NVIDIA (輝達)在北美放射學會博覽會(Radiological Society of North America; RSNA)上發表新軟體,同時宣布與多家新夥伴攜手改進醫療品質、使用方式與成本。
![NVIDIA在北美放射學會博覽會上發表新軟體,同時宣布與多家新夥伴攜手改進醫療品質、使用方式與成本。](/news/2018/11/27/1450518000S.jpg) |
NVIDIA在北美放射學會博覽會上發表新軟體,同時宣布與多家新夥伴攜手改進醫療品質、使用方式與成本。 |
人工智慧研究在改善放射醫學領域的品質、使用與成本上已展現極大的可能性,然而這些成果需要集結各方夥伴及聯盟,合力將研究成果導入臨床應用,因此 NVIDIA 致力於擴展醫療夥伴的產業體系。
NVIDIA 目前與 75 個夥伴合作,聯手將 AI 導入至醫療領域,合作夥伴的數量每個月都持續增長,其中包含醫學中心、醫療影像企業、研究機構、醫療新創與醫療從業人員等各種不同領域。
其中許多夥伴將參與本屆於芝加哥舉行的北美放射醫學博覽會,除了在會中展示與 NVIDIA 的合作成果,還將宣布多項重要的研究進程包含:
● NVIDIA Clara 軟體開發套件(SDK)正式開放使用。
● 針對醫學影像與 AI 輔助影像標記 SDK ,推出轉移學習工具套件。
● 俄亥俄州立大學與NVIDIA合作聯手透過 NVIDIA Clara 平台打造首個內建 AI 市集
● 美國國家衛生研究院與NVIDIA合作將 AI 工具導入臨床試驗
Clara SDK 智慧影像現已開放使用
透過最近開放使用的 Clara SDK,開發者能輕易利用任何 GPU 平台,部署包括AI、專業視覺化與包括影像重建等需要密集運算的應用。
過去十多年來,NVIDIA GPU在醫學影像領域一直扮演關鍵角色。各種診斷影像模擬皆仰賴 NVIDIA GPU 提供即時的先進影像重建,其中包括疊代式重建,該技術能減少電腦斷層掃瞄的幅射劑量、簡化檢測處理技巧以縮短 MRI 的掃瞄時間,以及透過軟體波束成型來提升超音波掃瞄的影像品質。
AI 技術能讓影像擷取作業更加卓越。各種成像儀器需要透過 AI 來確保獲取最高品質的影像,包括 United Imaging、Fujifilm 與 Canon 在內的影像儀器廠商,皆已部署NVIDIA DGX 超級電腦作為 AI 基礎設施,藉以加快研發工作。
Clara SDK是開放式 NVIDIA Clara 平台的一部分,其讓醫學影像產業能開發與部署各種先進影像應用、並透過 AI 驅動的作業流程。
MGH & BWH 臨床資料科學中心已採用 NVIDIA Clara SDK 作為其 AI 部署策略的一部分。該中心開發一個腹部主動脈瘤的偵測模型,並將它導入至以 NVIDIA Clara 為處理平台的 Nuance AI 市集中。
MGH & BWH 臨床資料科學中心執行總監 Mark Michalski 表示:「倘若放射醫學能受益於數千種新研發的 AI 應用程式,那我們便需要一條能將其部署在龐大臨床與影像中心的明確途徑。而這個部署途徑也將是 AI 在放射醫學擴大運用的關鍵。」
放射醫學作業流程需要成千上萬種演算法支持
要改變放射醫學的診療方法需要數以千計的應用程式。因應 AI 應用與針對每家醫院的病患、儀器與治療進行調整的需求,包括 MGH、BWH、美國國家衛生研究院(NIH)、加州大學舊金山分校(UCSF)、俄亥俄州立大學(OSU)、梅約(Mayo)診所與倫敦大學國王學院(KCL)等超過 50 家頂尖醫療機構,皆投資購置NVIDIA DGX 系統 以著手研發 AI 相關應用。
為促進放射醫學界對於開發與因應各種 AI 應用的能力,NVIDIA 宣布兩項關鍵技術:
