内窥镜检查（即消化系统筛查）期间，即使是经验最为丰富的医生也无法捕捉到每个小息肉。
即便在常规检查中，也很有可能觉察不到这些小息肉。错过早期发现癌症的好机会就等于错过最佳诊疗时机，降低患者的康复几率。
为了减少错过癌前病变的几率，一位日本内镜医生将注意力转向了 AI。他成立的初创公司 AIM（AI Medical Service）正在构建一个 GPU 驱动型 AI 系统，用于实时分析内窥镜视频，发现病灶并帮助医生识别出现癌变或有可能出现癌变的部位。
AI 筛选还可以帮助临床医生减轻大负荷工作量：日本内镜医师每天平均要查看 3,000 多张医学图像。日本有三大癌症死因，胃癌和结肠癌便是其中的两个。
“我曾坚守在内镜医生岗位 23 年，对专家在这个领域所面临的挑战有切身体会。”AIM 首席执行官 Tomohiro Tada 表示，“GPU 驱动型 AI 可协助查看内窥镜图像，缓解医生工作压力，同时提高病灶检出的整体准确率。”
一项日本研究表明，四分之一的癌前病灶在内窥镜筛查中被忽视。在临床前研究试验中，AIM 的 AI 模型从内窥镜影像中检测出胃癌的灵敏度高达 92%。借助这家初创公司的深度学习工具，内镜医师能够更好地辨别难以发现的病灶，提高各医院的诊断一致性。
AI 助力肠道检查
在上消化道内窥镜检查中，医生会用一根带小摄像头的长管来检查患者的食道、胃和小肠的上半部分。摄像头拍摄的视频显示在一个较大的屏幕上，以便临床医生查找出血、癌症或其他症状。
医生不仅通过内窥镜实时视频检查息肉，而且会在手术后查看静态图像。Tada 表示，手术期间，AI 实时检测能够帮助医生节省花在二次筛查上的时间。
AIM 计划在一个连接现有内窥镜系统的、由 NVIDIA Quadro RTX 4000 GPU 驱动的设备中部署其 AI 模型，以便识别不同种类的胃病灶。手术期间，该设备将实时接收内窥镜视频并处理影像资料，从而为医生提供帮助。
该初创公司使用各种 NVIDIA GPU 训练其深度学习模型，其中包括 TITAN Xp 和 Quadro P6000。此外，他们也使用 NVIDIA Quadro 移动工作站在实时 AI 原型设备中进行推理。
AIM 利用来自 Tada 临床和日本癌症研究所 (Japan’s Cancer Institute Hospital) 以及东京大学医学部附属医院等研究合作伙伴的数万张带标注的内窥镜图像，研发了基于深度学习的目标检测和分类算法。