数据、算法和算力是目前人工智能（下文简称AI）公认的三大要素，缺一不可。这其中，一提到算力，恐怕没有人能够忽视英伟达（NVIDIA）这个半导体巨头的存在。在多年前通过CUDA架构释放出GPU的巨大算力潜力后，英伟达很快就发现了AI的广阔天空，并义无反顾地扎根其中。
英伟达在一代又一代产品上将半导体的暴力美学发挥得淋漓尽致，算力不断迭代突破。人工智能的研究人员因此获得了梦寐以求的低成本高性能算力方案。这使得AI应用在最近几年实现了长足发展。毫不夸张地说，英伟达的方案已经成为了人工智能行业最为重要的“基础设施”之一。
受此影响，创立于2009年的GTC（GPU Technology Conference）的主要议题在近年来发生了转变，逐渐变成了一年一度的AI趋势及应用的分享盛会。2020年，受到新冠疫情的影响，GTC中国站以线上直播的方式举行。根据统计，今年的GTC有大约50000人注册。
由于新冠疫情在全球的肆虐，今年的GTC对AI在医疗健康领域的应用尤为关注。10多场演讲在本次GTC上面向全球分享。总的来说，动脉网（微信号：Vcbeat）将这些方案分为四大类：AI对抗击新冠疫情的赋能、AI对医学影像的赋能、AI对基因组学的赋能，以及如何利用AI打造智慧医院。
火速上线，AI全方位助力抗疫
迄今为止，新冠疫情在全球大部分地区依然并未得到有效的控制，甚至在部分地区有愈演愈烈之势。英伟达医疗业务全球副总裁Kimberly Powell在GTC China 圆桌会议上也表示，“新冠疫情是过去一个世纪对全球医疗卫生最大的威胁，这催促全世界利用一切可用的技术来对疫情进行追踪、检测、疫苗及疗法研发。
英伟达医疗业务全球副总裁Kimberly Powell
全世界的科学家从第一秒钟开始便马不停蹄地对新冠病毒展开了研究。这其中，发现并绘制出精确的病毒三维结构是人类抗击新冠病毒环节中非常重要的一环。AI则可以在强大算力的支撑下极大地缩短我们对病毒的研究时间。
在12月15日的主论坛上，英伟达首席科学家、研究院高级副总裁Bill Dally提到了GPU提供的强大算力如何帮助解决全世界的难题。Folding＠Home和CyroSPARC这两个例子很好地展示了基于GPU的AI对医疗健康领域的帮助。
英伟达首席科学家、研究院高级副总裁Bill Dally
Folding＠Home这一全球知名的研究项目借助分布式计算将无数志愿者GPU的闲置时间利用起来，并为新冠病毒研究贡献了1．5ExaFLOPS（1ExaFLOPS＝1024PFLOPS＝1024×1024TFLOPS）的算力，总共花费了总计1个多月的计算时间。这比其他传统方式快30倍左右。
利用基于GPU加速计算，CyroSPARC则可对冷冻电镜拍摄的病毒图像进行分析并生成三维结构，并将重构新冠病毒刺突蛋白结构所耗费的时间缩短到原来的1／12——从传统的5个月大幅缩短至12天。
清华大学生命学院的李赛在GTC上展示了该团队如何利用冷冻电镜断层成像技术重构精确新冠病毒三维结构的过程。目前，在更为先进的成像装置的帮助下，一天所采集的数据相当于5年前同样时间采集数据量的数倍之多。整个过程所需计算量从几十TB到数百TB不等，对算力提出了极高的要求——在几年前GPU计算尚未实现之际，基于CPU的传统服务器仅能实现数TB的计算量上限；同时，图像分辨率也远不如现在。
基于清华大学生命学院李赛团队成果设计的新冠病毒科普模型（图片来自视频截图）
除此以外，AI在医疗影像和基因测序上也在帮助人类对抗新冠病毒。英伟达医疗业务全球副总裁Kimberly Powell在圆桌会议中表示我国在基因行业上相对领先。这其中的一部分功劳要归功于由GPU加速的基因比对服务。在新冠疫情中，基因比对发挥了应有的作用，帮助科学家们能够更好地理解病毒的传播和进化。
此外，NVIDIA AI计算平台也在助力平安、联影、推想及数坤等AI＋医疗影像企业在第一时间将新冠肺炎辅助诊断系统快速部署到数以千计的医院，从而使已经不堪重负的一线医生获得了技术的帮助，极大地支撑了抗疫。
