NVIDIA 在北美放射學會年會 (RSNA) 推出全新軟件并宣布新的合作伙伴，以優化護理質量、渠道和成本。

放射學領域的人工智能研究已在改善護理質量、渠道和成本方面展現出巨大潛力。然而，如果要將該研究應用到臨床實踐，我們仍需合作伙伴的鼎力支持。正因如此，NVIDIA 始終不遺余力地擴大自身的醫療保健合作伙伴生態系統。

我們現正與 75 家合作伙伴攜手合作，以致力于將 AI 應用至醫療保健領域。這一數字每月都在增長。我們的合作伙伴包括各類醫療中心、醫學成像公司、研究機構、醫療保健初創公司和醫療保健服務提供商。

許多合作伙伴都將參加本周于芝加哥舉辦的北美放射學會年會。除在該年會上展示我們的合作成果外，我們還將宣布幾項重要的發展進程：

發布 NVIDIA Clara 軟件開發套件 (SDK)

公布用于醫學成像的遷移學習工具包和 AI 輔助注釋 SDK

俄亥俄州立大學正與 NVIDIA 開展合作，利用 NVIDIA Clara 平臺打造首個校內 AI 市場

美國國立衛生研究院正與 NVIDIA 開展合作，將 AI 工具引入臨床試驗

智能成像：現已發布 Clara SDK

憑借最新發布的 Clara SDK，開發者可輕松利用他們擁有的任何 GPU 平臺部署 AI、可視化或計算密集型應用程序（如影像重建）。

十多年以來，NVIDIA GPU 一直在醫學成像領域發揮關鍵作用。診斷影像形態依靠我們的 GPU 實現實時、頂尖的影像重建，其中包括用于減少 CT 掃描輻射劑量的迭代重建、可縮短核磁共振成像 (MRI) 掃描時間的壓縮感知以及能夠提高超聲影像質量的軟件波束賦形。

此外，AI 甚至還能進一步改進影像采集。成像儀器需通過 AI 確保可采集到最優質的影像。聯影、富士膠片和佳能等成像公司均已將 NVIDIA DGX 超級計算機部署為 AI 基礎設施，以此加速企業的 AI 開發。

Clara SDK 是開放式 NVIDIA Clara 平臺的組成部分，該平臺可助力醫學成像行業打造并部署先進的成像應用程序和支持 AI 的工作流程。

MGH & BWH 臨床數據科學中心已將 NVIDIA Clara SDK 納入其 AI 部署策略。他們已開發出一種腹主動脈瘤檢測模型，同時正在將其部署至依托 NVIDIA Clara 的 Nuance AI 市場。

“如果要使放射學從正在開發中的數千個全新 AI 應用程序中獲益，我們需要開辟一條在眾多臨床和影像中心實現部署的路徑。該部署路徑是在放射學領域提升 AI 采用率的關鍵。”MGH & BWH 臨床數據科學中心執行董事 Mark Michalski 表示。

您可以進一步了解包含 GPU 加速軟件工具、庫、AI 引擎、容器和示例應用程序的 Clara SDK 集合的更多信息。

放射學工作流程需要數千種算法

改變放射學的實踐將需要數千種應用程序。鑒于對 AI 應用程序的需求以及根據機構的患者、機器和實踐情況以調整這些應用程序的需求，50 多家領先的醫療保健機構（包括 MGH、BWH、美國國立衛生研究院、加州大學舊金山分校、俄亥俄州立大學、梅奧醫院和倫敦國王學院）已投資 NVIDIA DGX 系統來開發 AI 應用程序。

為提高放射學行業構建與調整 AI 應用程序的能力，NVIDIA 已宣布兩項關鍵技術：

AI 輔助注釋 SDK：可使放射科醫生以 10 倍于傳統注釋方法的速度解鎖數據值。

用于醫學成像的遷移學習工具包：可使醫生根據患者的情況定制和調整 AI 應用程序。這項技術至關重要，因為每種放射學實踐均獨一無二，且具備特有的儀器、協議和患者統計資料。

