科技已成为各个行业的“新基建”，跟每个人息息相关的医疗行业也不例外。动态心电图监测乃至长程动态心电图监测，可以很好地筛查识别无症状或隐匿性心律失常患者，帮助临床医师更早发现、识别心律失常，继而采取合适的治疗措施。
前言
临床诊断要求对病人的动态心电监测持续一定时间。可检测的时间越长，诊断产出率就越高。因为得到的信息越多，捕捉到异常时刻的机会便越大，越有利于诊断。
传统的 Hotler 心电监测设备，因功耗原因，最长仅可连续进行 24 小时或七天的心电监测，时长有限且设备复杂，需要在患者身上贴大量电极片，让患者行动受限，十分不便。
越光医疗是一家移动医疗设备研发商，主要提供医疗智能设备、云端医用级医疗信息处理算法系统、移动管理交互应用软件等产品。越光医疗的长程动态心电记录仪，体积微小轻薄，使用方便，患者只需要将两指大小的设备贴在左胸即可，不影响患者日常生活，可在连续不间断地进行最长达 30 天的动态心电图记录。
越光医疗不仅提供心电监控的医疗器械，还利用人工智能算法对心电数据做计算分析，辅助医生对全息数据进行查看和审核，出具诊断报告。
越光医疗的设备可以连续记录 30 天心电数据，每个人每天的心跳总数超过 10 万次，一个病人 30 天的连续记录则的心跳超过 300 万次。从前，医生需要用肉眼观察数据，发现其中的异常。然而，面对光是如此海量的数据，医生人工看片太过耗时。何况，在部分病例中，30 天里可能只有 1 分钟、 2 分钟，甚至 9 秒的停博，无法快速识别诊断。若用机器辅助，就能大大节省医生的诊断时间。
利用Serverless容器极速扩容，业务处理时间缩短90%
动态心电记录仪会将数据记录在本地，待病人回医院复诊时上传，并在云上进行速率、形态等方面的大量技术及分析。此时便出现了数据上传和分析的波峰，大部分流量波峰出现在工作日上午，尤其是周一。
越光医疗在 2014 年成立时便选择阿里云，随着容器潮流席卷便开始使用阿里云容器服务，基于容器技术的云原生架构，非常契合越光医疗弹性的流量需求。2019 年阿里云推出弹性容器实例（ECI, Elastic ContainerInstance），越光医疗便成为了种子用户。
阿里云弹性容器实例 ECI 是 Serverless 免运维的容器基础设施，与 ASK（Alibaba Cloud Serverless Kubernetes）容器服务无缝集成，一起为客户提供高弹性、低成本、免运维的 Serverless 容器运行环境，免去用户对容器集群的运维和容量规划工作。
通过阿里云 ASK on ECI 容器服务，越光医疗在短时间内开出多个运行在 ECI 上的数据传输任务处理暴增的业务请求，而后迅速释放，避免了资源闲置，节省了 50% 成本。
早期，越光医疗使用一定量预定资源来处理上传与推理的任务，在高峰时长需要排队，如果消息很多无法处理，则需要新购机器手动扩容。
越光医疗 CTO 邢文辉表示：“我们每次容器跑的时间很短，可能上传+推理只需要几分钟。从前，启动一台机器再部署容器，可能要 10 分钟，关闭还需要时间。用了 ECI ，计算资源迅速就绪，排队时间缩短了 10-20% ，加上原来为了节省成本我们用的是 CPU 处理数据，后来 ECI 支持 GPU 我们便得以用 GPU ，使得整体数据处理时间缩短了 90% 。还有，采用 Serverless 容器之后运维上也更加方便，不用管理底层 ECS 机器资产，原来可能需要管理操作系统和系统镜像，现在只需专注于业务应用的容器镜像。”
云原生 AI 提升模型准确率，医生节省更多时间
事关人命，心电数据分析对准确率要求非常高。想想，一个病人 30 天的连续记录则的心跳超过 300 万次。即使准确率高达 99% ，也会有 3 万次错误需要医生校正。机器的准确性与敏感性之间，却也有着微妙的平衡。
越光医疗也在不断完善着自身模型。而训练人工智能模型需要大量的 GPU 算力，单独购置十分昂贵。此时，云上的大规模 GPU 算力便恰如其分，越光医疗还通过阿里云的GPU 竞价实例，大大降低了训练成本。
阿里云的 GPU 竞价实例（又称 Spot 实例），价格根据需求量每小时动态调整，最低可达到按量付费的 10% ，适合短时（小于 1 小时）的 AI 推理和训练任务。
原来，通过人工智能的辅助，越光医疗对心电数据分析的准确率（内部统计数据）可以达到 99.95% 。利用云上 GPU 算力，越光医疗进行了大量训练实验，大大优化了分析模型，减少了 80% 的错误，准确率从而提升到了 99.99% 。
“我们是辅助分析，我们准确率越高，医生需要校正的时间就越少。也就实现了对医疗服务供给侧能力的提升”越光医疗 CEO 蒲亚川相信，随着人工智能与云计算技术发展，讲给医疗行业带来更大的便利与价值。
