NVIDIA人工智慧革命(1)｜用GPU殺入醫療市場

導語：從爆炸性的TNT開始， 英偉達NVIDIA就以GPU製作商為人所熟悉， 現在已是最大的GPU製造商（獨立）， 後來NVIDIA擴展GPU用途， 在單機中實現了GPU通用運算處理，

加速視訊短片、影像處理， 把GPU用作高性能電腦集群輔助處理器， 大幅度提升運算能力。 借助近年人工智慧熱潮， NVIDIA想把GPU推廣到更多領域當中， 比如說汽車自動駕駛， 甚至是醫療， 來一場人工智慧革命。 我們將一連數篇文章， 講述NVIDIA用GPU實現人工智慧的幕前幕後故事。

在2017年召開的GPU技術開發會議（GPU Technology Conference 2017）上， NVIDIA與豐田汽車宣佈了合作推廣自動駕駛， 深受世人的矚目， 也掩蓋了NVIDIA在醫療領域的努力。 其實在過去一年中， NVIDIA發表與醫療相關報告已經超過50份， 是歷年的2倍以上， 不少報告是刊發在美國Mayo Clinic等主流醫療組織當中， NVIDIA在醫療領域有了深入發展， 而且是實質性發展。

NVIDIA在醫療行業關係日益變得緊密， 最明顯的例子莫過於在硬體上， 今年來越來越多CT機、超聲波診斷設備搭載了NVIDIA的GPU。 在以往的醫療圖像診斷設備大多是採用FPGA（Field Programmable Gate Array， 可程式設計閘陣列）處理器進行運算的， 可隨著運算量的大幅度增加FPGA已難以應付， 於是引入擅長於並行運算的GPU進行協運算（例如GPU加速、CUDA等）非常必要。 今天中端或以上的CT機大多集成了GPU ，

在超聲波成像設備中GPU被用於處理彩色多普特圖像。

除了在醫療設備上加入GPU， NVIDIA也在醫療技術、生命科學領域發力， 為此組建了面向醫療器械廠商、研究院所與醫療機構的新團隊。 該團隊現階段集中力量投入醫療影像、醫療資訊、基因研究、醫藥研究四個領域， 選擇這四個領域於其工作特性緊 密相關， 它們都需要處理大量資料， 而這正是GPU協運算優勢所在。

在醫療影像領域上， CT、MRI、超聲波、內窺鏡、病理影像診斷中均可用到GPU協運算。 現在學術研究領域甚至開始嘗試基於GPU的人工智慧運算， 利用GPU高並行運算能力處理實現神經網路處理， 最終達成自我學習功能， 並應用在不同領域當中。

在更早時候， NVIDIA已經與醫療影像設備展開私下交流， 為日本醫療影像設備製造商提供導入AI的技術支援， 向部分設備製造商、研發機構交付了名為“DGX-1”的超級電腦， 對於歐美廠商則是提供資料處理服務。

此外， 對於那些規模不大但有意于應用AI的中小企業甚至是初創企業， NVIDIA也樂意提供幫助， 比如說日本的PKSHA Technology公司， 在NVIDIA支持下， 其X光攝影輔助診斷技術在驗證階段已經實現對醫生讀片診斷提供足夠資訊支援。

在醫療資訊領域， NVIDIA用深度學習功能去分析病著的病例， 從以往醫療中去預測可能出現的疾病， 優化醫療方案和減少藥物劑量；在基因研究領域， 深度學習被用於分析基因突變以及其臨床表現，在日本投入使用的部分DGX-1正是負責此工作；醫藥研究領域，人工智慧技術將廣泛用於分析藥物副作用、預測藥物的靶蛋白結構等方面。簡而言之，基於GPU的人工智慧在醫療領域有著非常廣泛的用途。(未完待續)

深度學習被用於分析基因突變以及其臨床表現，在日本投入使用的部分DGX-1正是負責此工作；醫藥研究領域，人工智慧技術將廣泛用於分析藥物副作用、預測藥物的靶蛋白結構等方面。簡而言之，基於GPU的人工智慧在醫療領域有著非常廣泛的用途。(未完待續)