2003年，當一種冠狀病毒引發(fā)的非典疫情席卷亞洲時(shí)，互聯(lián)網(wǎng)尚處于萌芽期，互聯(lián)網(wǎng)在醫療場(chǎng)景中還沒(méi)有落地，人們僅能前往醫院等待治療。那時(shí)，影像科總是人潮涌動(dòng)，很多患者因為在醫院聚集而遭受感染。

       今年，一種新的冠狀病毒帶著(zhù)更強的傳染性席卷全球，但中國僅花費不到兩個(gè)月，便控制住了病毒在湖北以外地區的傳播。在A(yíng)I的幫助，疫區影像科的診斷效率迅速上升，患者聚集情況大幅改善；新藥研發(fā)公司也通過(guò)創(chuàng )新的基因分析手段探索病毒的RNA結構，短短數日便能篩選出1000多個(gè)RNA聚合酶核苷類(lèi)抑制劑化合物的可編輯結構化數據。

       正如我們在疫情之中觀(guān)察到的，人工智能輔助診斷、基因分析等技術(shù)正因為其廣袤的前景而吸引著(zhù)越多越多的研究人員進(jìn)入其中，但由于行業(yè)自身的高門(mén)檻，許多擁有豐富經(jīng)驗的醫生、學(xué)者難免在研究路上受挫。

       如今，為了讓更多的開(kāi)發(fā)者能夠體驗到NVIDIA的算力支持，并以更加簡(jiǎn)單的方式對數據進(jìn)行編輯，NVIDIA在EGX、DGX、云計算服務(wù)之上開(kāi)發(fā)了Clara框架，為研究人員提供聯(lián)邦學(xué)習、遷移學(xué)習等服務(wù)，通過(guò)降低數據門(mén)檻的方式，推動(dòng)研究人員把重心回歸研究本身。

       什么是Clara

       NVIDIA正式發(fā)布Clara平臺是在2018年的RSNA之上，那時(shí)NVIDIA的目的僅是為影像學(xué)AI研究者提供一個(gè)醫學(xué)影像的軟件開(kāi)發(fā)工具，以標準化影像數據，并提升AI訓練速度。

       隨后，NVIDIA的開(kāi)發(fā)者發(fā)現，基因組是一個(gè)更為龐大的數據源，要處理億級的堿基配對，必須找到更理想的算力來(lái)源，才能保證試驗在成本上可行。在2019年蘇州舉辦的GTC大會(huì )之上，基因組學(xué)已經(jīng)成為Clara要啃掉的另一塊蛋糕。

       到了今天，NVIDIA Clara的定位于面向醫療開(kāi)發(fā)者的智能計算軟件平臺。接下來(lái)，所有醫療行業(yè)的解決方案都會(huì )整合進(jìn)Clara，NVIDIA意欲打造一個(gè)全能的“醫療百寶袋”，為更想要探索醫療領(lǐng)域的開(kāi)拓者提供高效便捷的數據分析工具。

       從整體上看，NVIDIA Clara包含了GPU加速庫、3個(gè)SDK以及一系列參考應用。在這一階段下，Clara能夠為科研工作者提供的服務(wù)主要聚集于醫學(xué)影像領(lǐng)域與基因分析領(lǐng)域，而這兩個(gè)領(lǐng)域，正因為大數據的浪潮而飛速發(fā)展。

       醫學(xué)影像應用：用AI幫助開(kāi)發(fā)者標注3D影像

       在醫學(xué)影像中，如果一個(gè)醫院或者一個(gè)企業(yè)想利用 AI技術(shù)構建一個(gè)深度學(xué)習算法，并將其投入使用，那么需要完成4個(gè)步驟的工作。

       數據是構建AI的第一步，在獲得原始數據后，研究人員首先需要對數據進(jìn)行特定的標注，如標注出肺部CT影像中的結節部分。要構建一個(gè)運行優(yōu)異的AI算法，這一步操作至關(guān)重要。

       有了標注數據后，研究人員便需要將數據導入到選定的AI模型中，開(kāi)發(fā)適合于研究人員需求的深度學(xué)習算法。從國內的情況而言，很多研究人員通常是使用開(kāi)源算法進(jìn)行二次開(kāi)發(fā)，或是借助于其他領(lǐng)域表現良好的算法進(jìn)行遷移。

