牙科 X 光实时质检上云案例
AWS ML Blog · rss · 2026-07-10
Henry Schein One 用 **Amazon SageMaker AI** 做了一个牙科 X 光实时质量验证系统 **Image Verify**，把原本事后人工检查的流程，改成了拍摄当下就能反馈。 ### 背景与效果 - 牙科理赔里，最高可有 **20%** 的保险单据最初会被拒，常见原因之一就是图片质量不合格。 - 这个系统上线后很快扩展到 **10,000+** 个地点，并且已经处理了 **1100 万+** 张 X 光片，周增量约 **150 万**。 - 公司目标是扩展到全球 **40,000** 个地点。 ### 系统怎么工作 - 图像采集后，系统会先识别类型（如 bitewing、panoramic、periapical）； - 再用多个专门模型分别评估锐度、对齐、覆盖范围和完整性； - 最后汇总成 **1–5 分** 的质量评分，返回给前台。 ### 关键架构优化 - **SageMaker async inference**：用队列深度而不是 CPU 利用率做扩缩容，更适合 GPU 负载； - **实例优化**：从 `ml.g6e.4xlarge` 迁到 `ml.g7e.4xlarge` 后，median latency 从 **1.687s** 降到 **1.432s**，P90 从 **2.45s** 降到 **2.196s**； - **GPU 数量**：实例数从 **15 台**缩到 **10 台**，GPU 基础设施减少约 **33%**； - **零停机发布** 与 **A/B 测试** 保证稳定迭代； - 通过 **AWS Cloud WAN** 做多区域部署，覆盖美国、欧洲、加拿大和亚太。 文中强调，这套方案面向的是“影像是否足够可用”这个质量判断，不是诊断病灶，因此更容易在临床流程里规模化。