北京2021年8月19日 /美通社/ -- 作為世界經(jīng)濟(jì)發(fā)展以及新一輪科技產(chǎn)業(yè)創(chuàng)新的核心領(lǐng)域，生物醫(yī)藥產(chǎn)業(yè)正快速挺進(jìn)蓬勃發(fā)展階段。對(duì)此，被譽(yù)為國家級(jí)實(shí)驗(yàn)室“預(yù)備隊(duì)”的生物島實(shí)驗(yàn)室，應(yīng)勢(shì)選擇了以云智一體為核心的浪潮云?？蒲性平鉀Q方案，為更加智能地開展科研醫(yī)療工作，投身建設(shè)生物醫(yī)學(xué)大數(shù)據(jù)科研軟件平臺(tái)中。
為了更好整合國內(nèi)外再生醫(yī)學(xué)與健康領(lǐng)域創(chuàng)新資源，積極布局以再生醫(yī)學(xué)前沿基礎(chǔ)研究、臨床創(chuàng)新研究等為代表的重要科研方向，進(jìn)一步打造再生醫(yī)學(xué)與健康前沿研究基地、臨床應(yīng)用基地與高水平人才基地，并加快推進(jìn)生物醫(yī)學(xué)科研創(chuàng)新應(yīng)用向云智一體化方向發(fā)展，生物島實(shí)驗(yàn)室攜手浪潮云海，如火如荼地展開了生物醫(yī)學(xué)大數(shù)據(jù)科研軟件平臺(tái)的建設(shè)工作。
遭遇平臺(tái)建設(shè)“絆腳石” 部署、算力、管理、應(yīng)用均有疑難
盡管平臺(tái)建設(shè)意義重大，但著手之初還是不可避免“遭遇”了來自節(jié)點(diǎn)采集、算力支持、管理協(xié)同以及應(yīng)用創(chuàng)新等“絆腳石”，具體來說：
“節(jié)點(diǎn)部署限制多 彈性穩(wěn)定成剛需”為了更好助力醫(yī)療業(yè)務(wù)效率提升以及精準(zhǔn)醫(yī)療大數(shù)據(jù)應(yīng)用，高效的數(shù)據(jù)采集變得十分關(guān)鍵，而節(jié)點(diǎn)部署更是重中之重。通常，采集節(jié)點(diǎn)主要部署在數(shù)據(jù)源單位例如醫(yī)院中，來負(fù)責(zé)本地采集、挖掘分析以及共享管理等工作，數(shù)據(jù)來源更是涉及HIS、RIS、LIS、 PACS、基因、組學(xué)等多類型系統(tǒng)，復(fù)雜量大，需要滿足采集節(jié)點(diǎn)對(duì)資源彈性、擴(kuò)展性、穩(wěn)定性等方面的需求。
如此看來常規(guī)的物理機(jī)部署架構(gòu)很難滿足上述要求，采用輕量高效、高穩(wěn)定性、易運(yùn)維擴(kuò)展的虛擬化架構(gòu)來支撐采集節(jié)點(diǎn)部署，就顯得十分重要。
“高效算力更關(guān)鍵 效率提升最迫切”眾所周知，生物醫(yī)學(xué)研究以數(shù)據(jù)量大、計(jì)算要求高等特質(zhì)著稱。舉個(gè)例子來說，有數(shù)據(jù)顯示一次人體的全基因組檢測(cè)就會(huì)產(chǎn)生超過100G的數(shù)據(jù)量，就算做局部檢測(cè)涉及到的大樣本批量處理也會(huì)帶來極高的計(jì)算需求。
此外針對(duì)某種疾病的研究，更是需要通過對(duì)多達(dá)幾千對(duì)的基因數(shù)據(jù)進(jìn)行測(cè)序工作才可完成研究第一步，而目前的醫(yī)療機(jī)構(gòu)以現(xiàn)階段的設(shè)備水平則需數(shù)年才可搞定。反觀傳統(tǒng)CPU的運(yùn)算能力，根本無法支撐如此生物醫(yī)學(xué)科研需求，所以如何通過新建更高性能的算力平臺(tái)來提升科研分析訓(xùn)練的效率，也成為本次平臺(tái)建設(shè)需要重點(diǎn)考量的問題。