       第三步是通過(guò)測試集對已有的算法進(jìn)行檢驗。研究人員需要把AI模型放到實(shí)際之中，觀(guān)察AI的實(shí)際運行情況，如果算法不能很好滿(mǎn)足測試集的要求，研究人員可能就需要修改算法參數，重新開(kāi)始訓練。

       當研究人員獲得測試表現良好的算法后，便可以嘗試將其部署于設備端，在真實(shí)的醫療診斷環(huán)境中進(jìn)行推理工作。到此為止，AI的開(kāi)發(fā)工作便已基本完成。

       NVIDIA開(kāi)發(fā)Clara AI應用平臺的目的就是為了讓上述的四個(gè)步驟標準化、簡(jiǎn)單化，讓研究人員可以更加專(zhuān)注于醫學(xué)本身的研究。

       以數據標注為例，這一工作本是一件體力活，是“人工”跨向“智能”不可避免的重復性工作，而醫生不可能將太多的時(shí)間花在像素點(diǎn)連線(xiàn)之上。所以，一般AI企業(yè)選擇從醫院尋找剛畢業(yè)的研究生進(jìn)行勾畫(huà)，其成本在每組數據20-30元，實(shí)習生處理一組低層數據通常需要20-40分鐘，若要使勾畫(huà)更精細，則需花費1-2小時(shí)的時(shí)間。

       這種數據獲取方式存在兩個(gè)重要的問(wèn)題，一是人工智能訓練需要的數據量大，企業(yè)很難找到足夠多的實(shí)習生進(jìn)行勾畫(huà)，成本也非常高昂；其次，影像的勾畫(huà)通常對工作人員的資歷要求較為嚴格，實(shí)習生常常會(huì )出現結節遺漏、標注錯誤等現象。

       從這一需求出發(fā)，NVIDIA在Clara Train SDK中植入了深度學(xué)習輔助標注的組件AI Annotation Server，開(kāi)發(fā)者可直接使用這一組件對醫學(xué)影像進(jìn)行標注。

       NVIDIA的實(shí)驗數據顯示，應用這一工具包后，單個(gè)肺結節的標注時(shí)間可降至8-15分鐘，醫生的標注效率可提升4-8倍。此外，通過(guò)粗略計算，胰 腺的標注速度可提升4倍，脾的標注速度可以提升10倍。

       此外，在DGX的加速下，NVIDIA可以將數周才能完成的計算任務(wù)提速至數小時(shí)，這將大幅降低醫療AI企業(yè)的試錯成本，企業(yè)甚至可以同步開(kāi)展多個(gè)算法測試。人工智能的產(chǎn)出，甚至是發(fā)展，都會(huì )因此大大提速。

       醫學(xué)影像應用：用聯(lián)邦學(xué)習破除AI模型魯棒性難題

       即便是我們解決了AI開(kāi)發(fā)中的難題，并不代表就能讓AI走向實(shí)用。在上述的步驟之中，我們忽略了醫學(xué)領(lǐng)域數據的一個(gè)重要特征——安全性。由于醫學(xué)數據與生命信息息息相關(guān)，只有在保證數據安全的前提下，我們才能談及數據的應用。

       這意味著(zhù)，企業(yè)或醫生在訓練AI時(shí)，不能把數據帶出醫院，而成熟的AI算法，通常需要克服地域差異，進(jìn)行多中心的試驗。如果AI模型不具備魯棒性，就失去了應用與臨床的價(jià)值。

       雖然數據不能出院，但是模型可以，那么我們能否直接將模型融合起來(lái)呢？答案是可以的。聯(lián)邦學(xué)習便是多個(gè)參與單位用各自數據訓練完成的模型進(jìn)行聚合，以實(shí)現數據不出院的情況下多個(gè)模型的統一，最終實(shí)現AI模型的高魯棒性。

       通過(guò)一個(gè)包含13個(gè)用戶(hù)組的融合實(shí)驗，NVIDIA得到了上圖結果。圖中的紅線(xiàn)是以數據中心模式進(jìn)行訓練得到的模型精度曲線(xiàn)變化情況，綠線(xiàn)是聯(lián)邦學(xué)習下，13個(gè)模型融合后的模型精度曲線(xiàn)變化情況，可以發(fā)現隨著(zhù)訓練迭代次數的增加，兩條曲線(xiàn)高度重合，這個(gè)實(shí)驗一定程度上證明了聯(lián)邦學(xué)習的可用性。

