大脑是人体最精密的构造，脑瘤放射手术困难度极高，需要最精确的术前检查，光定位肿瘤往往就需要数小时。医学人工智慧新创公司医??智慧以丽台NVIDIA Quadro RTX 8000专业绘图卡助力智慧医疗发展，与台大医院共同整合AI於脑瘤放射手术的治疗流程，可在30秒内完成肿瘤的自动侦测、辨识与轮廓勾画，准确度达90%以上。

丽台NVIDIA Quadro RTX 8000和NVLINK桥接器

在临床上，为了精确定位肿瘤位置，医师通常会在电脑断层及核磁造影影像上来回检视，仔细地勾画出每一个脑瘤的轮廓。这是非常重要的步骤，如勾画的太小，放射线无法涵盖整个肿瘤，肿瘤就有机会再度增长，但若画了太大范围，疗程又会伤害到正常组织。因此，在正式治疗前，往往就需要花费数十分钟至数小时定位肿瘤。现在改采以GPU加速运算，让AI从众多案例经验中不断学习，可自动找出肿瘤位置，并快速精准地把肿瘤的边界在影像上描绘出来。要做到这样的成果，AI模型训练是关键。

医??智慧软体工程经理郑岳弘提到：最困难的地方在於AI模型训练中的3D图形处理需要强大的运算效能支持。过往尝试使用云端资源处理3D影像，但费用成本过高，且提供的VM无法完全符合需求。在评估AI模型训练(training)、预测(inference)的速度、及资料量大小後，决定以NVLINK串接2张NVIDIA Quadro RTX 8000专业绘图卡，达到96 GB GDDR6记忆体，最终得以解决运算效能难题。

丽台NVIDIA Quadro RTX 8000使用NVIDIA Turing架构及NVIDIA RTX平台，单卡搭载4,608 CUDA 核心及48 GB GDDR6记忆体，在AI模型训练阶段，可批次处理较多的计算图片，大幅提升模型准确度。除此之外，Quadro RTX 8000具有576个Tensor核心，可实现超过130 TFLOPS的深度学习效能，加上半精度及TensorRT函式库支援，让使用者於模型推论期间兼顾正确率及效率。

丽台科技专案技术经理刘家豪提到：驱动AI模型加速演算的GPU，其驱动的主要SDK包含CUDA、深度学习函式库cuDNN或相关矩阵运算函式库如cuBLAS。将这些技术整合进使用者开发的TensorFlow或PyTorch内，可以大幅缩短模型训练的时间。

医??智慧推出的AI产品及研究多次获选为国际顶级医学及人工智慧会议ASTRO及MICCAI囗头论文报告。其脑瘤自动化圈选产品VBrain已在台大医院电脑刀中心上线，可以从CT和MRI扫描中识别出三种最常见的脑肿瘤类型，包含可能很小并且很难从医学扫描中发现的转移性脑肿瘤。VBrain至今在临床试验中已用於上百位病人的治疗流程，今年也即将导入美国的癌症中心，以AI辅助癌症治疗，改善并创新医疗流程。