NVIDIA 今日藉著北美放射學會年會 RSNA 宣布兩項結合旗下圖形與 AI 技術的醫療應用進展，其一是宣布針對聯合學習的全新開源軟體 NVIDIA FLARE ，另一則是荷蘭癌症研究所、醫療保健公司 Vyasa 與 iCAD 借助 NVIDIA AI Enterprise 軟體套件提供結合 AI 的醫療影像的應用。
NVIDIA FLARE 將協作式人工智慧引領至醫療領域
NVIDIA FLARE 是針對醫療領域提供協作式人工智慧的軟體開發套件，旨在透過分散式的聯合學習技術，使著重隱私或資料稀少、機密與缺乏多樣性的特殊醫療影像能夠透過轉化為分散式架構並進行機器學習與深度學習，當前已經應用在醫學影像、遺傳分析、腫瘤學與 COVID-19 研究。
NVIDIA FLARE 可與既有的 AI 計畫進行整合，當然也包括用於醫療影像的 MONAI 開源框架，當前亦有多個知名醫療單位可支援 NVIDIA FLARE 的聯合學習解決方案。如美國放射學會 ACR 與 NVIDIA 以 NVIDIA FLARE 進行聯合學習研究，在 ACR AI-LAB 用於乳癌與 COVID-19 的放射尋影像判讀； Flywheel 將 NVIDIA FLARE 納入旗下 Flywheel Exchange 平台的解決方案之中，提供平台用戶作為聯合學習的選擇之一；作為 NVIDIA Inception 加速器計畫的夥伴與成員的 Rhino Health 極早就將 NVIDIA FLARE 與聯合學習解決方案整合，並提供如麻省總醫院研究員開發可診頓腦動脈腫瘤的 AI 模型，以及協助美國國家癌症研究院早期偵測研究網路開發與驗證能辨識胰臟癌早期跡象的 AI 模型。
研究人員可借助 NVIDIA FLARE 自訂聯合學習解決方案，像是為特定領域的應用程式選擇各類聯合學習架構，藉此調整適合的學習方式，平台開發者可借助 NVIDIA FLARE 為客戶打造多方協作應用程式所需的分散式基礎設施。
同時，藉由 NVIDIA FLARE ，參與聯合學習的單位不須匯集或交換彼此的專有資料，即可透過包括點對點、循環與主從式等分散式架構進行共同訓練或是評估 AI 模型。借助主從式架構，參與聯合學習者的模型訓練後的參數可上傳到公用伺服器，再彙整並構成全域模型，此項應用模式已應用在協助胰臟癌腫瘤、乳房攝影的乳房密度分類與預測 COVID-19 的氧氣需求。
此外 NVIDIA 與 Roche Digital Photology 借助主從式架構將整個片子的影像進行分類並進行內部模擬；而荷蘭 Ersmus Medical Center 則與 NVIDIA 開發一項基於主從式架構的 AI 應用程式，用以分析與精神分裂病例有關的遺傳變異辨識。
當然並非所有聯合學習都能使用或是適合使用主從式架構，這也是 NVIDIA FLARE 支援包括點對點與循環等其他聯合學習方式的原因，在非醫療領域部分，例如協助能源公司進行地震與景眼資料分析，或是協助製造商進行工廠最佳化營運與協助金融公司改善詐欺預測模型等，就不那麼適合以主從式架構作為基礎。
借助 NVIDIA AI Enterprise 使 3D 癌症掃描具備更高精度的應用
▲ NVIDIA AI Enterprise 使醫院 IT 人員可同時執行 AI 應用程式與醫院的核心應用程式
在 RSNA 公布的另一項重要消息則是 NVIDIA AI Enterprise 的多個應用實例；其一是荷蘭癌症研究所 NKI 將其活用在當前相當常見的 3D 癌症掃描，借助 NVIDIA AI Enterprise 提供充裕的記憶體容量， NKI 不用像過去只能使用低解析度的影像進行訓練，同時臨床醫師使病人接受治療時，能更精確鎖定腫瘤大小與位置。
NKI 所採用的 NVIDIA AI Enterprise 套件以最佳化 AI 開發與部屬作業，使醫院、研究員與 IT 專業人員可在本地端的資料中心與私有雲環境的伺服器使用 VMware vSphere 執行 AI 負載；透過虛擬化基礎設施提供醫療技術，意味醫院與研究機構可使用原本用於既有應用程式的工具，使過去的投資能繼續沿用，並降低醫療照護創新的進入門檻。
▲ NKI 受惠 AI 模型可重建出更好的錐狀射束電腦斷層掃描胸腔影像，較傳統方式畫質更清晰
NKI 得以快速導入 NVIDIA AI Enterprise 的關鍵在於借助 NVIDIA LaunchPad 計畫， LaunchPad 計畫能使使用者立即取得在加速基礎設施執行的最佳化軟體，使客戶針對資料科學與 AI 作業負載進行原型設計與測試， NKI 借助此計畫取得 NVIDIA AI Enterpris 軟體套件，並在如 Dell 、 HPE 、聯想等系統業者的主流加速伺服器透過 VMware vSaphere 執行 AI作業負載。
NKI 研究人員以 AI Enterprise 建構深度學習模型，借助位於矽谷的伺服器的 NVIDIA A100 80GB GPU 執行 AI 作業負載，透過大量的 2D 與 3D 醫療影像資料與 AI ，在不到三個月的時間建構一個捲積神經網路，在藉由不到 300 個鄰常肺部 CT 影像進行訓練，並進行重建與推論頭部與頸部資料，使放射治療前可精確鎖定腫瘤位置。 NKI 腫瘤學人工智慧小組負責人 Jonas Teuwen 表示透過此套系統， 師可在治療當天以此技術取代 CT 斷層並進行最佳化治療方案與驗證放射治療計畫。 NKI 的終極目標是希望將此項作業介入放射學的潛在應用，作為修復心臟手術與牙科手術植入物的動脈輔助技術。
有意導入並符合條件的企業可在 NVIDIA LaunchPad 申請 NVIDIA AI Enterprise 體驗： NVIDIA LaunchPad