此外，Bill Dally 在主题演讲中还介绍了英伟达新推出的 NVIDIA Clara Discovery先进工具套件。该套件汇集了医疗影像、放射学和基因组学功能，为医疗健康领域最大的计算任务开发AI应用程序。该套件带有预训练的AI模型和应用特定框架，能够帮助研究人员定义从寻找目标、化合物构建到开发相应的新一代新药研发流程。通过自然语言处理领域的最新突破，研究人员可以使用生物医学特定语言模型来组织、理解和激活大型数据集、研究文献、并整理现有治疗和其他重要现实数据的论文或专利。
火爆异常，AI赋能医疗影像井喷在即
影像识别是目前AI应用最为广泛的领域，尤其在医疗领域。截至2020年12月5日，国内已有五家企业的AI影像辅助检测系统通过创新医疗器械审批绿色通道拿到了NMPA医疗器械三类证。这标志着AI应用在医疗图像领域的落地进入了新的阶段。
在本次GTC China上，众多企业展示了AI医疗影像应用。这些方案均采用了英伟达的产品解决方案。英伟达也提供了Clara Imaging，可以加快医学影像领域中人工智能的开发和部署。
这一方案专为数据科学家和研究人员打造，为其提供用于创建带标记的高质量数据集的易于使用、针对领域优化的工具，用于训练稳健人工智能模型的协作技术，以及用于可扩展和模块化人工智能部署的端到端软件。
中国科学院计算技术研究所研究员、博士生导师周少华就AI＋医学影像的特点和趋势进行了展望。他认为医学影像AI目前呈现出影像多模高清化、数据非标孤立化、疾病长尾突发化、标注稀疏有噪化、样本各异不均化及任务复杂多样化的特点。开源的MONAI＋平台或许是新形势下AI医疗影像开发的新选择。
英伟达高级研究员李文琦进一步介绍了MONAI＋（Medical Open Network for AI）平台。这是一个专为医学图像深度学习设计的开源软件平台，业界可以利用这个平台来加速相关应用程序的研发。英伟达作为MONAI＋的重要推动者，旗下Clara Train将从下一版本开始全部基于MONAI＋平台。
上海联影智能医疗科技有限公司AI副总裁沈宏分享了联影前沿平台是如何将联影uII－AI模块库、3D Slicer和Clara平台结合在一起，并让医生自行完成标注并对AI进行训练。相比之前使用的MIMICS训练平台，联影前沿平台可将肺动静脉和支气管模型所需耗时分别从原来的140分钟和60分钟大幅缩减至95分钟和15分钟。
升级后的Clara Imaging平台性能大幅提升（图片来自视频截图）
英伟达研发团队经理徐大光对Clara Imaging平台全新技术特性进行了讲解。目前，升级后的Clara Train 2．0可以将人工智能模型训练所需时长显著缩短。在单GPU、4个GPU和8个GPU三种情况下，Clara Train 2．0分别只需要42．5分钟、20分钟和8．1分钟，相比原生TensorFlow的训练速度分别提升了20倍、28．5倍和55倍。
根据他的介绍，更快速的模型训练，加上联邦学习提供的可保护隐私的多数据来源功能，Clara Imaging平台在今年3、4月期间利用多国提供的数据快速完成了针对新冠肺炎CT图像的模型训练，并在实际应用中获得了较高的准确率——在3D分割模型上获得了最高的准确率，达到90．8％的准确率。
来自上海联影智能医疗科技有限公司的研发副总裁吴迪嘉进一步对AI对医学成像设备、临床辅助诊断和医学基础科研三方面的赋能进行了深入探讨。
医学成像设备方面，联影推出的ACS智能光梭成像是以深度学习为基础的人工智能技术，据称是全球首款秒级MR加速技术，将核磁共振全身全部位扫描带入了百秒时代。基于深度学习的HYPER－DLR低剂量PET成像技术可以在快速成像的前提下提升42％的图像质量。DELTA低剂量CT成像技术则可以在减少80％的CT扫描辐射剂量的同时将对比度分辨率提升1．6倍。
在临床辅助诊断上，AI可以将心脏电影图像快速重建速度提升到原来的4倍，并帮助医生将核磁图像的阅片时间从20分钟缩短到1分钟左右。冠脉智能分析可将冠脉CT工作流效率提高70％～80％。MR脑结构智能分析可以对大脑106个子结构实现秒级自动分割并生成3D渲染图像；同时，基于脑区和疾病进行细化分析。一站式CT脑卒中智能分析系统是能够帮助降低救治时间，并极大提升脑卒中患者的救治效率和成功率。
