放射線技師や病理医には大きな責任があります。しかし目の疲労、放射線技師の人員不足、過大な仕事量などの要因はミスを誘発し、見落としや誤診にもつながります。AI を活用したツールは読み取りスキャンを支援し、偏りなくワークフローを高速化します。病変部位のセグメント化、血流の計算、小結節の検出、生体組織検査の選別は、AI が医用画像にもたらす利点の一部です。
マサチューセッツ総合病院の Athinoula A. Martinos Center for Biomedical Imaging が NVIDIA DGX™ A100 を使用して AI モデル トレーニングを高速化し、肺病の重症度を計算する目的で複数の胸部スキャンをセグメント化し、調整するためのモデルに取り組んでいます。
キングス・カレッジ・ロンドンと NVIDIA が、MONAI を開発しました。オープンソースで、 PyTorch をベースとし、特定分野のために最適化された医用画像向け AI フレームワークであり、医療におけるディープラーニングのベスト プラクティスをまとめました。
Qure.AI は 2016 年以来、肺のスキャンから病気の兆候を検出する AI ツールを開発してきました。COVID-19 の感染拡大を受けて、Qure.AI は医師からの切迫したニーズに対応すべく、ソリューションの改良を急ピッチで進めました。
結核は毎年 1000 万件の報告がありますが、そのうちの 25% 以上を占めているのがインドです。この病気の発見を支援するために DeepTek が開発した AI ツールは、インドで現在までに 70,000 件を超える胸部 X 線検査で使用されています。
Sydney Neuroimaging Analysis Centre (SNAC) は人工知能 (AI) を利用して、セグメント化のスピードを 15 倍にアップさせました。MRI 画像から脳全体を抽出するまで 20 分から 30 分かかっていた作業が、数分で完了するようになりました。
GTC で行われた医用画像関連のセッションをオンデマンドでご覧ください。世界中の医療調査機関や開発者が AI を医用画像に応用しています。
XNAT と NVIDIA Clara™ Imaging は、データのエンドツーエンドのライフサイクル管理、AI モデル、導入ワークフローを合理化することで、AI 導入を容易にしています。
医用画像 AI マーケットプレイスと統合することの利点、そのための手順、AI アルゴリズムに対する承認を得るプロセスについて説明します。
NVIDIA Clara Imaging によって、AI 対応機器と AI 対応医用画像のワークフローが強化されます。開発者は特定分野のアプリケーション フレームワークから始め、AI アプリケーションの開発に弾みをつけ、アプリケーションを大規模な医療ワークフローにシームレスに統合できます。
計算処理能力を集中的に必要とするワークロードを支えるため、組み込みデバイスがエッジや AI インフラストラクチャで構築され、管理されています。いずれの場合でも、NVIDIA は、AI トレーニング、画像再構築、画像処理など、医用画像ワークフローに最適化されたスケーラブルなアプリケーションを開発し、導入するソリューションを提供します。
医用画像関連の最新情報を NVIDIA から受け取る
医用画像に関する最新情報を受け取る