美光存儲器助力AI造福精神健康
1 沉重的社會話題
本文引用地址:http://www.ex-cimer.com/article/202312/454163.htm幾年前,王女士朋友的70多歲婆婆患了阿爾茲海默癥,朋友的老公后來無法外出工作,在家全職照顧她。這使王女士開始關注這類病癥,了解到如果盡早地發現和干預,可使病癥發展減緩。同時,患者需要大量的康復訓練,但患者因為腦部疾病會難以融入社區、社會,同時因為昂貴的康復費用等因素,為康復帶來一定的難度。
在不久前的CNCC2023(中國計算機大會)上,王女士了解到精神健康已是一個重要的社會話題,相關的醫學電子正向數據驅動型、精準診療方向發展,而生成式AI /大模型是推進其進化的加速器。生成式AI和大模型的發展瓶頸之一是存儲器,需要更大容量、更高帶寬和更低延遲。慶幸的是,美光科技等存儲器廠商正不斷突破精進,正向市場推出一系列革命性的技術和產品。
2 一組驚人的數據
根據《世衛組織精神健康2022報告》,目前全球精神障礙患者已達9.7億,占全球總人口的13%,我國精神障礙患者已超1億。
我國精神醫學與睡眠醫學專家陸林院士在《科創中國·院士開講》中提到,新冠疫情發生以來,全球新增超過7000萬抑郁癥患者,9000萬焦慮癥患者,數億人出現失眠障礙問題。
在我國,阿爾茲海默癥和自閉癥分別是老年人和兒童中發病較多的病種。
隨著人口老齡化,阿爾茲海默癥正威脅著老年人的健康。據《2021年中國阿爾茲海默病患者診療現狀調研報告》,60歲及以上人群中患者高達983萬例,年治療費用超過1.2萬億元。
據《2022年國民抑郁癥藍皮書》,我國18歲以下患者占總患病人數的30%,發病群體呈年輕化的趨勢。據《中國自閉癥教育康復行業發展狀況報告》,我國孤獨癥患者超過1000萬,其中0~14歲兒童患者超過200萬,并以每年近20萬的速度增長。
但是當前精神疾病診斷還是傳統的方法,多以醫生訪談和精神疾病診斷量表為主,缺乏客觀量化診斷指標;治療方式主要為藥物治療等方法,但是藥物治療存在副作用大等問題。以AI和大數據為代表的前沿信息技術的飛速發展,為精神疾病的診療提供了新契機,推動診療由癥狀描述型向數據驅動型轉變,并提供了普適化、精準化和個性化的精神疾病診療分析技術,從而提高了精神疾病臨床識別率和治療有效率。
為此,不僅需要AI的發展,對存儲器也帶來了挑戰。因為隨著CPU/GPU內核數量的不斷增加以滿足數據中心/AI工作負載需求,系統對更高的內存帶寬與容量的需求也顯著增長,從而在應對“內存墻”挑戰的同時優化客戶的總體擁有成本。為此,在內存方面,美光已推出1β技術的DDR5 DRAM(內存),支持計算能力向更高的性能擴展,能支持數據中心和客戶端平臺上的AI訓練和推理、生成式AI、數據分析和內存數據庫(IMDB)等應用。
3 精神研究的四個步驟
為了實現數據驅動,需要完成四個步驟:數據獲取、分析模型、特征表達、干預方法。
數據獲?。?/strong>借助生物醫學技術去獲取一些生理行為的信息的技術。
分析模型:確定用什么樣的工具分析數據,是用經典的機器學習的方法,還是用現在熱門的大模型、深度學習的方法。
特征表達:解釋和分析所挖掘出來的信息指標。
干預方法:進行智能化、精準化的干預。
3.1 數據獲取
在生理信號獲取上,有多種方法。
● 電極技術。包括腦電、心電、肌電、皮電。
● 音頻。可采集鼾聲、心音、肺音、腸鳴音等,來揭示與健康的關系。
● 影像。核磁共振成像(MRI)可以去了解腦結構與腦功能,例如對病灶區進行基本靶點定位后,為后續的精準治療提供相關的依據。正電子成像(PET)可研究抑郁患者發病機理及藥物干預療效。超聲已作為癡呆癥風險早期篩查工具。CT成像可用于阿爾茲海默等神經類疾病的診斷。醫療領域正走向普適化,日常生活的場景下的可佩戴式的近紅外成像(fNIR)系統,可監測氧合血紅蛋白的變化。光聲成像(PAI)可以用來測量腦氧飽和度的異常來進行精神健康的檢測。腦磁圖(MEG)方面,可穿戴腦磁監測系統可用于研究運動障礙病理生理學、精神障礙病理學等。
● 行為信號。可采集語言、表情和眼動等數據;此外,還有步態、睡眠。特點是無擾的。例如步態,在一些特定的應用場景,例如學校用于大規模的人群篩查。睡眠監測也可以是無擾式的,通過采用聲納等技術,適合睡眠敏感人群使用,例如在枕邊放傳感裝置,來收集睡眠過程中的呼吸鼾聲,以及夜里翻身等狀況。
3.2 分析模型、特征表達與干預
有了數據后,接下來需要選擇深度學習模型對疾病機理進行分析。無論是從機器學習還是深度學習模型,挖掘出來患者的整體特征并分析,幫助人們進行更精準化的認知。在這個基礎上,可以把疾病進行更細的分層分類,以進行精準干預。