“多分支管理難度大，資源協(xié)同是關(guān)鍵”過去，實(shí)驗(yàn)室中多個(gè)數(shù)據(jù)采集節(jié)點(diǎn)基本呈現(xiàn)分散無序的狀態(tài)，對(duì)此帶來的資源協(xié)同難度大、運(yùn)維管理更復(fù)雜以及維護(hù)成本居高不下等問題始終困擾生物島實(shí)驗(yàn)室，并對(duì)中心節(jié)點(diǎn)科研平臺(tái)建設(shè)帶來挑戰(zhàn)，所以達(dá)成資源的統(tǒng)一調(diào)度、計(jì)算協(xié)同以及統(tǒng)一運(yùn)維等后續(xù)服務(wù)迫在眉睫。
“傳統(tǒng)架構(gòu)阻創(chuàng)新，微服務(wù)容器助敏捷”伴隨云原生、人工智能、數(shù)字計(jì)算等創(chuàng)新科技的快速發(fā)展，傳統(tǒng)以資源為中心的應(yīng)用部署模式很難滿足高效編排、快速迭代等需求，亟需在保障數(shù)據(jù)安全的基礎(chǔ)上建設(shè)微服務(wù)應(yīng)用容器平臺(tái)?；谖⒎?wù)容器架構(gòu)開展協(xié)同挖掘分析、模型訓(xùn)練、智能工具集成、知識(shí)庫集成等創(chuàng)新應(yīng)用建設(shè)，為各級(jí)科研人員及第三方大數(shù)據(jù)人工智能企業(yè)提供多維度的科研創(chuàng)新服務(wù)。
云智深度融合科研云解決方案全面助力科研創(chuàng)新與業(yè)務(wù)智能
為更好解決生物醫(yī)學(xué)在科研創(chuàng)新與業(yè)務(wù)應(yīng)用方面的諸多問題，浪潮云海深諳其中之道，推出了以云智一體為核心的科研云解決方案。該方案基于開放、融合、敏捷、智能的原則，按照集約建設(shè)、分層解耦、云邊協(xié)同的建設(shè)思路構(gòu)建一套融合虛擬化、容器、人工智能和 PC的科研云平臺(tái)。
做到向上提供統(tǒng)一的服務(wù)目錄，將基礎(chǔ)設(shè)施、人工智能、邊緣計(jì)算、高性能計(jì)算等資源全面云服務(wù)化，為科研創(chuàng)新應(yīng)用提供全棧云服務(wù)，高效解決伴隨平臺(tái)建設(shè)諸多問題的同時(shí)，讓生物醫(yī)學(xué)科研“落地有聲”。
云邊協(xié)同讓數(shù)據(jù)“少跑路”，處理效率突飛
為了更好解決科研平臺(tái)數(shù)據(jù)采集節(jié)點(diǎn)（子節(jié)點(diǎn)）在數(shù)據(jù)源單位的部署運(yùn)維、資源調(diào)度以及協(xié)同計(jì)算等問題，浪潮云海在項(xiàng)目中采用了云邊協(xié)同的方案架構(gòu)。 具體來說，實(shí)施該架構(gòu)首先在每個(gè)數(shù)據(jù)源單位各部署一套浪潮InCloud Rail超融合平臺(tái)，提供數(shù)據(jù)采集、分析挖掘所需的算力和存儲(chǔ)支撐，優(yōu)先滿足數(shù)據(jù)本地化處理需求，實(shí)現(xiàn)數(shù)據(jù)“少跑路”。
各個(gè)子節(jié)點(diǎn)的超融合平臺(tái)由主心節(jié)點(diǎn)的科研云平臺(tái)統(tǒng)一納管，可實(shí)現(xiàn)跨地域、跨中心資源的統(tǒng)一調(diào)度、統(tǒng)一監(jiān)控、統(tǒng)一運(yùn)維，實(shí)現(xiàn)對(duì)科研工作的數(shù)字化、智能化、一體化管控。與此同時(shí)，中心節(jié)點(diǎn)與各子節(jié)點(diǎn)形成“云邊協(xié)同”架構(gòu)，可開展科研協(xié)同訓(xùn)練，實(shí)現(xiàn)數(shù)據(jù)在不出子節(jié)點(diǎn)的情況下參與計(jì)算訓(xùn)練。
