Mass General Brigham 是首批在 Nuance 精准成像网络上加速端到端 AI模型开发和临床工作流部署的机构之一
Nuance Communications 与 NVIDIA 近日宣布展开合作,首次使放射科医生和其他临床医生能够大规模地直接使用 AI 诊断工具,以更低的成本为患者提供更完善的护理。
此次合作将国家级规模的Nuance 精准成像网络(将诊断影像中的患者洞察传递到临床和管理工作流中的 AI 云平台)和 MONAI(由 NVIDIA 联合创立并加速的开源、专业医学影像 AI 框架)相结合,对医学影像 AI 模型进行安全、有效的验证、部署与评估。
Mass General Brigham 是首批使用 MONAI 和 Nuance 精准成像网络来制定一套独特工作流的大型医疗中心之一。该医疗中心将医学影像模型的开发、应用打包、部署和临床反馈相连通,进而能够完善模型。Mass General Brigham 有超过 8 万名员工,每年为 150 万名患者提供护理,每年研究支出达 23 亿美元。
该医疗中心通过 MONAI 和 Nuance 精准成像网络的结合,部署了一个乳腺密度 AI 模型,将等待结果的时间从数天缩短到仅 15 分钟。女性患者现在可以在离院之前和临床医生讨论扫描结果和下一步措施,避免了等待结果过程中的压力和焦虑。
Mass General Brigham 首席数据科学官 Keith J. Dreyer 博士表示: “通过结合 NVIDIA 和 Nuance 的技术,我们的 AI 研究者可以专注于模型的训练和开发,无需再进行繁琐的基础工作。这让我们能够更加轻松地向临床医生提供 AI 驱动的洞察,从而助力其提供最完善的护理、缩短治疗时间并改善患者的结果。”
诊所与研究之间的连续反馈回路将模型适应时间从数年减少到几周。原本长达几个月的数据领域转移,现在只需要几周,而原本需要几小时的问题检测和修复,现在也只需要几分钟。这也让 Mass General Brigham 减少了医学影像 AI 应用的开发和维护成本。
NVIDIA 医疗业务发展总监 David Niewolny 表示: “由于临床工作流的复杂性以及缺乏标准、应用和部署平台,放射学 AI 的规模化应用一直都受到限制。此次合作清除了这些障碍,使护理点能够以前所未有的速度获得 AI 的非凡功能。”
Nuance Communications 执行副总裁兼首席战略官 Peter Durlach 表示: “Nuance和 NVIDIA 的这次战略合作让所有人都能更加轻松将训练好的影像诊断 AI 模型大规模地部署到当前的临床应用中。我们正在通过合作,有效地解决将医疗洞察从科研实验室带到临床的难题。AI 成像技术开发者现在能够更快地部署其解决方案,以助力改变成像工作流,提高患者的疗效和卫生系统的财务业绩。”
基于微软 Azure 的 Nuance 精准成像网络使超过 12000 家医疗机构以及 80% 使用 Nuance PowerScribe 放射学报告和 PowerShare 影像共享解决方案的美国放射科医生能够访问临床工作流中的整套 AI 工具生态系统并获得洞察。
医学影像界构建的 MONAI 的初衷是将开创性的研究和 AI 应用转化成临床成果。MONAI 中的加速处理流程 MONAI Deploy 提供一个 MONAI 应用包(MAP)。这个应用包可通过 DICOM 等互操作性标准,轻松集成到不同数据中心和云环境中的医疗系统中。
好文章,需要你的鼓励
全球数据中心建设需求持续高涨。北美方面,美国数据中心建设支出年化达510亿美元,微软在威斯康星州开放33亿美元设施,亚马逊和谷歌宣布在密苏里州合计投资250亿美元。欧洲方面,SoftBank将在法国建设5GW AI数据中心,投资额达750亿欧元。亚太地区,AirTrunk计划在印度投资210亿美元建设3GW数据中心。中东与非洲地区也有多项大规模项目落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着企业将AI融入机器人、工业设备等物理基础设施,边云协同架构正成为关键课题。以Luminous Robotics和先正达为例:前者在太阳能农场部署的机器人每秒做出10次决策,数据定期上传云端持续优化模型;后者通过Cropwise平台整合卫星、无人机、拖拉机传感器数据,辅助农民完成约150项农业决策。两家公司均强调,边缘端负责实时响应,云端负责模型训练与更新,同时保持人工监督以确保安全与准确性。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。