全科医生：初创公司利用AI应对多种医疗场景
2020-04-14 11:20
分享到微信
分享到微博
利用AI技术来更加快速、准确地诊断特定病症是很多人所追求的目标。而VUNO所追求的目标则更加远大。
这家总部位于韩国的初创企业正在构建一个由NVIDIA GPU驱动的AI产品大家族，其中每种产品都分别用于诊断不同的疾病。
该公司的AI算法旨在充分利用不断增长的大数据池。到目前为止，VUNO的产品可以用于骨龄评估、神经退化性疾病，以及胸部X光或CT扫描可见的疾病。此外，它还有一些主要针对眼部异常等领域的产品处于开发当中。
VUNO的联合创始人兼首席技术官Kyu-Hwan Jung说：“对于任何一款医学成像工具来说，速度都是最重要的因素之一，但同时准确性也是我们不可牺牲的要素。我们的解决方案不仅旨在提高阅读时间，还旨在提高医疗诊断的准确性，从而使医生能够专注于为患者提供高质量的护理。”
Jung表示，VUNO的联合创始人都曾是三星高级技术研究院的机器学习研究人员，他们都认为，目前全球高质量医疗数据呈指数级增长的趋势和医生资源短缺的现状，对于他们来说是一个机会。
他们的目标是：建立AI解决方案，使其能够在将大量的数据应用于医疗工作的同时，让医生能够用更少的时间处理这些数据，从而有更多的时间照顾患者。
在GPU上实现无与伦比的性能
VUNO的AI产品所采用的深度学习算法是在该公司的专用GPU服务器上完成训练的，该服务器由NVIDIA V100、P100、TITAN V和RTX 多个型号GPU混合构建。
到目前为止，这些产品已经基于合作医院所提供的数据进行了训练。Jung表示，随着公开数据集的增加以及迁移学习技术的应用，VUNO模型的性能还将有所提高。
为了开发该公司的眼部产品VUNO Med-Fundus AI，VUNO收集了超过10万张图片。这些图片是基于一个具有不同特征的患者群体所采集的，使用视网膜摄像机拍摄，并由50多名眼科医生对其进行注释。其中约90%的图像用于训练，其余10%则将用于模型测试。
推理则可以根据设置，运行于NVIDIA赋力的云计算实例或本地系统之上。云服务由Amazon EC2 实例（运行NVIDIA T4 Tensor Core GPU或M60显卡）或Microsoft Azure实例（运行一个NVIDIA P100 GPU）提供支持。本地部署包则包含一个独立的桌面GPU，或服务器和工作站GPU组合，用于医院级系统集成。
Jung表示，使用NVIDIA GPU进行推理是一件轻而易举的事情，2D图像的性能可提高20倍，3D图像的性能提升更为显著。
VUNO Med-Fundus AI能在一秒钟内检测到12种不同的异常情况，并从视网膜的眼底图像中进行分类和定位。Jung说，相比之下，竞争对手只能检测出一两种异常情况。VUNO Med-Fundus AI目前正在韩国的主要医疗中心和医院进行测试。
近日，VUNO还发布了两个免费的web服务——VUNO Med-Chest X-ray COVID-19版和VUNO Med-LungQuant COVID-19版，能够对疑似由COVID-19引发肺部疾病患者的影像学图像进行分析。该系统可以在5秒钟内提供胸部X光分析结果，在1分钟内提供胸部CT扫描分析结果。两项web服务可在https://covid19.vunomed.com/上访问。
准确性达到人类水平
VUNO系列产品最为引人注目的是其准确性，根据近期发表于《眼科学》杂志上的一项研究，据临床验证研究显示，该模型的准确率固定在95%到99%之间。
Jung说：“AI技术将医学成像的诊断能力提升到了人类的水平，从而使这一切成为可能。”。
在NVIDIA 初创加速计划的帮助下，VUNO计划进一步推进这一成果。Jung说，初创加速计划让VUNO有机会接触到更广泛的开发者和投资者群体。
目前，VUNO还在研究如何利用NVIDIA Clara应用框架进行AI成像和基因组学研究。