“在俄亥俄州立大學，我們理解這些工具的重要性。數據管護是算法開發生命周期中的主要瓶頸之一。而在醫學成像領域，由于數據本身就很復雜，加上高度訓練的注釋器可用性十分有限，這種說法便顯得尤為正確。”俄亥俄州立大學韋克斯納醫學中心成像信息學部負責人 Luciano Prevedello 表示。

“該工具包所使用的遷移學習等技術可顯著減少訓練所需的影像數量，同時還能避免降低算法性能，”Prevedello 繼續說道，“這一工具包，再配以效率更高并能利用 AI 實現備案的數據管護流程，將為算法開發新時代敞開大門。”

俄亥俄州立大學打造首個校內 AI 市場

作為一所具備前沿學術水準的醫學中心和高校，俄亥俄州立大學韋克斯納醫學中心是美國首位采用 NVIDIA Clara 平臺打造校內 AI 臨床影像市場的合作伙伴。

俄亥俄州立大學的 AI 市場將能使放射科醫生迅速將深度學習和機器學習應用至自身工作流程中。

“人工智能的迅速應用已為醫學成像領域開辟了良好的機遇，” 俄亥俄州立大學韋克斯納醫學中心成像信息學部放射科主任 Richard White 博士表示，“通過與 NVIDIA 攜手合作，我們已精簡將 AI 集成至工作流程的過程，這將能改善患者的治療效果。”

俄亥俄州立大學將部署深度學習和機器學習，以提高在緊急情況下（如檢測腦溢血或冠狀動脈疾病時）的臨床反應速度。這些算法可集成至許多臨床工作流程，例如急診科的早期預警系統、放射科實驗室的工作明細表優化或閱覽室的診斷助理。

此外，這也會帶來另一個好處：通過在部署平臺上實現標準化，組織還有可能共享和集成由這種極速增長的生態系統所打造的各類優秀的 AI 應用程序。

美國國立衛生研究院將 AI 工具引入臨床試驗

NVIDIA 也正與美國國立衛生研究院開展合作，該研究院運營著全美最大的研究醫院，且每年會開展 1600 多次試驗。

NVIDIA 將安排研究人員和工程師與美國國立衛生研究院臨床中心的臨床醫生攜手開展項目。我們的初始合作項目將著重研究 AI 工具，旨在簡化腦癌和肝癌的臨床試驗。

此次聯合開發項目還將專注于開發集影像、基因組和臨床數據于一體的 AI 工具，以期為癌癥患者提供精準醫療。我們將通過一個以數據為中心的專用 AI 平臺和基于深度學習的影像組學來實現這一工作。

“如要將深度學習等強大工具應用至醫療領域，我們需要組建一支能夠真正囊括醫生、醫院和計算機科學家的跨學科團隊，讓他們協同努力以發揮計算機模型在醫學成像領域的潛力，并助力開發預測性成像生物標記。” 美國國立衛生研究院臨床中心放射學與成像科學部主任 Elizabeth Jones 博士表示。

目前，放射科醫生還在根據現有指導方針使用人工測量腫瘤的方式來確定癌癥分期。相比之下，AI 將使用普通觀察者可能無法察覺的方式，通過自動描繪和測量腫瘤來改變這一過程。

此外，AI 還有可能結合使用腫瘤大小以外的數據和其他當前所用的分期標準，從而提高癌癥分期的準確度。AI 發現的新型成像生物標記可用于臨床試驗，讓我們進一步接近兼具預測性和個人化的精準醫療。

為將 AI 引向全球的放射學事業，我們要讓放射科醫生參與面向患者的算法創建與調整工作中來。另外很重要的一點是，我們需為這些醫生提供標準化途徑，使其與同事分享和整合這些突破性成果，同時還要使他們能在較小的監管或隱私風險下開展現場數據分析。

智能儀器和自動化工作流程已成為現實。NVIDIA 正在與行業思想領袖開展合作，讓放射學能通過 NVIDIA Clara 平臺跨越 AI 鴻溝。