تسريع الذكاء الاصطناعي في التصوير الطبي: نقل البيانات وتحسين الحسابات
October 10, 2025
من المتوقع أن يصل سوق الذكاء الاصطناعي للرعاية الصحية العالمي إلى 67 مليار دولار بحلول عام 2027، حيث يمثل التصوير الطبي 40٪ من التطبيقات. نظرًا لأن أدوات التشخيص المدعومة بالذكاء الاصطناعي تولد بيتابايت من بيانات DICOM عالية الدقة سنويًا، فإن البنى التحتية لتكنولوجيا المعلومات التقليدية تواجه ثلاثة تحديات حرجة:
- يحتاج أخصائيو الأشعة إلى تحليل صور في أقل من ثانيتين للتشخيص في الوقت الفعلي
- تحتاج عمليات التعاون عبر مراكز البيانات إلى نقل آمن للمسح الضوئي متعدد الجيجابايت
- تتطلب مجموعات معالجات الرسومات (GPU) شبكات بسرعة 200 جيجابت في الثانية أو أكثر لتجنب تجويع الحوسبة
كشفت اختبارات Mellanox لعام 2024 عن:
| البروتوكول | الإنتاجية | زمن الوصول (مسح مقطعي) |
|---|---|---|
| TCP/IP | 12 جيجابت في الثانية | 8.7 ثانية |
| RoCEv2 | 94 جيجابت في الثانية | 1.2 ثانية |
تُظهر خطوط أنابيب الذكاء الاصطناعي النموذجية 60٪ من وقت خمول معالج الرسومات (GPU) بسبب:
- بطء الوصول إلى تخزين NVMe (زمن وصول 150 ميكروثانية)
- المعالجة المسبقة المقيدة بوحدة المعالجة المركزية (CPU)
- تجويع البيانات الناجم عن الشبكة
توفر بطاقات ConnectX-7 NICs بقدرات 400 جيجابت في الثانية:
- RDMA مع تسريع الأجهزة للتصوير شبه الخالي من النسخ
- دعم NVMe-oF للوصول المباشر لمعالج الرسومات (GPU) إلى PACS الموزعة
- تشفير على الرقاقة للامتثال لـ HIPAA
تحقق بنية UEC الخاصة بـ Mellanox:
| المقياس | الخط الأساسي | UEC |
|---|---|---|
| وقت نقل التصوير بالرنين المغناطيسي (MRI) | 45 ثانية | 9 ثواني |
| زمن وصول استدلال الذكاء الاصطناعي | 1.8 ثانية | 0.4 ثانية |
أظهر النشر في مستشفى من المستوى الأول:
- 3.8x أسرع إنتاجية لتحليل PET-CT
- تخفيض بنسبة 92٪ في ازدحام مركز البيانات
- توفير سنوي قدره 1.2 مليون دولار من مجموعات معالجات الرسومات (GPU) الموحدة
من خلال دمج حلول شبكات الذكاء الاصطناعي للرعاية الصحية من Mellanox مع تسريع SmartNIC، يمكن للمؤسسات إطلاق العنان للإمكانات الكاملة لتشخيص الذكاء الاصطناعي. لاستكشاف مخططات التنفيذ للبنية التحتية لبياناتك الطبية، تفضل بزيارة mellanox.com/healthcare-ai.