對新冠肺炎患者進行分類篩檢：二十間醫院在二十天內建立可預測氧氣需求的人工智慧模型
NVIDIA 與麻省布萊根綜合醫院的研究人員開發出一個人工智慧模型，這個模型可以判斷一個出現急診室且有著新冠肺炎症狀的人，在完成初步檢查後的數小時甚至數天內是否要補充氧氣。
麻省布萊根綜合醫院的科學家 Quanzheng Li 博士開發出這個名為 CORISK 的模型，它在許多國家可能開始出現第二波新冠肺炎患者之際，將醫學影像和健康紀錄結合起來，讓臨床醫師能夠更有效地掌控患者住院情況。
NVIDIA 與麻省布萊根綜合醫院展開了一項名為 EXAM（EMR CXR AI Model）的計畫，這是一項規模最大、內容最多元的聯合學習計畫，有來自世界各地的二十間醫院參與，以求開發出一個獲得醫生信任且能盡量推廣到更多醫院的人工智慧模型。
全球參與的二十間醫院在短短兩週內，便合作開發出一個曲線下面積為 0.94 的模型（AUC 目標為 1.0），出色地預測了入院患者所需的氧氣水準。這個聯合學習模型將在未來幾週以 NVIDIA Clara on NGC 的部分內容公布給外界。
深入瞭解「EXAM」計畫
各個醫院的研究人員透過 NVIDIA Clara 聯合學習框架，便能使用胸部 X 光片、患者生命徵象和實驗室數值來訓練本地模型，且僅將模型權重的一個子集合分享給全域模型，這種保護患者隱私的技術稱為聯合學習。
這個模型的最終目標是預測出現在急診室的人需要補充氧氣的可能性，這有助於醫生判斷給患者什麼樣的照護水準，包括是否要送到加護病房。
曾在麻省布萊根綜合醫院帶領開發和部署人工智慧技術的 Ittai Dayan 博士帶領開發這個模型，並且與 NVIDIA 共同帶領進行 EXAM 計畫，促進使用 CORISK 當成聯合學習訓練的起點。使用來自北美、南美、加拿大、歐洲和亞洲等多個國家的分散式多樣化患者資料集進行訓練，提升了該模型的精準度。
除了麻省布萊根綜合醫院及其附屬醫院，參與這項計畫的其它醫院有：華盛頓特區的美國國家兒童醫院、英國國家衛生研究院劍橋生醫研究中心、東京自衛隊中央醫院；台灣大學醫學影像與數據人工智慧（MeDA）實驗室、全幅健康照護子中心（MAHC）、台灣三軍總醫院及台灣健保署；南韓慶北國立大學醫院、泰國朱拉隆功大學醫學系、巴西的 Diagnosticos da America SA、加州大學舊金山分校、VA San Diego 醫療體系、多倫多大學、馬里蘭州貝塞斯達的美國國家衛生院、威斯康辛大學醫學與公共衛生學院、美國紐約紀念斯隆凱特琳癌症中心和紐約西奈山衛生系統。
各醫療機構使用 NVIDIA Clara 來訓練其本地模型並參與 EXAM 計畫。他們使用一個安全的內部伺服器來儲存資料，無需將患者的胸部 X 光片及其它機密資訊集中到一處。在 AWS 上託管的一個獨立伺服器存放著全域深度神經網路，各參與醫院都會得到一份模型副本，以便用自己的資料集進行訓練。
在全球規模上進行合作
大型聯合學習專案也在進行中，旨在提高藥物發現能力，以及將人工智慧的優點帶到護理點。
Owkin 與 NVIDIA、倫敦國王學院及英國藥廠聯盟 MELLODDY 的十餘個組織合作，正致力於展示聯合學習技術如何為藥廠合作夥伴創造出兩全其美的優點：在不犧牲患者資料隱私的前提下，利用全球最大的合作藥物化合物資料集來訓練人工智慧模型。
NVIDIA 創辦人暨執行長黃仁勳在其 GTC 主題演講的一部分中描述了 AI 如何加快藥物發現。
NVIDIA 與麻省布萊根綜合醫院的研究人員開發出一個人工智慧模型，這個模型可以判斷一個出現急診室且有著新冠肺炎症狀的人，在完成初步檢查後的數小時甚至數天內是否要補充氧氣。
