韓國初創公司 VUNO 正在構建由 NVIDIA GPU 驅動的 AI 產品系列，每種產品都能夠解決不同疾病的診斷問題。

利用 AI技術使某種病癥得到更快速、更精確的診斷，已是個有價值且野心勃勃的目標，然而，VUNO 的目標遠不止于此。

總部位于韓國的初創公司 VUNO 正在打造由 NVIDIA GPU 驅動的 AI 產品擴展系列，其中每種產品都能解決不同疾病的診斷問題。

這家公司的 AI 算法被設計為可持續利用與這些疾病相關的、不斷擴大的大數據池。目前，VUNO 的產品可解決包括骨齡測量評估、神經退行性疾病診斷等相關問題。在其他領域，VUNO 還擁有一系列仍處于研發階段的產品，例如針對眼部異常診斷的產品。

VUNO 聯合創始人兼首席技術官 Kyu-Hwan Jung 表示：“速度是醫學影像工具中很重要的一個要素，但是我們不能為了追求速度而舍棄準確性。我們提供的解決方案不僅為了提高讀取速度，還要增強診斷的準確性，最終使得醫務人員能夠騰出精力，專注于為患者提供高質量的醫療服務。”

Jung 還提到，VUNO 的所有聯合創始人都是前三星高等技術研究院（Samsung Advanced Institute of Technology）的機器學習研究人員。他們共同看準了一個機會——將醫療數據的指數增長和全球醫務人員的短缺相結合。

他們的目標是開發這樣的 AI 解決方案：在以上 2 個趨勢下，充分發揮海量數據的作用，讓醫生將更多時間花在患者身上，而非處理數據。

在 GPU 上達到空前性能

VUNO 的 AI 產品基于深度學習的算法構建，并且在該公司的專用 GPU 服務器上進行了訓練，這些服務器由 NVIDIA V100，P100，TITAN V 和 RTX GPU 提供支持。

截止目前，這些產品已經在合作醫院所提供的數據上進行了訓練。Jung 表示，如果增加公開可用的數據集，并應用遷移學習技術，產品的性能會得到提升。

針對眼科產品 VUNO Med-Fundus AI，公司收集了超過 10 萬張用視網膜攝像頭拍攝到的圖像。這些圖像來自攜帶不同癥狀的患者群體，而且 50 多名眼科醫生為這些圖像做了注釋。這些圖像中約 90% 被用于訓練，而其余 10% 用于測試模型。

根據設置，推理會在 NVIDIA 驅動的基于云的實例和本地系統上進行。云服務由運行了 NVIDIA T4 Tensor Core GPU 或 M60 顯卡的 Amazon Elastic Compute Cloud (EC2) 實例或運行了 NVIDIA P100 GPU 的 Microsoft Azure 實例支持。本地套件包括獨立的臺式機 GPU，或服務器和用于醫院級系統集成工作站 GPU 的組合。

Jung 談到，用 NVIDIA GPU 進行推理十分簡單，其 2D 圖像的性能提速高達 20 倍，而 3D 圖像的提速甚至更高。

The VUNO Med-Fundus AI 可以在一秒內檢測出 12 種異常，并結合眼底視網膜圖像來將其分類和定位。反觀其競爭產品，卻只能識別 1 到 2 種異常。VUNO Med-Fundus AI 正在韓國的各大醫療中心和醫院進行測試。

VUNO 最近發布了 2 項基于網絡的免費服務，分別是VUNO Med-Chest X-ray COVID-19 版本和 VUNO Med-LungQuant COVID-19 版本，這兩項服務致力于對疑似由 COVID-19 引起的肺部疾病進行影像分析。該系統能夠在 5 秒內反饋胸片的分析結果，以及 1 分鐘內反饋 CT 掃描的分析結果。

和真人診斷相媲美

VUNO 產品線最引人注目的是，臨床驗證研究將其模型的準確性固定在 95％ 至 99％ 之間，這一準確性使該技術在臨床環境中更加令人信服。

Jung 說：“在醫學影像領域，AI 技術通過大幅提升診斷能力，把不可能變為可能。”

借助 NVIDIA 初創加速計劃（NVIDIA Inception）項目，VUNO 希望進一步突破極限。Jung 表示，NVIDIA 初創加速計劃使 VUNO 擁有了更廣泛的開發商和投資者社區。

VUNO 還正在研究如何利用 NVIDIA Clara 應用程序框架，實現 AI 驅動的成像和基因組學。

“這一切便展現了公司的動機——挖掘臨床醫學所面臨的最大問題的答案，”Jung 表示。

Jung 說：“我們的使命是‘看到并了解未知的事物’，我們致力于為患者提供更好的醫療服務，同時通過大數據的應用，提高醫務人員的工作效率。”