憂鬱症是一個重大的全球健康問題,在心理健康的多方面領域為診斷與治療帶來了重大障礙。全球估計有 5% 的成人1 10-14 歲青少年中有 1.1% 且 15-19 歲青少年中有 2.8%2 患有憂鬱症。這相當於全球數百萬人因憂鬱症而苦苦掙扎,成為一項重大的公共衞生問題。
診斷憂鬱症不是一項簡單的任務,也沒有一體適用的程序。這是因為憂鬱症在不同人身上的表現不同。雖然有診斷特定憂鬱症病例的臨床方法,但這些工具不一定能提供個人心理健康狀態的全貌。在大多數的評量中,醫療保健提供者主要仰賴患者自己對其感受和體驗的描述。這相當有挑戰性,因為患者必須準確表達內心的情緒狀態,對於遭受精神困擾的人而言尤其困難。
為了因應這項挑戰,HippoScreen 利用 Intel® AI Analytics Toolkit 與 Intel® oneAPI Base Toolkit 開發壓力 EEG 評量(SEA)系統,協助醫療保健提供者更準確、更及時地診斷心理健康狀況。
因應診斷及治療憂鬱症的挑戰
根據最近的統計資料,大約 50% 患有心理健康問題的人在尋求協助的第一年內沒有獲得適當的診斷或治療。3 這種延遲可能會產生長期的後果,因為早期干預在管理和改善心理健康結果方面至關重要。
心理健康專業人士的稀缺是一大障礙,特別是在專門照護往往有限的農村地區。由於精神病學家和心理學家人數不足,心理健康評量的需求遠超過供應,導致等候名單過長、診斷延遲。此外,現有專業人士的大量案件可能有礙他們提供快速評估和準確解讀症狀的能力。
「HippoScreen 能夠利用 Intel Extension for Scikit-learn 和 Intel Optimization for PyTorch 的軟體最佳化功能,將自訂 EEG Brain Waves 分析系統的 AI 模型構建時間加速 2.4 倍。」—HippoScreen NeuroTech Corp. 技術長 Daniel Weng
另一項挑戰是確保個人在誤報症狀或多種併發病症等眾多因素中獲得準確的診斷。心理健康狀況通常具有複雜的症狀,而藥物濫用或身體疾病等外部因素可能會影響這些症狀。雪上加霜的是,某些症狀可能與特定疾病重疊,導致醫療保健提供者難以迅速做出準確的診斷。
這些挑戰凸顯了創新解決方案的需求,以提高心理健康評量的可及性並縮短等待時間。此外,將機器學習演算法整合至診斷程序中,可透過更高效地分析大型資料集,並根據類似案例的觀察模式提供個人化的深入解析,進而協助臨床醫師。
將 AI 發揮到極致,實現更優異的精神憂鬱症診斷
HippoScreen 的 SEA 系統旨在為這些挑戰提供解決方案。SEA 系統協助醫療保健提供者更準確地診斷心理健康狀況。有別於單純仰賴患者自我評量的傳統方法,HippoScreen 採用腦波技術的獨特方法。這種方法將即時行為處理發揮到極致,透過個人的腦波分析來識別使用者的認知狀態。SEA 系統結合了用於資料擷取和訊號處理的 EEG 放大器、用於管理測試流程的 GUI(圖形使用者介面),以及用於資料分析的 AI 演算法。SEA 分析 90 秒的腦波訊號片段後,即可提供數值評估指數,客觀且量化地呈現個人罹患憂鬱症的可能性。
利用 AI 的強大力量,加速貫穿整個企業的應用。探索搭載 Intel® Xeon® 的 AI 能如何為您效勞。
這項解決方案旨在將資料預先處理、特徵擷取、功能選擇與分類中所使用的各種演算法發揮到極致,實現預期成果。為了達成這個目標,HippoScreen 需要因應其他醫療保健 AI 解決方案同樣面臨的一些挑戰。挑戰主要包括:AI 模型的普及,確保能適用於實際的臨床使用;設計控制良好的測試流程以維持資料品質;以及確保 AI 模型能處理資料變異,這對成功的結果至關重要。因此,在這些演算法組合中找到最佳參數和完美的功能集可能需要數天的時間。在此背景下,增強演算法的效率極其重要,而且可能是實現及時交付這些最佳化結果的關鍵。
Intel 在這裡扮演了舉足輕重的角色,協助 HippoScreen 提升腦波 AI SEA 系統使用的深度學習模型的效率和建立時間。
利用 Intel 提升演算法效率與診斷準確性
HippoScreen 利用 Intel AI Analytics Toolkit 與 Intel oneAPI Base Toolkit,能夠最佳化其 SEA 解決方案,提升深度學習模型的效率、效能與準確性,同時減少關鍵診斷結果的交付時間。
HippoScreen 的開發流程結合了各種演算法與模型,打造獨特的決策因素。這項流程的核心是利用 HippoScreen 專為他們的獨特需求設計的專有演算法。除了自身的演算法,HippoScreen 整合了 Intel 最佳化 PyTorch 的深度學習模型。這包括了 SCCNet、EEGNet 和 Shallow ConvNet 等模型。這些複雜的模型旨在處理大量資訊,並識別傳統分析方法可能不明顯的模式。
為了進一步增強系統的功能,我們也整合了 Intel scikit-learn 的傳統機器學習演算法。這些演算法包括 Kmeans、支援向量分類和支援向量迴歸,為資料分析提供強大且久經驗證的技術。這種多樣化的演算法與模型組合用於分析 EEG 資料功能。整合這些不同方法,便能執行更全面、更細膩的分析,最終形成獨特的決策因素。這個決策因素源於專有演算法、深度學習模型與傳統機器學習演算法之間的相互作用,代表 HippoScreen 心理健康診斷創新方法的頂峰。這種方法有望實現更準確、更及時的診斷,有可能改善無數人的治療結果。