麻省布萊根綜合醫院的科學家 Quanzheng Li 博士開發出這個名為 CORISK 的模型，它在許多國家可能開始出現第二波新冠肺炎患者之際，將醫學影像和健康紀錄結合起來，讓臨床醫師能夠更有效地掌控患者住院情況。
NVIDIA 與麻省布萊根綜合醫院展開了一項名為 EXAM（EMR CXR AI Model）的計畫，這是一項規模最大、內容最多元的聯合學習計畫，有來自世界各地的二十間醫院參與，以求開發出一個獲得醫生信任且能盡量推廣到更多醫院的人工智慧模型。
全球參與的二十間醫院在短短兩週內，便合作開發出一個曲線下面積為 0.94 的模型（AUC 目標為 1.0），出色地預測了入院患者所需的氧氣水準。這個聯合學習模型將在未來幾週以 NVIDIA Clara on NGC 的部分內容公布給外界。
深入瞭解「EXAM」計畫
各個醫院的研究人員透過 NVIDIA Clara 聯合學習框架，便能使用胸部 X 光片、患者生命徵象和實驗室數值來訓練本地模型，且僅將模型權重的一個子集合分享給全域模型，這種保護患者隱私的技術稱為聯合學習。
這個模型的最終目標是預測出現在急診室的人需要補充氧氣的可能性，這有助於醫生判斷給患者什麼樣的照護水準，包括是否要送到加護病房。
曾在麻省布萊根綜合醫院帶領開發和部署人工智慧技術的 Ittai Dayan 博士帶領開發這個模型，並且與 NVIDIA 共同帶領進行 EXAM 計畫，促進使用 CORISK 當成聯合學習訓練的起點。使用來自北美、南美、加拿大、歐洲和亞洲等多個國家的分散式多樣化患者資料集進行訓練，提升了該模型的精準度。
除了麻省布萊根綜合醫院及其附屬醫院，參與這項計畫的其它醫院有：華盛頓特區的美國國家兒童醫院、英國國家衛生研究院劍橋生醫研究中心、東京自衛隊中央醫院；台灣大學醫學影像與數據人工智慧（MeDA）實驗室、全幅健康照護子中心（MAHC）、台灣三軍總醫院及台灣健保署；南韓慶北國立大學醫院、泰國朱拉隆功大學醫學系、巴西的 Diagnosticos da America SA、加州大學舊金山分校、VA San Diego 醫療體系、多倫多大學、馬里蘭州貝塞斯達的美國國家衛生院、威斯康辛大學醫學與公共衛生學院、美國紐約紀念斯隆凱特琳癌症中心和紐約西奈山衛生系統。
各醫療機構使用 NVIDIA Clara 來訓練其本地模型並參與 EXAM 計畫。他們使用一個安全的內部伺服器來儲存資料，無需將患者的胸部 X 光片及其它機密資訊集中到一處。在 AWS 上託管的一個獨立伺服器存放著全域深度神經網路，各參與醫院都會得到一份模型副本，以便用自己的資料集進行訓練。
在全球規模上進行合作
大型聯合學習專案也在進行中，旨在提高藥物發現能力，以及將人工智慧的優點帶到護理點。
Owkin 與 NVIDIA、倫敦國王學院及英國藥廠聯盟 MELLODDY 的十餘個組織合作，正致力於展示聯合學習技術如何為藥廠合作夥伴創造出兩全其美的優點：在不犧牲患者資料隱私的前提下，利用全球最大的合作藥物化合物資料集來訓練人工智慧模型。
NVIDIA 創辦人暨執行長黃仁勳在其 GTC 主題演講的一部分中描述了 AI 如何加快藥物發現。
倫敦國王學院希望其倫敦醫學成像與人工智慧中心的「基於價值的醫療健康模式」計畫，在採用聯合學習技術的情況下，能夠在對中風和神經損傷進行分類、判斷癌症潛在原因及為患者推薦最佳治療方法等方面取得突破性的進展。
在本報告更深入介紹另一個使用多國資料集來訓練之新冠肺炎人工智慧模型的相關資訊，且在本報告中提供更多關於聯合學習技術背後的科學知識。
發表迴響