taitra
order
 

醫療跨科整合的開始 NVIDIA力推DLI和遷移學習

NVIDIA解決方案架構暨工程副總裁Marc Hamilton認為,整合的力量將會使得醫療科技再上一層樓。蔡騰輝

人工智慧、機器學習、深度學習這三個不斷被深入開發的技術,醫療影像的大數據分析用得上、在醫院的病患分析人臉辨識也用得上、而在B2C端的線上皮膚狀況檢測也用得上。NVIDIA解決方案架構暨工程副總裁Marc Hamilton認為,藉由各種終端設備和物聯網儀器收集而來的數據,經過強大的邊緣運算系統匯總分析之後,已能產出對場域相當有價值的應用。NVIDIA也透過深度學習學院,教導醫療專業人員如何運用新電腦輔助診斷設備。此外,同一套演算法學習不同科別的遷移學習也是最新正在發展中的技術。

NVIDIA 深度學習學院和新創啟動計畫

科技如何輔助醫療?這個問題NVIDIA從深度學習學院(Deep Learning Institute;DLI)著手,從最初教醫療人員如何使用AI,到後來為新創量身打造特別課程,不僅增加了軟硬體工程師與醫療專業人員的交流,同時也協助大小廠商媒合。深度學習學院運作至今,已經有數萬名畢業學員。Marc Hamilton相當看好藉此形塑科技整合生態系。

「政府、新創、醫院、大學」都很積極瞭解AI,同時和NVIDIA深度合作。Marc Hamilton指出,醫療新創所擁有的強大能量,已能運用AI來解決70%的醫學影像研究問題。在政府單位方面,國家實驗研究院國家高速網路與計算中心(以下簡稱國網中心)主任史曉斌表示,相當看好由2,032個NVIDIA Tesla V100所組成的AI 高速電腦台灣衫二號(TAIWANIA 2),認為將來能夠提供產業更多跨域應用。

而在協助國網中心等策略合作夥伴的事業推展上,NVIDIA也有多元計畫以及新創啟動計畫(Inception Program),不僅幫助事業夥伴拓展市場,也幫助新創找到適才適所的題目與市場資源。

遷移學習讓AI變得更多用

病灶標註的技術很多團隊都在做,但NVIDIA最新的醫療AI工具Clara則加上了遷移學習(Transfer Learning)的新功能。舉例來說,腎臟臟科醫師訓練腎臟AI的同時,也可以透過這套演算法來協助其他器官疾病的偵測與分析。

除了不斷開發與調整AI演算法以外,為了讓專業人員可以在不同地點分工合作,NVIDIA積極將硬體工具體積縮小,除此之外,Marc Hamilton也說,未來全球醫療的拓展計畫與方向,會聚焦在醫學影像和新藥開發,此外在遊戲、石油化工、工業製造等14種產業也都有所涉獵。

蔡騰輝

DIGITIMES電子時報智慧醫療主編蔡騰輝Mark Tsai
專注研究智慧醫療產品技術服務導入場域時,所遇到的困難癥結與如何克服要點。
精通中英德語,熱愛挑戰與Swing Dance。
Facebook:DIGITIMES智慧醫療

作者更多專欄

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: NVIDIA 醫療人工智慧