东软医疗AI团队负责人、人工智能与临床创新研究院首席工程师韩冬博士分享的主题是AI在智能化扫描工作流中的应用。随着GPU算力的加强，目前医学影像设备已可部署计算机视觉、图像处理与分析和语音识别等人工智能。医学影像设备可借此实现操作智能化，即从智能摆位、自动扫描区域识别、自动参数选择优化再到自动质量控制，从而给用户带来智能手机般的用户体验。
微识医疗CEO刘敬家介绍了随机对照试验RCT验证的消化内镜人工智能。他认为医生在进行结肠镜检查时急需人工智能辅助，从而避免疲劳、注意力不集中或者经验不足导致的结直肠癌漏诊。
根据刘敬家的介绍，四川省医院和美国哈佛医学院在2020年1月和6月分别完成的两个随机对照试验证实了消化内科人工智能的临床效果，并证实医生在有人工智能辅助的时候进行结肠镜的操作手法会更佳。相比静态图像识别，如消化内镜一般的实时视频医疗AI需要关注识别延迟、推理延迟和呈现延迟三个维度上的延迟，随着GPU性能的不断提升，这些延迟也在不断降低。
医疗AI的下一步？AI如何赋能基因组学及智慧医院
人工智能除了在医学影像中的应用，在基因测序分析中也正在发挥越来越重要的作用。从DNA到RNA，英伟达Clara Parabricks能显著加快基因组数据的二级和三级分析速度。
这一方案使用了专为位于本地或云中的高吞吐量实验室设计的成套软件，以及能让开发者构建强大基因组学计算工具的技术栈，从而可以加快基因组分析速度，为包括解决药物发现等研究赋能。
星药科技创始人兼CEO李成涛在分享中表示，传统新药研发目前面临投入高（平均26亿美元／新药）、耗时长（9－15年）、风险高（临床阶段成功率仅约10％左右）的痛点。2010年，全球新药的平均投资回报率还可以达到10．1％，2019年平均投资回报率已经降低到了1．8％。
他认为AI可以从以下几方面帮助药物研发团队。AI可以通过稳定泛化的模型在无人为干扰下生成独立IP的药物候选分子，即发现新颖结构。由于算力的提升，AI可以帮助扩大药物分子空间，从靠人力在1010空间寻找扩大到1060全化合物空间；并将原本需要4－7年的临床前研发时间缩短至1－2年。最后，AI还可以帮助降低药物研发的成本。
奇碳科技的谢丹和左远则介绍了AI是如何为长读长基因测序赋能。这家致力于纳米孔基因测序设备研发和生产的企业刚刚推出了第一款测序仪产品样机。利用机器学习算法辅助基因序列翻译，测序仪能够在8小时内稳定产出500Mbp的基因测序数据，平均读长在10Kbp以上。在这个过程中，GPU的使用大幅提高了推理效率，从而实现实时的序列产出。
在智慧医院方面，英伟达也已经试图用AI为其赋能。Clara Guardian是英伟达针对于智能医院的边缘人工智能，利用视频分析、对话机器人、自动语音识别和自然语言处理技术为用户提供帮助。
Clara Guardian在智慧医院应用中可以发挥作用（图片来自视频截图）
英伟达数据科学家张萌在演讲中对Clara Guardian进行了深入探讨。通过结合物联网技术，Clara Guardian可以在公共安全（体温筛查、个人防护装备检测、保持社交距离）、患者护理（患者监控、防止摔倒、患者参与）和运营效率（手术室工作流程自动化、手术分析和无接触控制）等方面发挥作用，以改善医疗健康机构的运营及管理。
写在最后
毫无疑问，集天时、地利、人和于一身的英伟达在AI领域已经牢牢占据了先机。利用强大的硬件算力，并配合专用算法，英伟达的绿色标志在目前以图像识别、语音识别和语义识别为代名词的AI领域几乎已经无处不在。
AI的火热仅仅只是个开始，未来将会更加火热，更多的巨头将会入场，利用AI为医疗健康赋能。好消息是，我们在GTC上已经看到了越来越多的国内企业登场亮相。或许，假以时日，他们中间也能有企业能够成长起来，凭借硬实力“真正创新”，而非“中国特色创新”站在世界之巅。
祝大家好运。
作者：陈鹏
