上运行）则方便研究人员根据特定应用需求进行调整；兼具低时延、高能效、可扩展能力和低成本、能够轻松适应相似临床应用和诊断应用等优势，使得医疗设备制造商和医疗服务提供商可以借助该参考设计套件，提前快速开发出适应未来的临床应用和放射医学应用。医生无需借助物理医疗设备就能轻松地将 X 射线图上传到云端，实现高准确度临床诊断支持，为更加偏远的地区提供远程诊疗服务。该解决方案已被用于肺炎和 COVID-19 检测系统，不仅准确度极高，而且推断时延低。

赛灵思还联手 Spline.AI 和 AWS 开发出 X 射线分型深度学习模型和参考设计。该解决方案的AI模型采用Amazon SageMaker 进行训练，并用 AWS IoT Greengrass 从云端部署到边缘，以支持远程机器学习 (ML) 模型更新、地域分布式推断、跨远程网络和广阔地域进行扩展。

在网络安全与信息保护方面，赛灵思借助灵活应变的可编程平台，不仅能满足IEC62443等工业标准，还可以不断驱动技术进步，从软件和硬件升级两方面，适应因黑客手段进步而带来的新的防护挑战。

赛灵思使用 ZU+ MPSoC 展示了在医疗网络中从边缘到云的安全功能

据Subh Bhattacharya先生介绍，赛灵思Zynq UltraScale+ MPSoC网络安全解决方案演示平台，涵盖了从边缘到云的一系列的安全功能。通过模拟医疗或医院网络场景或环境下患者监护仪、心率感应器等的认证、加密启动、安全启动、测量启动、安全应用通信、基于云的监测等，了解可编程硬件在实时运行过程中的状态。

赛灵思业界领先的AI时延与性能、生命周期延长、高质量、高可靠性和安全性、实时、确定性的控制与接口等，加上AI推断和部署，给赛灵思在医疗以及很多颠覆性的应用领域带来了众多优势。面向开发者软件开发应用的平台Vitis，使得开发者无需担心底层比较复杂的硬件，只用专注于自己应用算法的实现即可，从而拥有更广的余地和选择。

转折点下，优势互补，形成创新合力

目前，赛灵思的FPGA（片上可编程逻辑）业务以5%～6%的年增速稳定发展。而向Zynq UltraScale+技术平台转型，为赛灵思带来了14%～15%/年的SoC器件增长。“通过单芯片形成强大的功能和性能，有助于从云端一直到边缘的医疗应用。这也成为赛灵思发展的一个转折点，不仅大幅提高了需要可扩展医用物联网的应用需求，同时还缩小了器件的尺寸。”Subh Bhattacharya先生说。

医疗行业是芯片发展的下一个重要推动力，而中国医疗市场拥有巨大的发展潜力，赛灵思与中国本土医疗设备公司的合作也更加紧密，“如与中国合作伙伴共同开发医疗用机器学习平台，在一些传统技术领域如视频、视觉系统，我们也在和中国伙伴合作。长期来看，我们和中国伙伴的合作会不断加强。”Subh Bhattacharya先生表示。

“展望未来，我们充满信心，将更积极地与包括初创公司在内的更广泛的客户群体合作。业内正在涌现大量的医疗机器人、基因检测、医疗AI等创新企业，它们在算法、医疗数据处理上都有很多的研究和积累，但是在硬件，特别是服务器的搭建上比较欠缺经验。而赛灵思可以在这方面为他们提供强大的支持。”

Subh Bhattacharya先生进一步解释道：“我们有更丰富、更多层次的以硬件为基础的软件。我们的自适应实时计算平台，可以帮助他们处理不甚了解的比较底层的软件，如操作系统。初创企业的科学家只需要专注于自己创新领域。我们还会提供更多的优化库，帮助这些公司缩短产品上市时间。”

例如，在帮助客户构建智能且灵活应变的医疗物联网资产时，赛灵思的医疗物联网解决方案堆栈不仅包括优化的赛灵思技术，还有赛灵思的合作伙伴提供的一些元素来支持相关的医疗平台。“利用这些已有的解决方案，客户就无需从头开始，因而能大大减少设计和开发时间，降低开发成本，还可以最大限度地实现设计的复用。”

赛灵思和Intuitive的合作就是一个很好的例子。在开发达芬奇手术机器系统时，Intuitive在整个平台上使用了赛灵思的技术。赛灵思的解决方案使他们能根据产品的外形尺寸，进行有针对性的定制集成，通过软件集成和软硬件协同设计，实现高水平的设计复用。Subh Bhattacharya先生解释道：“要知道，开发这样的系统通常需要数百万美元的费用，如果能够实现大规模的设计复用，并且能够提高设计速度，这就意味着能给客户带来极大的经济效益优势。” 

“与CPU和GPU相比，赛灵思的解决方案可以显著缩短启动时间，降低功耗，缩短时延，并且能够提供有效的AI推断平台，也协助进行关键诊断，利用边缘技术最大化隐私安全和最小化数据传输负载。”Subh Bhattacharya先生总结道。

赛灵思 AI 推断可充分满足医疗需求

随着医疗技术和医疗改革的推进，很多大型制造商都面临着提高产品质量和可靠性、降低成本，满足更严格的上市时间以及验证和监管审批要求的挑战，也因而驱使着赛灵思通用SoC及FPGA可编程逻辑器件不断演进。为了应对竞争，赛灵思在开发医疗产品和解决方案时主要采用了2至3种技术路线。临床方面，集中精力在提高集成度、增加更多功能、降低产品的封装尺寸。另一个技术路径是异构计算。

写在最后：

数字化时代，医疗物联网、移动医疗、人工智能等技术迈出了连接现在和未来的一步。在这个前所未有的大变局中，我们期待赛灵思能为医疗领域带来更多颠覆。