医疗保健仍然是AI应用和服务增长最快的市场之一，预计到2021年总体价值将达到66亿美元。AI系统可以分析超声波扫描，检测眼部疾病，并加快X射线和计算机断层扫描（CT）扫描的分割速度。而Nvidia则致力于走在行业前列。

在本周与芝加哥北美放射学会（RSNA）合作的公告中，公司展示了其Clara软件开发套件（SDK），一套图形处理单元加速计算库，样本应用程序等现已开放。它还推出了迁移学习工具包和AI辅助注释SDK，两种专为医学成像工作流程量身定制的AI工具，并宣布了与俄亥俄州立大学和美国国立卫生研究院的合作伙伴关系。

此前，Nvidia与非营利研究机构斯克里普斯研究转化研究所（SRTI）合作，开发以AI为指导的基因组学处理和分析工具，并与Canon Medical Systems合作，推广AI技术在医学和相关研究中的应用。

Nvidia表示，超过50家医疗机构，包括Mass General和Brigham and Women's Hospital，加州大学旧金山分校，Mayo诊所和King's College医院，已经投资了Nvidia的DGX系列深度学习优化服务器和工作站，以及它与超过75家医疗中心，医学影像公司，研究机构，初创公司和提供商合作，将AI应用于医疗保健。

Nvidia医疗保健和生命科学部全球业务发展负责人Abdul Hamid Halabi表示，“为了将AI带到全球放射学，我们需要让放射科医生参与为他们的患者创建和调整算法。同样重要的是给他们标准化的方法来与他们的同事分享和整合这些突破，并使他们能够以更少的监管或隐私风险进行现场数据分析。智能仪器和自动化工作流程已成为现实。Nvidia与行业思想领袖合作，使放射学能够通过Nvidia Clara平台跨越AI鸿沟。”

Clara SDK

Nvidia于9月份推出了Clara SDK，以及Clara AGX，这是一款基于GPU的架构，针对AI推理3D医疗仪器的数据进行了优化。简而言之，它为开发人员提供图形（Vulkan和Optix），计算（CUDA，cuFFT和cuBlas）和AI库（CT Recon，Volume Segmentation，Lung Detection，Render Server）；图像处理和渲染的示例应用程序；CT，磁共振成像（MRI）和超声的计算工作流程。在未来，它还将利用容器和Kubernetes（谷歌的开源容器编排系统），在嵌入式，本地和云环境中自动部署和管理硬件抽象应用程序。

“Clara的主要好处是加速，”Halabi表示，“我们正在提高底层GPU的效率。当有数千个应用程序通过时，你会希望能够尽可能地集中资源，可能通过重用GPU来进行模型构建。使用SDK，你可以设置它，使你在同一GPU上运行10个不同的AI应用程序。”

在今天宣布之前，一些Nvidia的合作伙伴，包括ImFusion，Aidence，Arterys，Visage Imaging，Nuance，InferVision，Imagia，Subtle Medical和Kheiron，测试了Clara SDK作为试点项目的一部分。Nuance利用Clara推出了市场AI Marketplace，它将作为医疗成像应用的中心，而MGH和BWH临床数据科学中心用它来创建腹部主动脉瘤检测模型，该模型将部署在上述AI市场。

“如果放射学要从正在开发的数千种新的AI应用中受益，我们需要在广泛的临床和成像中心有明确的部署途径。这一部署路径是放射学中可扩展采用AI的关键，”MGH＆BWH临床数据科学中心执行主任Mark Michalski表示。

迁移学习工具包

Nvidia的迁移学习工具包（简称TLT）解决了AI与医疗保健相关的另一个痛点：微调和再训练模型。它是一个用Python编程语言编写的软件包，包含在Nvidia Pascal，Volta和Turing GPU上进行优化和训练的AI模型，其API旨在“加速部署”，减少构建应用程序所需的计算资源，并将预训练模型扩展到其他工作。

“这是我们从自动驾驶汽车的工作中学到的东西：如果你在英国训练一辆汽车，你就不能在美国轻松驾驶它，这需要真正适应的地方，”Halabi对Nvidia的磁悬浮项目表示赞同，“我们意识到，在某些情况下，需要将模型用于新的患者群体。因此，我们提供了一个SDK，允许采用合作伙伴机构的现有模型，并使用非常少的数据逐步更新模型。”

在最初版本中，Nvidia推出一个AI系统，该系统在2018年医学图像计算和计算机辅助干预国际会议上赢得了宾夕法尼亚大学佩雷尔曼医学院对3D MRI脑肿瘤分割的BrATS挑战。在其他AI模型中，运输是在磁共振成像数据上训练的肿瘤分割模型，以及在门静脉期CT数据上的3D胰腺和肿瘤分割。

Nvidia之前已开发出能够产生脑癌合成扫描的 AI系统。TLT适用于Nvidia Tesla和DGX产品，可以部署到Clara平台进行推理。

AI辅助注释工具包

Nvidia AI Assisted Annotation是对TLT的补充。它有望加速分析患者的CT或MRI扫描过程，这通常需要数小时的手动绘图，注释和纠正器官和感兴趣的异常，并借助SDK的AI辅助工作流程。Nvidia声称，部分由于与TLT的集成使其能够从新注释的图像中不断学习和提高其准确性，扫描检查可以加速十倍。

“它使用AI来帮助医生注释数据集，”Halabi表示，“你或其他人创建的AI，使用它来注释图像，或在注释你的图像时帮助你，你只需点击在器官或物体，它会自动填写并开始注释。”

新的合作伙伴关系

Nvidia与俄亥俄州立大学韦克斯纳医学中心的合作将使学术医疗中心使用Clara建立一个临床成像的内部市场。Nvidia声称它将是美国范围内首个此类产品。

此外，俄勒冈州立大学还将机器学习算法（如检测脑出血或冠状动脉疾病的算法）整合到临床工作流程中，如ER部门的早期预警系统和诊断助理。

“AI的迅速普及为医学成像开辟了新的机遇，”俄勒冈州立大学韦克斯纳医学中心放射科主任Richard White博士指出，“与Nvidia合作，我们简化了将AI整合到工作流程中的过程，这将改善患者的治疗效果。”

与此同时，Nvidia与美国国立卫生研究院（NIH）的合作将调查能够简化脑癌和肝癌临床试验的AI。几位Nvidia研究人员将与NIH临床中心的临床医生合作，测试结合成像，基因组和临床数据的工具，为癌症患者提供治疗。

美国国立卫生研究院临床中心放射学和影像科学系主任Elizabeth Jones博士说，AI有可能通过纳入超出肿瘤大小的“新型生物标志物”，以提高肿瘤测量和癌症分期的准确性。“将深度学习等强大工具应用于医学，需要真正的多学科医生，医院和计算机科学家团队共同努力，以帮助实现医学成像计算机模型的潜力，并开发预测成像生物标记物。”

Clara平台：developer.nvidia.com/clara