AI的面世，伴生出了不少新興職業，比如人社部和工信部日前就制定了六項新的國家職業技能標準，人工智能訓練赫然在列。但在AI技術的輻射下，這些訓練工作也開始逐步滲透進醫療行業，醫療研究人員也開始學起了“煉丹”。

醫療設備中的大算力

Clara Holoscan與醫療設備橋接 / Nvidia

今年秋季的GTC大會上，英偉達發布了Clara Holoscan醫療影像解決方案，大幅擴展了GPU在醫學領域的應用。Clara Holoscan是基于英偉達AGX Orin打造的平臺，集成了12核Cortex-A78AE CPU、2048核的安培GPU和2個NVDLA 2.0加速器，在15W至50W的功耗下，可實現200 TOPS(INT8)的算力。Clara Holoscan將醫療設備與邊緣服務器無縫橋接，并以此創建相關的AI微服務，要求低延遲的應用程序在設備上運行，復雜任務則傳回數據中心處理。

超聲波彩色多普勒成像，也就是我們常說的彩超，是一種非侵入式觀察體內血流的方法，可用于檢測動脈或靜脈中的血塊。然而在掃描過程中，血流速度很可能會超過儀器準確測量的速度范圍，因此生成的混疊偽影會阻止最終的可視化成像。

Clara Holoscan消除偽影 / Nvidia

而成像問題早就是AI應用中老生常談的挑戰了，醫療領域也不例外。滑鐵盧大學的一組研究人員通過1000多張圖像訓練了一個U-Net卷積神經網絡，用于檢測與去除偽影。他們將超聲波探頭接入us4us公司的開發的超聲波前端設備，再接入英偉達的Clara開發者套件，借助Clara Holoscan SDK、CUDA和Tensor RT等工具，不僅成功消除的混疊的偽影，還將FPS提高了一大截，從過去的每秒2幀提升到了每秒30幀。

醫患保密協議，AI如何解決隱私問題

人工智能技術已經成功賦能了我們生活中的各行各業，借助大數據和模型，我們已經深受其益。但與此同時，隨之而來的隱私問題不斷滋生，不僅是金融領域，在醫療領域也是如此。這就為醫療領域AI模型的研究帶來了困難，因為醫療研究人員不得向外界泄露任何病人隱私，必須保存在數據創建所在地。但不少研究都要用到不同地區或不同人種之間的數據，所以只能走傳統的合作共享方式。

聯邦學習是一種用于訓練來自多個數據源的人工智能模型的方法，這種方法只會分享AI模型的權重，而不會將數據外傳。在做到數據共享的同時，又能保持數據匿名，從而消除了研究人員和機構對數據分享與合作的抵觸。

今天秋季，英偉達組織了全球最大的一項聯邦學習研究，研究人員使用了全球20多個機構的數據來訓練聯邦學習模型，將其稱為EXAM（EMR胸部X光AI模型），該模型使用生命體征、實驗室數據和胸部X光作為數據輸入，來確定確診新冠病人未來所需補充的氧氣量。從上圖也可以看出，在輸入年齡這項參數時，僅僅給出了最小值、最大值、平均值和標準差，并未透露任何具體的患者數據。

英偉達于近日的RSNA21大會上開源了FLARE，一個開源可擴展的SDK，可讓研究人員和數據科學家們對已有的機器學習和深度學習工作做適應。FLARE代表的是Federated Learning Application Runtime Environment（聯邦學習應用運行時環境），這也是英偉達已有的Clara Train聯邦學習軟件所用到的底層引擎，這套軟件早已用于醫療成像、基因分析、腫瘤學和新冠病毒研究。

美國AI醫療軟件公司Rhino Health已經將FLARE集成到其聯邦學習解決方案中，馬薩諸塞州總醫院在使用這套方案后，直接用上了全球其他六大機構的數據，開發出了一種更準確針對腦動脈瘤的AI模型。

英偉達稱FLARE可以與現有的AI框架集成，比如已經在醫學成像中獲得應用的MONAI框架。此外，由于FLARE基于模塊化的架構，所以研究人員可以自行組建工作流，迅速嘗試不同的實驗。

反射治療中的醫學影像技術

在如今的癌癥篩查、減少誤診和改善腫瘤識別與治療項目中，AI同樣賦予了強大的推動力。在臨床醫學中，為了精確定位腫瘤的位置，醫生往往會在CT和MRI上來回檢視，花費數十分鐘以上勾畫出腫瘤輪廓。該步驟對于放射線治療來說至關重要，如果勾畫的太小，放射線可能沒有覆蓋到整個腫瘤，給了腫瘤再度生長的空間，但如果勾畫的太大，又容易傷害到正常的組織。因此通過GPU加速運算生成AI模型，就可以準確在圖像中勾勒出腫瘤的邊界。

過去許多研究機構與治療中心的AI模型是在低分辨率的圖像上進行訓練的，借助英偉達提供的AI企業套件，其研究人員可以利用A100 Tensor Core GPU對高分辨率圖像進行訓練，如此一來生成的模型，在臨床醫生對病人進行診斷時，可以更好地定位腫瘤的大小和位置。不過AI并沒有起到取代醫生的作用，更像是作為CT掃描的替代方案，在治療當天用其來優化治療方案，驗證放射治療的計劃。

小結

醫療領域在數字化進程上已經開始加速，無論是醫療器械還是醫療影像，AI在其中成了一股不可忽視的助力。當然這并不是指所有醫療人員都要具備“煉丹”知識，但醫療器械+AI已經成為趨勢，未來疾病診斷和治療都會愈發智能。