       不過(guò)，新的問(wèn)題也在不斷出現。如果各個(gè)模型差異很大，那么聯(lián)邦學(xué)習如何自行“去粗取精”呢？“增量學(xué)習”將是NVIDIA下一步研究的重點(diǎn)。

       除了Clara Train SDK，NVIDIA還開(kāi)發(fā)了Clara Deploy SDK，用于優(yōu)化PACS已有的工作流。同時(shí)，利用Clara Deploy SDK，醫生可以在臨床環(huán)境中靈活快速部署醫療影像AI模型。

       基因組學(xué)：數據分析與AI構造

       再談NVIDIA新近瞄準的基因組學(xué)。2003年首次對人類(lèi)基因組進(jìn)行測序以來(lái)，整個(gè)基因組測序的成本就一直在下降，而且下降的速度遠快于根據摩爾定律所預測的速度。從新生兒基因組測序到開(kāi)展全國人口基因組計劃，該領(lǐng)域正在蓬勃發(fā)展，并且日趨個(gè)體化。

       測序技術(shù)的進(jìn)步引發(fā)了基因組數據的爆炸式增長(cháng)。序列數據總量每七個(gè)月增加一倍。這一驚人的速度可能會(huì )使得到2025年基因組學(xué)產(chǎn)生的數據量比其他大數據源（例如天文學(xué)、Twitter和 YouTube）數據量總和的10倍還多。

       各種新的測序系統，比如全球最大的基因組學(xué)研究集團——華大集團的DNBSEQ-T7等正在推動(dòng)這項技術(shù)的廣泛應用。該系統每天可以生成高達60個(gè)基因組，產(chǎn)出高質(zhì)量數據1-6 Tb。

       憑借華大集團的流動(dòng)池技術(shù)的發(fā)展以及一對NVIDIA V100 Tensor Core GPU所提供的加速，DNBSEQ-T7的測序速度提高了50倍，令其成為迄今為止吞吐量最高的基因組測序儀。

       但測序的加速工作遠沒(méi)有結束，科學(xué)家在觀(guān)察更加微觀(guān)的世界時(shí)提出了新的需求。為了滿(mǎn)足這樣的需求，NVIDIA也在不斷探索。

       為了通過(guò)加速和智能計算解決基因組測序和分析日益增長(cháng)的規模和復雜性，NVIDIA創(chuàng )造了Clara Genomics。

       通過(guò)Clara框架下的Clara Genomics Analysis SDK，研究人員可以加快基因數據的讀取、序列對比，以降低分析成本，提升數據質(zhì)量。

       此外，NVIDIA還收購了Parabricks，這是一個(gè)CUDA加速的基因數據分析工具包，可用于發(fā)現變異，并能產(chǎn)生與行業(yè)標準GATK最佳實(shí)踐流程一致的結果。運用這個(gè)工具包，相關(guān)計算可提升30-50倍，并可利用深度學(xué)習進(jìn)行基因變異檢測。

       通過(guò)與華大集團合作，Parabricks的軟件可以在一小時(shí)內完成全基因組的分析。華大集團使用一臺內置8個(gè)NVIDIA T4 Tensor Core GPU的服務(wù)器，證明了可以通過(guò)提高吞吐量將基因組測序成本降至2美元，這還不到現有系統成本的一半。

       NVIDIA 為 COVID-19 研究人員免費提供 Parabricks，了解更多請點(diǎn)擊此處。

       AI的未來(lái)需要所有人共同開(kāi)創(chuàng )

       隨著(zhù)深度學(xué)習進(jìn)入越來(lái)越多的領(lǐng)域之中，NVIDIA在為眾多開(kāi)發(fā)者提供算力支持的同時(shí)，也為其搭好了強有力的“基底”，在這之上，開(kāi)發(fā)者能夠將更多的精力放在知識的探索之上，而非受制于如何使用數據分析工具。

       如今，Clara已經(jīng)擁有了眾多的合作伙伴，在中國，聯(lián)影醫療、安德醫智均采用了這一平臺進(jìn)行合作開(kāi)發(fā)，在海外，賽默飛世爾、佳能Vital、約翰霍普金斯大學(xué)也與NVIDIA建立了深入的合作關(guān)系。