华为DCS AI解决方案，将助推AI在不同的医院加速落地。
2025年2月18日，上海交通大学医学院附属瑞金医院（以下简称：瑞金医院）正式发布瑞智病理大模型RuiPath，一时吸引医学界目光。RuiPath覆盖了中国每年全癌种发病人数90%的常见癌种，不仅需要融合多模态数据，还要结合人群的疾病特征，从而为病理医生提供更精准、更高效的辅助诊断支持。
“对一家医院来讲，真正的堰塞湖、真正的堵点是图像分析。”瑞金医院院长宁光院士说。
在病理诊断领域，AI应用将有效缓解我国病理医生短缺的现状，显著提升病理切片检查效率和诊断准确率，为临床治疗提供更精准的决策支持。然而，要训练专业权威的医学大模型，并非一日之功。
病理大模型为何仅用两个月训练上线？
2024年11月底，华为数据存储产品线AI解决方案首席专家王帅所在团队接到任务——与瑞金医院共同打造下一代病理多模态大模型。王帅带上华为DCS AI解决方案来到现场，与医院一起研发，仅两个月就完成大模型训练并上线。
然而，病理大模型在建立过程中，需要克服四大痛点：
第一，要提高病理数字化程度，数字切片的积累是构建病理大模型的基石。
第二，数据质量与共享难题。传统病理的物理切片质量本身就存在一定的差异，而在切片数字化过程当中，由于国内外扫描仪种类繁多，加之WSI（Whole Slide Images，全视野数字切片）图像格式标准目前也不统一，从而形成数据孤岛。
第三，病理数据通常“很大”。一张WSI病理图像大小已经接近一部高清电影，医院每年新增病理数据达到PB级，面临快速访问和存储成本压力。
第四，病理模型训练所需算力高。由于GPU的GB级显存和病理数据PB级训练数据集之间的矛盾，医院往往算力不足，难以高效开展海量数据集的训练。
关于前两个难点，瑞金医院通过数年来建设“数字化智慧病理科”，矛盾已经逐步化解。一方面，2021年，瑞金医院“数字化智慧病理科”建设立项，开启病理的数字化、智能化之路，累积了数字病理切片数据库。另一方面，为解决不同格式病理数字切片导致的数据孤岛，瑞金医院从2023年开始，启动研制针对病理专用的CSP格式，目前已经纳入上海市地方标准以及国家级团体标准相关项目立项。
针对后两个新挑战，瑞金医院联合华为，创新性实施数字化病理存储方案，实现了全院毫秒级无卡顿病理阅片。通过存算协同模式，借助端到端的AI工具链（Model Engine），缩短大模型上线时间。
因此，上述痛点的克服，一方面得益于瑞金医院4年来持续推进“数字化智慧病理科”建设，另一方面则与支撑大模型训练的华为DCS AI解决方案密不可分。
华为DCS AI解决方案如何扫清障碍？
“病理，对我来说是一个非常陌生的领域。但是，它所面临的行业痛点，却又是十分熟悉的。”王帅坦言。
第一，数据工程的问题。病理科医生所见的每一张病理切片都是GB级，当处理上百万张切片时，也即总共PB级的数据，同时还有数十万份的病理报告需要进行时空对齐。“如果使用传统的数据工程手段，使用一个个Python脚本、工具和人工标注方式处理，效率非常低下，必须革新数据工程的手段。”
第二，图像训练、推理成本问题。在做图像训练时，如果不做任何优化，训练一轮就要上万的GPU hours，而到了推理阶段，分析一张完整的40倍镜下的WSI切片，需要计算上千万的Token。“这样的AI注定只是一个奢侈品，没有办法普惠大众。”
第三，应用上线问题。训练出来好的模型，并不代表有了好的应用。病理学诊断应当结合患者病史、基因组组学、分子学等多模态数据，这就要求AI系统能够开放地对接医院内部不同科室的不同业务信息系统，同时能够灵活地承载不同的业务数据，灵活响应用户需求。
能有效应对上述难题，正是DCS AI解决方案的核心价值所在。华为在数据工程上做了大量的革新，降低了80%的数据准备周期。在模型训推上，通过长期存储、调度引擎的创新，将资源利用率达到极致，模型的训练周期也降低了30%，系统的吞吐提升了一倍，同时还打造了一站式的应用开发平台，让用户可以实现低代码开发、零代码运维。
这些革新具体是怎么实现的？王帅如数家珍：
首先，在存储层面，通过Omni-Dataverse快速建立统一的数据视图，通过简单配置实现高效的数据归集，以及在不同系统之间的数据流转。同时，瑞金医院病理图像采用了统一的CSP格式，压缩率更高、读取速度更快，从而避免了图像多种格式在图像处理时协议转换带来的开销。
在数据治理阶段，华为积累了一批专项行业数据算子，无论是数据的去重、特征提取，还是分级工作，都能够快速找到对应的算子进行处理，并且基于数据平台可以灵活编排组装这些算子，进一步提升数据处理效率。
华为对病理学的图像处理还做了深度优化。考虑到病理图像一般在GB级，如果不经过优化就去处理百万级的图像，需要耗费数月，甚至超过花费在模型训练上的时间。为此，华为研制了专用的神经网络，实现病理学图像的免切分算法，将整个病理学图像处理时间从月级压缩到了天级，极大提升了数据的处理效率。
类似的工作，不一而足。华为DCS AI解决方案，堪比“清道夫”，帮助医院扫清大模型落地过程中面临的数据工程处理慢、模型/应用对接难、AI系统可用度低等障碍。
落地医疗AI应用为何要重视“数据工程”？
华为公司副总裁、数据存储产品线总裁周跃峰认为，在人工智能的三大要素——“数据、算法、算力”中，数据的作用越来越重要。
华为公司副总裁、数据存储产品线总裁周跃峰
事实上，在AI落地过程中，并不是有了算力、算法模型，就能够一帆风顺，还要克服很多障碍。
一是数据工程。训练大模型的数据，一般不是原始数据，而是要做很多加工处理。这好比要让学生能够获得知识、获得成长，教材质量非常重要。而打磨教材和课程需要很长的过程。
二是模型的训练和应用的落地。模型在训练过程当中，怎样能够让它更好地理解知识，并且能够更好地让这些结果反映到应用中去，需要有提示工程等，这个过程同样漫长而复杂。
三是算力基础设施成本高。不可能让每一家医院都买一堆算力来实现AI应用。今天大部分AI集群系统的利用率不到50%，意味着一半以上的时间都是徒然在消耗电力。
如何突破这些极限？华为DCS AI解决方案，恰恰为各行各业落地AI应用提供了经济、高效的部署和训练环境。在与瑞金医院合作的过程中，华为DCS AI解决方案的关键组件Model Engine——AI全数据流程、应用对接以及模型对接的工具链，较好地解决了上述障碍。
作为欧拉社区开源的工具链，Model Engine能够大幅提升训推及精调过程效率，有效降低AI部署和训练成本，加速AI落地。
周跃峰表示，华为和瑞金医院在训练RuiPath大模型的过程中，DCS AI解决方案变得更加成熟。它不仅是硬件，更是一整套开放性的工具链，可供更多医疗行业集成商使用，助推AI在不同的医院加速落地。
“数智世界 一触即达” 选择华为，让您的企业轻松数智化。
