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
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。