大腦是人體最精密的構造，腦瘤放射手術困難度極高，需要最精確的術前檢查，光定位腫瘤往往就需要數小時。醫學人工智慧新創公司醫隼智慧以麗臺NVIDIA Quadro RTX 8000專業繪圖卡助力智慧醫療發展，與臺大醫院共同整合AI於腦瘤放射手術的治療流程，可在30秒內完成腫瘤的自動偵測、辨識與輪廓勾畫，準確度達90%以上。

麗臺NVIDIA Quadro RTX 8000和NVLINK橋接器

在臨床上，為了精確定位腫瘤位置，醫師通常會在電腦斷層及核磁造影影像上來回檢視，仔細地勾畫出每一個腦瘤的輪廓。這是非常重要的步驟，如勾畫的太小，放射線無法涵蓋整個腫瘤，腫瘤就有機會再度增長，但若畫了太大範圍，療程又會傷害到正常組織。因此，在正式治療前，往往就需要花費數十分鐘至數小時定位腫瘤。現在改採以GPU加速運算，讓AI從眾多案例經驗中不斷學習，可自動找出腫瘤位置，並快速精準地把腫瘤的邊界在影像上描繪出來。要做到這樣的成果，AI模型訓練是關鍵。

醫隼智慧軟體工程經理鄭岳弘提到：最困難的地方在於AI模型訓練中的3D圖形處理需要強大的運算效能支持。過往嘗試使用雲端資源處理3D影像，但費用成本過高，且提供的VM無法完全符合需求。在評估AI模型訓練(training)、預測(inference)的速度、及資料量大小後，決定以NVLINK串接2張NVIDIA Quadro RTX 8000專業繪圖卡，達到96 GB GDDR6記憶體，最終得以解決運算效能難題。

麗臺NVIDIA Quadro RTX 8000使用NVIDIA Turing架構及NVIDIA RTX平台，單卡搭載4,608 CUDA 核心及48 GB GDDR6記憶體，在AI模型訓練階段，可批次處理較多的計算圖片，大幅提升模型準確度。除此之外，Quadro RTX 8000具有576個Tensor核心，可實現超過130 TFLOPS的深度學習效能，加上半精度及TensorRT函式庫支援，讓使用者於模型推論期間兼顧正確率及效率。

麗臺科技專案技術經理劉家豪提到：驅動AI模型加速演算的GPU，其驅動的主要SDK包含CUDA、深度學習函式庫cuDNN或相關矩陣運算函式庫如cuBLAS。將這些技術整合進使用者開發的TensorFlow或PyTorch內，可以大幅縮短模型訓練的時間。

醫隼智慧推出的AI產品及研究多次獲選為國際頂級醫學及人工智慧會議ASTRO及MICCAI口頭論文報告。其腦瘤自動化圈選產品VBrain已在台大醫院電腦刀中心上線，可以從CT和MRI掃描中識別出三種最常見的腦腫瘤類型，包含可能很小並且很難從醫學掃描中發現的轉移性腦腫瘤。VBrain至今在臨床試驗中已用於上百位病人的治療流程，今年也即將導入美國的癌症中心，以AI輔助癌症治療，改善並創新醫療流程。