干預方面,主要有藥物干預、音樂治療、芳香療法、光照療法。這幾年比較熱門的還有正念訓練、虛擬現實暴露療法(VRET)、運動療法。臨床醫學上,較新的療法還有:對于一些中重度抑郁或者是癲癇患者,還有腦電磁刺激療法;激光間質熱療(LITT)在MRI磁共振成像引導下,治療強迫癥。中醫的耳迷走神經刺激也被國際上所驗證,因為耳部的迷走神經的刺激是可以多少改善我們內部多巴胺的分泌,進而調整我們的行為。
這些數據獲取、干預方法中,很多是無擾、便攜式的終端,需要提供平衡的性能和功耗。因此在存儲器方面,需要低功耗產品。美光的低功耗LPDDR系列DRAM及嵌入式閃存就是為滿足便攜移動終端所推出的。例如上述的干預中,虛擬現實暴露療法(VRET)是通過VR眼鏡讓患者直面精神障礙的病源,進而克服焦慮或痛苦意識,可有效治療焦慮癥、強迫癥和創傷性應激障礙。而VR眼鏡需要超低功耗、小尺寸產品。美光科技最新的低功耗 LPDDR5X DRAM 和通用閃存 UFS 3.1 嵌入式解決方案,非常適合混合現實 (MR) 和虛擬現實 (VR) 設備。LPDDR5X通過創新的 1α 制程節點技術和 JEDEC 能效優化實現更低功耗,可實現高達 8.533 Gbps 的峰值速率。
4 挑戰與策略
數據獲取。希望多模態的生理行為信息的獲取。
分析模型。①對數據的數量和質量的依賴性高,才能產生精準的模型。②可解釋性差。例如圍繞一些高級復雜或深度模擬出來的特征,人們很難去跟經典的診療的標簽或者是醫生標注的信息進行直接的對應,所以難以揭示這個模型背后蘊含的因果關系。③成本高。在精神健康長期監測高靈敏長時耗的需求中,目前模式還有待進一步的改善的。
特征表達。還缺乏有效的研究理論和方法。
干預。分為藥物干預與非藥物干預。藥物干預的缺點是副作用大,而且精神藥物的接受度差,治療周期比較長。非藥物的干預,欠缺標準化的治療研究,療效難以量化評估,因而無法實現精準化的治療,個性化程度較低,且跟藥物治療沒有密切的協作配合關系。
總之,人腦是一個復雜的巨系統,需要開放式、多層次性、復雜性、巨量性的架構或體系的設計,來幫助人們從癥狀描述型到數據驅動型的轉變,進而利用從定性到系統化的分析方法來解決精神健康的問題。
近期熱門的生成式AI/大模型與傳統AI有望在此加持。
生成式AI/大模型與傳統AI有何區別?傳統AI也稱為狹義AI或弱AI,主要用于分析數據和做出預測;而生成式AI則更進一步,創建與其訓練數據相似的新數據。換句話,傳統AI擅長模式識別,而生成式AI擅長模式創建??梢妭鹘yAI和生成式AI具有不同的功能,可以協同工作,提供更強大的解決方案。例如,傳統AI可以分析用戶行為數據,而生成AI可以根據這種分析來創建個性化內容。
為了實現AI,不僅需要新一代AI/GPU算力芯片,同時也需要大量存儲器與之匹配。根據美光測算,AI服務器中DRAM數量是傳統服務器的8倍,NAND是傳統服務器的3倍。這是因為AI工作負載傾向于占用更多內存??梢?,這輪AI大潮也推動了存儲芯片的需求量,催生了一批新技術產品問世。例如美光HBM3E DRAM、高密度 DDR5 DRAM 和 TB 級 SSD 存儲等技術,以滿足在云端進行生成式 AI 訓練和推理所需的速度和容量。
HBM3E
HBM3E是一種DRAM存儲芯片,是迄今市場上最先進的高帶寬內存(HBM)產品。美光首批HBM3E采用8-Hi(8層)設計,提供24GB容量和超過1.2TB/s頻寬, 比HBM3提高了50%。美光計劃于2024年初開始大量出貨HBM3E。
實際上,HBM是基于3D堆棧工藝的高性能DRAM。HBM DRAM 產品以 HBM(第一代)、HBM2(第二代)、HBM2E(第三代)、HBM3(第四代)、HBM3E(第五代)的順序開發。HBM3E 是 HBM3 的擴展(Extended)版本。
NVMe SSD固態硬盤
不久前,美光推出 7500 系列 NVMe SSD,主要面向數據中心存儲應用,包括了云服務器和企業服務器。該系列產品采用 232 層 3D NAND 閃存。美光稱,這是全球首款基于 200+層 NAND 閃存的主流數據中心 SSD。
5 普適化康復需要生成式AI的加持
精神障礙人群由于腦部疾病,往往不愿意接納他們,這不利于患者的康復,還會形成惡性循環。ChatGPT等生成式AI技術的出現為王女士帶來無限遐想,希望康復設備普適化。例如,利用手機等移動終端設備可以給予患者人性化的聊天、娛樂、益智訓練、教育等功能,而且身邊的智能設備可以感知患者的呼吸、心率、睡眠、情緒等變化,利用光照的色彩和強度、音樂、芳香等調整,改善患者的情緒狀態,或者通知醫護人員與家人。由于不那么依賴專業人員和照護者,可使康復成本極大降低,又實現了精準康復。
在醫學電子、計算技術、存儲技術等技術的努力下,希望減少精神患者的疾患,生活質量更高。
評論