醫療服務提供商收集的數據量正在不斷增長，并正在顛覆當前的數據分析方法。與此同時，跨表格和業務實體聯網并識別隱含關系與模式的能力，為提升患者護理和患者療效以及為醫療服務提供商降本增效方面，提供了誘人的突破。

使用圖形數據庫探索和分析互聯數據的企業每天都在增加。圖形數據庫高度重視數據間的聯系與關聯，而關系型數據庫和其他 NoSQL 數據庫則對互聯數據一片茫然，所以圖形數據庫能夠更加深入地分析互聯數據。圖形數據庫的知名度、對它的興趣以及對它的評估與采用，繼續領先于其他數據庫技術。據 Gartner 預測，圖形數據庫將呈加速增長態勢：“到 2025 年，80% 的數據和分析創新將采用圖形技術，遠超2021 年的 10%，這有利于在整個企業范圍內快速制定決策。”*1

世界最大的醫療公司與圖形數據庫

Tigergraph 是世界上處理速度最快，可擴展性最強的圖形平臺。在本文中，我們將探討 Tigergraph 如何借助賽靈思硬件加速技術與圖形分析庫，助力世界最大的醫療公司整合來自 200 多個來源的數據，從而為每位用戶建立完整的縱向健康史，以簡化其呼叫中心的工作負擔，并為用戶提供實時治療路徑建議。

這家公司主要為客戶提供醫療衛生服務、健康福利計劃以及保險和金融服務，目前運行著美國最大規模的互聯醫療圖形數據庫資產。該數據庫有超過百億個頂點，超過 500 億個邊，并為上億會員保存最近 18 個月的數據，內容涉及賠付申請、臨床交互、提供商、電話號碼、上門服務等最新數據。該數據庫擁有超過 1.2TB （太字節）數據量，并通過各類應用為 33，000 多位在線用戶提供支持。

該公司采用 TigerGraph 的 Patient360 解決方案，通過呼叫中心客服快速高效地提供可靠的治療路徑建議。為了實時提供更優質、更高效的指引，他們的目標是將 20 分鐘的呼叫縮短 10%，提高客戶滿意度并為呼叫中心節省 1 億美元的成本。

數據庫查詢的功能之一是計算患者相似性。這種用例也就是所謂的醫療孿生。正在治療患者的醫生希望分析與自己的患者癥狀相似的其他患者，以確定治療方案。為此，醫生會搜尋能夠匹配其患者的病史且療效最好的具有最相似癥狀的患者。下面我們深入了解一下如何操作。

余弦相似性的重要性

對于所有類型的推薦引擎，相似性計算都是關鍵：試想一下，如果 YouTube （ 全球最大的視頻搜索和分享平臺 ） 為您推薦的是來自您最喜愛歌手的新視頻、網飛 （Netflix，全球最大流媒體播放服務商）推薦的電影讓您如獲至寶，或是亞馬遜推薦的產品與您的審美不謀而合，是您居家住房改造最需要的神器，這將帶來難以比擬的實用性（以及愉悅度）。TigerGraph 在他們的 Member Journey 解決方案中使用余弦相似性算法，為客戶提供同樣的神奇效果。

讓我們簡單了解一下什么是余弦相似性，以及為什么這種算法對患者治療路徑建議有很大幫助。基于屬性的相似性用于通過比較屬性和結構，發現圖形中最相似的項目。項目特征用數字表達，并以陣列形式保存在矩陣中。過敏、醫療程序、免疫和狀況都是在這個用例下，可以構成陣列組元的屬性類型。通過為陣列中的數字計數和計算權重，就能創建矢量。然后，將目標矢量（剛創建的矢量）與群體矢量進行比較，找出最接近的匹配項。

那么為什么是“余弦”相似性？當兩個矢量間的夾角縮小，這個角的余弦值就趨近于 1。當兩個矢量間的夾角縮小到 0，余弦值等于 1 （cos（0）=1）。另一方面，當兩個矢量正交，余弦值就為 0 （cos（90）=0）。余弦值越趨近于 1，兩個病史就越近似。

加速治療路徑

顯然，如果能夠根據數百種屬性搜索數百萬份患者病歷以找出最相似的病歷，從而推導出治療路徑，將為患者康復提供莫大的福音。如果能快速完成這項工作，可以讓患者更加安心，并提高患者滿意度，同時提升呼叫中心效率，節省大量成本。您處理的患者數量越大，實時完成這些工作的難度就越高。當您有 1 億位患者，要及時找到最相似結果，并使之和人際間自然對話速度一樣快，難度極大。在幾分鐘內獲得結果，這是 TigerGraph 使用常規的基于 CPU 的計算架構所能實現的水平。這雖然足以令人印象深刻，但還是不能滿足這個用例的需要。

這就是賽靈思技術的用武之地。賽靈思是 FPGA 領域的全球領先者。FPGA 是一種由可配置邏輯塊矩陣構成的半導體器件。FPGA 的其他優勢還有大規模并行，即能夠同時執行多項計算。這使得 FPGA 成為計算密集型工作負載加速的理想選擇。賽靈思 Alveo 加速器卡是標準的 PCIe 器件，非常方便在行業標準的服務器內部署 FPGA 協處理。本用例使用 Alveo U50 卡。借助賽靈思 Vitis 庫，TigerGraph 等應用能夠使用通用的高級語言，輕松靈活地為應用提供 Alveo 加速。

這就是賽靈思技術的用武之地。賽靈思是 FPGA 的發明者，也是該領域的全球領先者。賽靈思 FPGA 從架構上允許“度身定制”的適配，高度契合患者建議引擎使用的余弦相似性等計算密集型工作負載的獨特需求。

賽靈思 Alveo U50 是一種基于 PCIe 的 FPGA 加速器卡，能夠部署到行業標準的服務器內。該卡提供大規模并行 FPGA 處理能力，在計算余弦相似性算法時，通過快速訪問存儲患者病歷的高帶寬存儲器 （HBM2），實現高速處理。這種方案與基于 CPU 的實現方案相比完成查詢搜索功能的速度快出 300 倍以上。

將患者相似性查詢從基于 CPU 的架構遷移到賽靈思 Alveo 卡可實現性能飛躍。查詢響應時間從 1 分鐘縮短到 50 毫秒。這既能夠幫助這家醫療服務提供商實現縮短呼叫時間、節約成本的目標，也支持以人際對話的正常節奏將查詢結果提供給客服，讓患者與客服間的交流更人性、更自然。

審核編輯：郭婷