● AI 輔助標記SDK 讓放射科醫師能將其資料發揮10倍的價值,勝過傳統標記方法
● 轉移學習工具套件讓醫師針對自己的病患著手調整與客製化各種 AI 程式。因為放射醫學具有獨特性,包括儀器、協議(protocol)與病患的年齡層分佈都和其他醫科存在極大差異,因此具備這樣的能力至關重要。
俄亥俄州立大學 Wexner 醫學中心影像資訊學部門主任 Luciano Prevedello表示:「俄亥俄州立大學瞭解這些工具的重要性。資料管理是演算法開發週期中主要的瓶頸之一,因資料本身的複雜性與受過高度訓練的標記人員人力限制,其在醫學影像領域針更是如此。像轉移學習工具套件這類的技術,能讓演算法效能不減損的情況下,大幅減少訓練所需的龐大影像,再加上結合更具效率的資料管理流程,能透過 AI 先做好準備,為演算法的開發開啟新的篇章。」
俄亥俄州立大學打造首個內建AI市集
俄亥俄州立大學 Wexner 醫學中心是一所頂尖的學術醫療中心與研究大學,同時也是 NVIDIA 在美國首家的合作夥伴,率先採用 NVIDIA Clara平台來為臨床影像打造一個內建的 AI 市集。
俄亥俄州立大學的 AI 市集讓放射醫師能快速將深度學習與機器學習導入在其工作流程中。
俄亥俄州立大學 Wexner 醫學中心醫學影像資訊放射醫學部主任 Richard White醫師表示:「快速採納人工智慧在醫學成像領域開創出許多新機會。我們與NVIDIA合作,聯手加快進程,將人工智慧整合到工作流程,進而改進病患的治療成效。」
俄亥俄州立大學將部署深度學習與機器學習技術以改善像是偵測腦溢血或冠狀動脈病徵等急症診療的臨床反應。這些演算法能整合到許多臨床作業流程,像是急診部的早期預警系統、放射醫學實驗室工作項目最佳化,或是作為判讀室的輔助診斷工具。藉由推動部署平台的標準化,各機構將能分享與整合此一持續擴增體系所產出的所有 AI 程式。
美國國家衛生研究院將 AI 導入臨床試驗
NVIDIA也與美國國家衛生研究院(NIH)合作,該機構在全美各地規模最大的教學研究醫院進行每年超過 1,600 項試驗。NVIDIA將派駐研究人員與工程師與 NIH 臨床中心的醫生進行合作,雙方初期計畫將研究各種 AI 工具來加速腦部與肝臟癌症的臨床試驗。後續的研發專案將著重於開發 AI 工具,結合影像、基因與臨床方面的資料,為癌症病患提供精準醫學治療,其將透過一個專業 AI 資料導向的平台、與以深度學習為基礎的影像群組,從CT、MRI 與 PET 等大量醫學影像找出病徵並進行分析。
NIH 臨床中心放射醫學與影像科學部主任 Elizabeth Jones 醫師表示:「將像是深度學習這樣的強大工具運用在醫學上,將需要包括內科醫生、院方與電腦科學家組成真正跨領域團隊,協力實現電腦模型在醫學影像方面的潛能,並協助開發預測性影像的生物標記。」
目前放射醫師運用人力計算腫瘤數量,根據現有的診療指引判斷癌症分期。而 AI 將會改變這些流程,它會自動判斷特徵與量測腫瘤數量,並且可能產出超越人類判讀的能力。除了判讀腫瘤大小以外,AI 還有十足潛力能根據目前採用的癌症分期判斷標準,提高判斷癌症分期的準確率。透過 AI 生成的新醫學影像生物標記還能導入在許多臨床試驗,讓預測性與個人化精準醫學的目標再邁進一步。
為了將 AI 推廣至全球各地的放射醫學機構,放射醫師需要參與創建並將各種演算法應用在治療病患上。此外,也必須提供標準化方法,以利突破成果的分享與整合,並協助其進行現場資料分析,以降低違反法律規範和侵犯病患隱私的風險。
智慧儀器與自動化工作流程現已進入應用階段。NVIDIA 與業界領導級機構合作,透過 NVIDIA Clara 平台,讓放射醫學跨越 AI 鴻溝。