ACR AI – 实验室和 NVIDIA 在医院中轻松实现 AI,每名放射科医师均可访问

by Carla Leibowitz

医院 AI 参考架构框架让临床医生能够使用 NVIDIA Clara AI 基础架构和 GE 医疗保健 Edison 平台来构建和使用 AI。

为了使放射学受益于 AI,需要让医院 IT 部门以轻松、一致且可扩展的方式来实现该技术。这是一种面向服务的架构,其中逻辑组件是分开的,可以单独扩展,并且能有效利用这些工具所需的额外计算能力。

AI 来自数十家供应商和内部创新团队,并且需要使用医院网络的部分空间以得到发展。这就是 NVIDIA 和美国放射学会 (ACR) 发布了医院 AI 参考架构框架的原因。它可帮助医院轻松地开始实施 AI 计划。

AI 变得轻松的指南

在昨天的年度 ACR 会议上已经发布了该医院 AI 参考架构框架,用于获取公众意见。在此之前,近期还发布了 ACR AI – 实验室,旨在在放射学中实现标准化的 AI 并普及 AI。该 ACR AI – 实验室使用 NVIDIA GPU 等基础架构和 NVIDIA Clara AI 工具包,以及 GE 医疗保健 Edison 平台,可帮助将 AI 从研究引入到 FDA 批准的智能设备中。

医院 AI 参考架构框架概括介绍了医院和研究人员如何轻松地开始使用 AI 计划。它包括构建和部署 AI 系统所需的步骤说明,并对每个步骤所需的基础架构提供指导。

Hospital AI Architecture Framework

要在医疗保健机构内推动有效的 AI 计划,必须首先了解所涉及的工作流程、计算需求和所需数据。其基础是确保更好地理解患者数据,并轻松地在边缘部署计算。

使用传输客户端,可以从集中式模型库下载种子模型。临床冠军使用标注工具在本地创建可用于微调种子模型或训练新模型的数据。然后,使用带标注数据的训练系统,使本地化模型被实例化。最后,推理引擎用于对机构内的数据执行验证和最终推理。

这四个工作流程位于 AI 计算基础架构顶端,可借助 NVIDIA GPU 技术加速性能,并对模型和标注的研究进行存储。这些工作流程会将医疗图像存档到其他的医院系统中,例如 PACS。

三个神奇组分:医院数据、临床 AI 工作流程、AI 计算

医疗保健机构无需构建用于部署 AI 工具的系统。

这种可扩展架构设计旨在支持和提供不同来源解决方案的计算能力。GE 医疗保健 Edison 平台现在使用 NVIDIA 的 TRT-IS 推理功能,可帮助 AI 在 GPU 驱动的软件和医疗设备中以优化方式运行。这种集成使您可以更轻松地将来自多家供应商的 AI 提供给临床工作流程,这是 AI 实验室的第一个示例,旨在帮助医院采用来自不同供应商的解决方案。

Edison 和 TRT-IS 提供了一个现成的设备推理平台,专为适用于 GPU 兼容的 AI 进行优化,因此任何地方构建的模型都可以部署在现有的医疗保健工作流程中。

医院和研究人员可以采用 AI 技术,而无需构建自己的独立技术,也无需将他们的数据提交到云端,从而不会影响到隐私权。