预计在未来20年内，癌症发病率将增长63%。为了满足日益增长的医疗需求，医疗技术领导者正转向使用人工智能工具，来帮助放射肿瘤学家更快地提供高质量、个性化的治疗。

全球领先的医疗健康公司Siemens Healthineers（西门子医疗）正在使用基于NVIDIA GPU的超级计算基础设施开发人工智能软件，以生成器官分割，从而实现精确的放射治疗。

Siemens Healthineers的Sherlock AI超级计算机由NVIDIA HGX 1和HGX 2服务器提供动力，这些服务器装载了NVIDIA V100 Tensor核心GPU。该系统提供20千万亿次浮点运算的性能，每天可用于500多个人工智能实验。

Siemes Healthineers和NVIDIA都在科罗拉多州丹佛市外举行的医学影像信息学会 (Society for imaging Informatics in Medicine) 年会上分享了他们在医学影像人工智能方面的最新成果。该活动将医学信息学社区聚集在一起，分享、讨论和解决医学成像面临的挑战和机遇。

癌症放射治疗是一项复杂的工作流程，包括对患者进行建模、绘制目标和危及器官的轮廓、模拟治疗过程、规划和实施治疗。

在这一过程中，最耗时的任务之一是保护患者肿瘤周围处于危险中的健康器官，使他们避免遭受过度的辐射剂量。传统上，放射肿瘤学家会勾勒出肿瘤的靶区体积和处于危险中的器官，并决定在不损害邻近正常组织的情况下应该使用多少辐射剂量来治疗肿瘤。

为了帮助肿瘤学家更快地制定放射治疗计划，Siemens Healthineers使用Syngo.via RT Image Suite，这是一种通过人工智能辅助自动绘制器官轮廓的软件工具。通过使用Sherlock超级计算机对450多万张图像进行训练，AI模型节省了放射肿瘤学家的时间，并简化了勾勒器官轮廓的任务。在他们目前的研究中，Siemens Healthineers已使用人工智能技术自动勾勒出28个器官的轮廓。

Siemens Healthineers放射肿瘤学软件和概念定义主管Fernando Vega博士表示: “人工智能辅助绘制自动轮廓有助于节省时间，并提高危险器官轮廓绘制的标准化。” “这使得放射肿瘤学医生们能够更好地关注病人护理的其他关键方面。”

在AI医疗成像风潮的背后，是软件开发范式中的一个新动态：能够编写其他软件的软件出现。

传统上，工程师从头到尾地编写应用程序是一个耗时的过程，需要专门的计算技能。现在，有了强大的计算资源，AI算法可以利用训练数据来学习医学图像分析等过程，而无需开发人员明确地为每个元素编码。

自20世纪90年代以来一直参与机器学习的Siemens Healthineers正在利用Sherlock系统实现这种AI功能。 

超级计算机从该公司的大量数据湖中学习了超过7.5亿个图像，以及放射学报告和临床和基因组数据。到目前为止，它已经开发出40多种批准用于临床的AI驱动应用。

Siemens Healthineers人工智能和数字创新高级副总裁Dorin Comaniciu博士说：“我们认为，人工智能正在进入软件开发的新时代，在这个时代，先进的神经网络体系结构、大量的精选数据和巨大的计算能力汇集在一起，提供了强大的性能和极高的临床价值。”

Siemens Healthineers的20 千万亿次浮点Sherlock超级计算机满足了医疗健康行业的关键计算需求，提供优化和可扩展的基础架构，可用于开发成像和其他临床应用的深度学习工具。

NVIDIA DGX POD参考架构为设置可扩展的AI计算系统提供了经过测试的基础设施。通过DGX-Ready 数据中心计划，NVIDIA及其托管服务提供商为客户提供简化、快速的部署，为医疗行业建立和部署世界级的AI数据中心。