Jung说：“我们的目标是为患者提供更好的医疗服务，并利用海量的大数据帮助医疗工作者提高工作效率。”
这家总部位于韩国的初创企业正在构建一个由NVIDIA GPU驱动的AI产品大家族，其中每种产品都分别用于诊断不同的疾病。
该公司的AI算法旨在充分利用不断增长的大数据池。到目前为止，VUNO的产品可以用于骨龄评估、神经退化性疾病，以及胸部X光或CT扫描可见的疾病。此外，它还有一些主要针对眼部异常等领域的产品处于开发当中。
VUNO的联合创始人兼首席技术官Kyu-Hwan Jung说：“对于任何一款医学成像工具来说，速度都是最重要的因素之一，但同时准确性也是我们不可牺牲的要素。我们的解决方案不仅旨在提高阅读时间，还旨在提高医疗诊断的准确性，从而使医生能够专注于为患者提供高质量的护理。”
Jung表示，VUNO的联合创始人都曾是三星高级技术研究院的机器学习研究人员，他们都认为，目前全球高质量医疗数据呈指数级增长的趋势和医生资源短缺的现状，对于他们来说是一个机会。
他们的目标是：建立AI解决方案，使其能够在将大量的数据应用于医疗工作的同时，让医生能够用更少的时间处理这些数据，从而有更多的时间照顾患者。
在GPU上实现无与伦比的性能
VUNO的AI产品所采用的深度学习算法是在该公司的专用GPU服务器上完成训练的，该服务器由NVIDIA V100、P100、TITAN V和RTX 多个型号GPU混合构建。
到目前为止，这些产品已经基于合作医院所提供的数据进行了训练。Jung表示，随着公开数据集的增加以及迁移学习技术的应用，VUNO模型的性能还将有所提高。
为了开发该公司的眼部产品VUNO Med-Fundus AI，VUNO收集了超过10万张图片。这些图片是基于一个具有不同特征的患者群体所采集的，使用视网膜摄像机拍摄，并由50多名眼科医生对其进行注释。其中约90%的图像用于训练，其余10%则将用于模型测试。
推理则可以根据设置，运行于NVIDIA赋力的云计算实例或本地系统之上。云服务由Amazon EC2 实例（运行NVIDIA T4 Tensor Core GPU或M60显卡）或Microsoft Azure实例（运行一个NVIDIA P100 GPU）提供支持。本地部署包则包含一个独立的桌面GPU，或服务器和工作站GPU组合，用于医院级系统集成。
Jung表示，使用NVIDIA GPU进行推理是一件轻而易举的事情，2D图像的性能可提高20倍，3D图像的性能提升更为显著。
VUNO Med-Fundus AI能在一秒钟内检测到12种不同的异常情况，并从视网膜的眼底图像中进行分类和定位。Jung说，相比之下，竞争对手只能检测出一两种异常情况。VUNO Med-Fundus AI目前正在韩国的主要医疗中心和医院进行测试。
近日，VUNO还发布了两个免费的web服务——VUNO Med-Chest X-ray COVID-19版和VUNO Med-LungQuant COVID-19版，能够对疑似由COVID-19引发肺部疾病患者的影像学图像进行分析。该系统可以在5秒钟内提供胸部X光分析结果，在1分钟内提供胸部CT扫描分析结果。两项web服务可在https://covid19.vunomed.com/上访问。
准确性达到人类水平
VUNO系列产品最为引人注目的是其准确性，根据近期发表于《眼科学》杂志上的一项研究，据临床验证研究显示，该模型的准确率固定在95%到99%之间。
Jung说：“AI技术将医学成像的诊断能力提升到了人类的水平，从而使这一切成为可能。”。
在NVIDIA 初创加速计划的帮助下，VUNO计划进一步推进这一成果。Jung说，初创加速计划让VUNO有机会接触到更广泛的开发者和投资者群体。
目前，VUNO还在研究如何利用NVIDIA Clara应用框架进行AI成像和基因组学研究。
Jung说：“我们的目标是为患者提供更好的医疗服务，并利用海量的大数据帮助医疗工作者提高工作效率。”
