NVIDIA 在北美放射学会年会 (RSNA) 推出全新软件并宣布新的合作伙伴，以优化护理质量、渠道和成本。

放射学领域的人工智能研究已在改善护理质量、渠道和成本方面展现出巨大潜力。然而，如果要将该研究应用到临床实践，我们仍需合作伙伴的鼎力支持。正因如此，NVIDIA 始终不遗余力地扩大自身的医疗保健合作伙伴生态系统。

我们现正与 75 家合作伙伴携手合作，以致力于将 AI 应用至医疗保健领域。这一数字每月都在增长。我们的合作伙伴包括各类医疗中心、医学成像公司、研究机构、医疗保健初创公司和医疗保健服务提供商。

许多合作伙伴都将参加本周于芝加哥举办的北美放射学会年会。除在该年会上展示我们的合作成果外，我们还将宣布几项重要的发展进程：

凭借最新发布的 Clara SDK，开发者可轻松利用他们拥有的任何 GPU 平台部署 AI、可视化或计算密集型应用程序（如影像重建）。

十多年以来，NVIDIA GPU 一直在医学成像领域发挥关键作用。诊断影像形态依靠我们的 GPU 实现实时、顶尖的影像重建，其中包括用于减少 CT 扫描辐射剂量的迭代重建、可缩短核磁共振成像 (MRI) 扫描时间的压缩感知以及能够提高超声影像质量的软件波束赋形。

此外，AI 甚至还能进一步改进影像采集。成像仪器需通过 AI 确保可采集到最优质的影像。联影、富士胶片和佳能等成像公司均已将 NVIDIA DGX 超级计算机部署为 AI 基础设施，以此加速企业的 AI 开发。

Clara SDK 是开放式 NVIDIA Clara 平台的组成部分，该平台可助力医学成像行业打造并部署先进的成像应用程序和支持 AI 的工作流程。

MGH & BWH 临床数据科学中心已将 NVIDIA Clara SDK 纳入其 AI 部署策略。他们已开发出一种腹主动脉瘤检测模型，同时正在将其部署至依托 NVIDIA Clara 的 Nuance AI 市场。

“如果要使放射学从正在开发中的数千个全新 AI 应用程序中获益，我们需要开辟一条在众多临床和影像中心实现部署的路径。该部署路径是在放射学领域提升 AI 采用率的关键。”MGH & BWH 临床数据科学中心执行董事 Mark Michalski 表示。

您可以进一步了解包含 GPU 加速软件工具、库、AI 引擎、容器和示例应用程序的 Clara SDK 集合的更多信息。

改变放射学的实践将需要数千种应用程序。鉴于对 AI 应用程序的需求以及根据机构的患者、机器和实践情况以调整这些应用程序的需求，50 多家领先的医疗保健机构（包括 MGH、BWH、美国国立卫生研究院、加州大学旧金山分校、俄亥俄州立大学、梅奥医院和伦敦国王学院）已投资 NVIDIA DGX 系统来开发 AI 应用程序。

为提高放射学行业构建与调整 AI 应用程序的能力，NVIDIA 已宣布两项关键技术：

“在俄亥俄州立大学，我们理解这些工具的重要性。数据管护是算法开发生命周期中的主要瓶颈之一。而在医学成像领域，由于数据本身就很复杂，加上高度训练的注释器可用性十分有限，这种说法便显得尤为正确。”俄亥俄州立大学韦克斯纳医学中心成像信息学部负责人 Luciano Prevedello 表示。

“该工具包所使用的迁移学习等技术可显著减少训练所需的影像数量，同时还能避免降低算法性能，”Prevedello 继续说道，“这一工具包，再配以效率更高并能利用 AI 实现备案的数据管护流程，将为算法开发新时代敞开大门。”

作为一所具备前沿学术水准的医学中心和高校，俄亥俄州立大学韦克斯纳医学中心是美国首位采用 NVIDIA Clara 平台打造校内 AI 临床影像市场的合作伙伴。

俄亥俄州立大学的 AI 市场将能使放射科医生迅速将深度学习和机器学习应用至自身工作流程中。

“人工智能的迅速应用已为医学成像领域开辟了良好的机遇，” 俄亥俄州立大学韦克斯纳医学中心成像信息学部放射科主任 Richard White 博士表示，“通过与 NVIDIA 携手合作，我们已精简将 AI 集成至工作流程的过程，这将能改善患者的治疗效果。”

俄亥俄州立大学将部署深度学习和机器学习，以提高在紧急情况下（如检测脑溢血或冠状动脉疾病时）的临床反应速度。这些算法可集成至许多临床工作流程，例如急诊科的早期预警系统、放射科实验室的工作明细表优化或阅览室的诊断助理。

此外，这也会带来另一个好处：通过在部署平台上实现标准化，组织还有可能共享和集成由这种极速增长的生态系统所打造的各类优秀的 AI 应用程序。

NVIDIA 也正与美国国立卫生研究院开展合作，该研究院运营着全美最大的研究医院，且每年会开展 1600 多次试验。

NVIDIA 将安排研究人员和工程师与美国国立卫生研究院临床中心的临床医生携手开展项目。我们的初始合作项目将着重研究 AI 工具，旨在简化脑癌和肝癌的临床试验。

此次联合开发项目还将专注于开发集影像、基因组和临床数据于一体的 AI 工具，以期为癌症患者提供精准医疗。我们将通过一个以数据为中心的专用 AI 平台和基于深度学习的影像组学来实现这一工作。

“如要将深度学习等强大工具应用至医疗领域，我们需要组建一支能够真正囊括医生、医院和计算机科学家的跨学科团队，让他们协同努力以发挥计算机模型在医学成像领域的潜力，并助力开发预测性成像生物标记。” 美国国立卫生研究院临床中心放射学与成像科学部主任 Elizabeth Jones 博士表示。

目前，放射科医生还在根据现有指导方针使用人工测量肿瘤的方式来确定癌症分期。相比之下，AI 将使用普通观察者可能无法察觉的方式，通过自动描绘和测量肿瘤来改变这一过程。

此外，AI 还有可能结合使用肿瘤大小以外的数据和其他当前所用的分期标准，从而提高癌症分期的准确度。AI 发现的新型成像生物标记可用于临床试验，让我们进一步接近兼具预测性和个人化的精准医疗。

为将 AI 引向全球的放射学事业，我们要让放射科医生参与面向患者的算法创建与调整工作中来。另外很重要的一点是，我们需为这些医生提供标准化途径，使其与同事分享和整合这些突破性成果，同时还要使他们能在较小的监管或隐私风险下开展现场数据分析。

智能仪器和自动化工作流程已成为现实。NVIDIA 正在与行业思想领袖开展合作，让放射学能通过 NVIDIA Clara 平台跨越 AI 鸿沟。