医疗AI开始发力，学医也要学“炼丹”了？

AI的面世，伴生出了不少新兴职业，比如人社部和工信部日前就制定了六项新的国家职业技能标准，人工智能训练赫然在列。但在AI技术的辐射下，这些训练工作也开始逐步渗透进医疗行业，医疗研究人员也开始学起了“炼丹”。
 
医疗设备中的大算力

Clara Holoscan与医疗设备桥接 / Nvidia
 
今年秋季的GTC大会上，英伟达发布了Clara Holoscan医疗影像解决方案，大幅扩展了GPU在医学领域的应用。Clara Holoscan是基于英伟达AGX Orin打造的平台，集成了12核Cortex-A78AE CPU、2048核的安培GPU和2个NVDLA 2.0加速器，在15W至50W的功耗下，可实现200 TOPS(INT8)的算力。Clara Holoscan将医疗设备与边缘服务器无缝桥接，并以此创建相关的AI微服务，要求低延迟的应用程序在设备上运行，复杂任务则传回数据中心处理。
 
超声波彩色多普勒成像，也就是我们常说的彩超，是一种非侵入式观察体内血流的方法，可用于检测动脉或静脉中的血块。然而在扫描过程中，血流速度很可能会超过仪器准确测量的速度范围，因此生成的混叠伪影会阻止最终的可视化成像。

Clara Holoscan消除伪影 / Nvidia
 
而成像问题早就是AI应用中老生常谈的挑战了，医疗领域也不例外。滑铁卢大学的一组研究人员通过1000多张图像训练了一个U-Net卷积神经网络，用于检测与去除伪影。他们将超声波探头接入us4us公司的开发的超声波前端设备，再接入英伟达的Clara开发者套件，借助Clara Holoscan SDK、CUDA和Tensor RT等工具，不仅成功消除的混叠的伪影，还将FPS提高了一大截，从过去的每秒2帧提升到了每秒30帧。
 
医患保密协议，AI如何解决隐私问题
 
人工智能技术已经成功赋能了我们生活中的各行各业，借助大数据和模型，我们已经深受其益。但与此同时，随之而来的隐私问题不断滋生，不仅是金融领域，在医疗领域也是如此。这就为医疗领域AI模型的研究带来了困难，因为医疗研究人员不得向外界泄露任何病人隐私，必须保存在数据创建所在地。但不少研究都要用到不同地区或不同人种之间的数据，所以只能走传统的合作共享方式。
 
联邦学习是一种用于训练来自多个数据源的人工智能模型的方法，这种方法只会分享AI模型的权重，而不会将数据外传。在做到数据共享的同时，又能保持数据匿名，从而消除了研究人员和机构对数据分享与合作的抵触。

今天秋季，英伟达组织了全球最大的一项联邦学习研究，研究人员使用了全球20多个机构的数据来训练联邦学习模型，将其称为EXAM（EMR胸部X光AI模型），该模型使用生命体征、实验室数据和胸部X光作为数据输入，来确定确诊新冠病人未来所需补充的氧气量。从上图也可以看出，在输入年龄这项参数时，仅仅给出了最小值、最大值、平均值和标准差，并未透露任何具体的患者数据。
 
英伟达于近日的RSNA21大会上开源了FLARE，一个开源可扩展的SDK，可让研究人员和数据科学家们对已有的机器学习和深度学习工作做适应。FLARE代表的是Federated Learning Application Runtime Environment（联邦学习应用运行时环境），这也是英伟达已有的Clara Train联邦学习软件所用到的底层引擎，这套软件早已用于医疗成像、基因分析、肿瘤学和新冠病毒研究。
 
美国AI医疗软件公司Rhino Health已经将FLARE集成到其联邦学习解决方案中，马萨诸塞州总医院在使用这套方案后，直接用上了全球其他六大机构的数据，开发出了一种更准确针对脑动脉瘤的AI模型。
 
英伟达称FLARE可以与现有的AI框架集成，比如已经在医学成像中获得应用的MONAI框架。此外，由于FLARE基于模块化的架构，所以研究人员可以自行组建工作流，迅速尝试不同的实验。
 
反射治疗中的医学影像技术
 
在如今的癌症筛查、减少误诊和改善肿瘤识别与治疗项目中，AI同样赋予了强大的推动力。在临床医学中，为了精确定位肿瘤的位置，医生往往会在CT和MRI上来回检视，花费数十分钟以上勾画出肿瘤轮廓。该步骤对于放射线治疗来说至关重要，如果勾画的太小，放射线可能没有覆盖到整个肿瘤，给了肿瘤再度生长的空间，但如果勾画的太大，又容易伤害到正常的组织。因此通过GPU加速运算生成AI模型，就可以准确在图像中勾勒出肿瘤的边界。
 
过去许多研究机构与治疗中心的AI模型是在低分辨率的图像上进行训练的，借助英伟达提供的AI企业套件，其研究人员可以利用A100 Tensor Core GPU对高分辨率图像进行训练，如此一来生成的模型，在临床医生对病人进行诊断时，可以更好地定位肿瘤的大小和位置。不过AI并没有起到取代医生的作用，更像是作为CT扫描的替代方案，在治疗当天用其来优化治疗方案，验证放射治疗的计划。
 
小结
 
医疗领域在数字化进程上已经开始加速，无论是医疗器械还是医疗影像，AI在其中成了一股不可忽视的助力。当然这并不是指所有医疗人员都要具备“炼丹”知识，但医疗器械+AI已经成为趋势，未来疾病诊断和治疗都会愈发智能。