預計在未來20年內，癌癥發病率將增長63%。為了滿足日益增長的醫療需求，醫療技術領導者正轉向使用人工智能工具，來幫助放射腫瘤學家更快地提供高質量、個性化的治療。

全球領先的醫療健康公司Siemens Healthineers（西門子醫療）正在使用基于NVIDIA GPU的超級計算基礎設施開發人工智能軟件，以生成器官分割，從而實現精確的放射治療。

Siemens Healthineers的Sherlock AI超級計算機由NVIDIA HGX 1和HGX 2服務器提供動力，這些服務器裝載了NVIDIA V100 Tensor核心GPU。該系統提供20千萬億次浮點運算的性能，每天可用于500多個人工智能實驗。

Siemes Healthineers和NVIDIA都在科羅拉多州丹佛市外舉行的醫學影像信息學會 (Society for imaging Informatics in Medicine) 年會上分享了他們在醫學影像人工智能方面的最新成果。該活動將醫學信息學社區聚集在一起，分享、討論和解決醫學成像面臨的挑戰和機遇。

增強放射治療工作流程

癌癥放射治療是一項復雜的工作流程，包括對患者進行建模、繪制目標和危及器官的輪廓、模擬治療過程、規劃和實施治療。

在這一過程中，最耗時的任務之一是保護患者腫瘤周圍處于危險中的健康器官，使他們避免遭受過度的輻射劑量。傳統上，放射腫瘤學家會勾勒出腫瘤的靶區體積和處于危險中的器官，并決定在不損害鄰近正常組織的情況下應該使用多少輻射劑量來治療腫瘤。

為了幫助腫瘤學家更快地制定放射治療計劃，Siemens Healthineers使用Syngo.via RT Image Suite，這是一種通過人工智能輔助自動繪制器官輪廓的軟件工具。通過使用Sherlock超級計算機對450多萬張圖像進行訓練，AI模型節省了放射腫瘤學家的時間，并簡化了勾勒器官輪廓的任務。在他們目前的研究中，Siemens Healthineers已使用人工智能技術自動勾勒出28個器官的輪廓。

Siemens Healthineers放射腫瘤學軟件和概念定義主管Fernando Vega博士表示: “人工智能輔助繪制自動輪廓有助于節省時間，并提高危險器官輪廓繪制的標準化。” “這使得放射腫瘤學醫生們能夠更好地關注病人護理的其他關鍵方面。”

利用軟件編寫軟件

在AI醫療成像風潮的背后，是軟件開發范式中的一個新動態：能夠編寫其他軟件的軟件出現。

傳統上，工程師從頭到尾地編寫應用程序是一個耗時的過程，需要專門的計算技能。現在，有了強大的計算資源，AI算法可以利用訓練數據來學習醫學圖像分析等過程，而無需開發人員明確地為每個元素編碼。

自20世紀90年代以來一直參與機器學習的Siemens Healthineers正在利用Sherlock系統實現這種AI功能。

超級計算機從該公司的大量數據湖中學習了超過7.5億個圖像，以及放射學報告和臨床和基因組數據。到目前為止，它已經開發出40多種批準用于臨床的AI驅動應用。

Siemens Healthineers人工智能和數字創新高級副總裁Dorin Comaniciu博士說：“我們認為，人工智能正在進入軟件開發的新時代，在這個時代，先進的神經網絡體系結構、大量的精選數據和巨大的計算能力匯集在一起，提供了強大的性能和極高的臨床價值。”

簡單且可擴展的基礎設施

Siemens Healthineers的20 千萬億次浮點Sherlock超級計算機滿足了醫療健康行業的關鍵計算需求，提供優化和可擴展的基礎架構，可用于開發成像和其他臨床應用的深度學習工具。

NVIDIA DGX POD參考架構為設置可擴展的AI計算系統提供了經過測試的基礎設施。通過DGX-Ready 數據中心計劃，NVIDIA及其托管服務提供商為客戶提供簡化、快速的部署，為醫療行業建立和部署世界級的AI數據中心。