另一個徹底翻轉 HippoScreen 深度學習流程的關鍵工具是 Intel® oneAPI Math Kernel Library(oneMKL)。這個資料庫提供專為機器學習應用設計之高度最佳化的數學函數。HippoScreen 模型透過 oneMKL,能夠更快執行複雜的數學計算。這不僅能節省寶貴的處理時間,還可讓 HippoScreen 打造更大、更準確的深度學習架構。
HippoScreen 利用 Intel® Extension for TensorFlow* 與 Intel PyTorch* 最佳化等架構,獲得業界首屈一指的程式庫與預先訓練的模型。這些架構透過高階 API、大量文件,以及積極推動改善的廣大開發者社群,為開發先進 AI 演算法奠定堅實的基礎。使用這些完善的架構不僅能簡化開發流程,還可確保與各種硬體配置相容,讓 HippoScreen 不費吹灰之力就能將 AI 解決方案整合至各種環境。此外,預測性分析功能可讓 HippoScreen 預測顧客的需求與行為,提供競爭優勢。
提升效能,實現及時且更高效的憂鬱症診斷
HippoScreen 透過將 Intel® AI Analytics Toolkit 與 Intel® oneAPI Base Toolkit 以及 Intel® 處理器處理 AI 工作負載的能力發揮到極致,讓效能提升 2.4 倍4。這發揮了關鍵作用,讓 HippoScreen 的 SEA 達到提升效率並大幅縮短診斷時間所需的最佳效能閾值。
整體而言,Intel 的 AI 工具與架構不可或缺,可幫助 HippoScreen 的 SEA 透過先進的分析功能充分發揮潛力。HippoScreen 利用 Intel® VTune™ Profiler,深入瞭解自己的環境和不同 OpenMP 程式庫 Intel python* 環境中的總邏輯 CPU 數量與軟體執行緒數。這項深入分析有助於瞭解系統的效能及確定最佳化領域。
在 HippoScreen 和 Intel 的 python 環境中,Intel VTune Profiler 都建議減少執行緒數。這項推薦是根據兩種環境都涉及執行緒超額訂閱的觀察結果,在這種情況下,指派的軟體執行緒多於總邏輯 CPU,導致 CPU 使用效率低下。HippoScreen 可依照建議調整執行緒數,在效能與 CPU 使用率之間取得平衡。這項調整過程包括仔細測試與分析,找到最佳執行緒數:將效能發揮到極致的「最佳點」,且 CPU 使用率降至最低,進而將效能提升 2 倍。4
找到這種平衡是一項重大成就,因為如此可讓 HippoScreen 最佳化系統效能,且不會對 CPU 造成過度負擔。這不僅提升系統效率、防止 CPU 承受不必要的壓力,也許還能延長硬體的使用壽命。
提供實際效益
HippoScreen 的 SEA 有效利用 Intel AI 工具與技術的力量,獲得了巨大的效益,在營運能力與整體效能上取得關鍵進展。其中一個關鍵效益是研究腦波模式及瞭解各種認知狀態的能力增強。利用 AI 的力量,研究人員現在可以更深入地解析注意力、記憶和情緒等複雜的神經現象。Intel AI 工具與技術提供的快速處理功能可更高效地分析大量資料,在理解多種因素如何影響大腦功能方面取得突破性的進展。
此外,這項整合提升了研究能力,為醫療保健和教育等領域的實際應用開闢出令人興奮的可能性。例如,醫療專業人士可以利用這個精密的分析平台,更準確地診斷認知障礙,或精確追蹤患者療程中的進展。準確診斷及監測進展的能力可帶來更有效的治療計畫,並可能改善患者的治療結果。在教育領域,這些新發現的深入解析可用來開發更符合學生個人需求的個人化學習體驗。瞭解不同因素如何影響認知功能後,教育工作者便能量身打造更適合每位學生的教學方法與策略,因此有可能改善學習成果。
結論
將 Intel 的 AI 工具整合至 HippoScreen 的 SEA 中,標誌著神經病學診斷的變革性里程碑。HippoScreen AI 與 Intel 的合作展示了新興技術如何提升我們有效監測腦波的能力,這是神經病學領域令人振奮的進展。憑藉利用 Intel Extension for PyTorch 和 scikit-learn 等平台提供的功能與智慧,研究人員、臨床醫師和患者根據個人需求量身打造的早期干預策略,可提升篩檢準確性、縮短處理時間並改善患者護理。
關於 HippoScreen
HippoScreen Neurotech Corp.(HNC)是仁寶電子支援的一家台灣新創公司。HippoScreen 以腦電圖(EEG)訊號處理與人工智慧技術為支柱,開發由 EEG 輔助的醫療診斷工具。他們的專有 EEG 放大器於 2020 年底通過 FDA 510(k)、完成 TFDA 審查,並於 2021 年 3 月獲得用作醫療裝置的正式核准,成為台灣開發及製造的首款醫療級 EEG 放大器。HippoScreen 與台灣的三家醫療中心合作,打造全球最大的跨中心 EEG 臨床憂鬱症資料庫。他們的 AI 軟體:壓力 EEG 評量系統專為協助憂鬱症診斷而設計,也於 2023 年 11 月獲得 TFDA 核准及註冊。