此外，中心節(jié)點(diǎn)云平臺(tái)還提供了應(yīng)用下發(fā)的能力，可以通過中心節(jié)點(diǎn)為各個(gè)子節(jié)點(diǎn)批量下發(fā)高效的臨床組學(xué)智能分析工具，大大提升了應(yīng)用交付效率，高達(dá)30%以上。即云平臺(tái)中心節(jié)點(diǎn)承載統(tǒng)一的應(yīng)用全局分發(fā)、管理、監(jiān)控、運(yùn)維及運(yùn)營等工作，子節(jié)點(diǎn)則承擔(dān)應(yīng)用運(yùn)行以及監(jiān)控日志收集、清洗等，數(shù)據(jù)處理效率提升。
高效融合AI與HPC，計(jì)算能力猛進(jìn)
為了更好支撐生物島實(shí)驗(yàn)室的基因測(cè)序、醫(yī)療影像三維重構(gòu)、醫(yī)療圖像分析等HPC和AI應(yīng)用，浪潮云海在本次建設(shè)的科研云平臺(tái)中融合了人工智能和HPC能力，總體算力超千萬億次，可用存儲(chǔ)空間大于 3PB，效率提速20倍之多，充分滿足生物醫(yī)學(xué)研究對(duì)計(jì)算分析、數(shù)據(jù)存儲(chǔ)的剛需。 此外，本次項(xiàng)目依托浪潮HPC集群管理平臺(tái)ClusterEngine，打通硬件運(yùn)維、業(yè)務(wù)管理和應(yīng)用性能分析，大幅提升集群的資源利用率和計(jì)算效率，針對(duì)基因測(cè)序方面應(yīng)用場(chǎng)景可以將人和類似哺乳動(dòng)物的全基因組組裝時(shí)間縮短到2天以內(nèi)。
基于浪潮人工智能平臺(tái)承載的醫(yī)療影像分析、AI輔助診斷等相關(guān)應(yīng)用研究工作，高效支撐了生物實(shí)驗(yàn)室海量的醫(yī)療影像數(shù)據(jù)計(jì)算，數(shù)倍提升了AI模型的訓(xùn)練效率。
搭載微服務(wù)容器平臺(tái)，科研應(yīng)用創(chuàng)新顯著
為了高效落地科研創(chuàng)新應(yīng)用建設(shè)，本次部署的浪潮云海容器平臺(tái)基于微服務(wù)架構(gòu)，通過多種應(yīng)用編排模式集成各類資源，包括多節(jié)點(diǎn)數(shù)據(jù)的協(xié)同挖掘分析和算法模型訓(xùn)練、智能工具集成、知識(shí)庫集成等創(chuàng)新應(yīng)用；同時(shí)整合了第三方大數(shù)據(jù)及醫(yī)療人工智能企業(yè)智能應(yīng)用等，形成了生物醫(yī)學(xué)大數(shù)據(jù)共享應(yīng)用平臺(tái)，進(jìn)一步實(shí)現(xiàn)數(shù)據(jù)、知識(shí)、技術(shù)協(xié)同創(chuàng)新。
目前，生物島實(shí)驗(yàn)室科研云平臺(tái)已全面投入使用，已經(jīng)基于該平臺(tái)開展了高效的標(biāo)準(zhǔn)化生物信息分析、臨床多組學(xué)數(shù)據(jù)科研挖掘和臨床分子檢測(cè)智能解讀等工作。未來還將整合臨床醫(yī)學(xué)知識(shí)圖譜及人工智能技術(shù)，不斷覆蓋基因組學(xué)、代謝組學(xué)、蛋白質(zhì)組學(xué)、表觀遺傳學(xué)等多維度組學(xué)測(cè)序數(shù)據(jù)，構(gòu)建更完整的患者閉環(huán)數(shù)據(jù)鏈條，全面支持精準(zhǔn)醫(yī)學(xué)大數(shù)據(jù)應(yīng)用。
“浪潮云海提供的云智一體為核心的科研云解決方案，讓我們親眼見證了云智深度融合的巨大實(shí)力：不但保障了數(shù)據(jù)采集的高效穩(wěn)定，還幫助我們極大提升了算力水平和處理效率，更為科研應(yīng)用創(chuàng)新邁出了堅(jiān)實(shí)的一步?！鄙飴u實(shí)驗(yàn)室方面表示。
浪潮云海作為智算操作系統(tǒng)核心引擎，未來將持續(xù)踐行“貼近客戶、實(shí)踐創(chuàng)新”的理念，不斷在實(shí)際需求場(chǎng)景中打磨優(yōu)秀的產(chǎn)品以及解決方案，為生物科研的數(shù)字化、智能化轉(zhuǎn)型提供更加堅(jiān)實(shí)的云數(shù)智融合底座。
