对区块链的分析_分析时间降到几分钟！NVIDIA发布AI区块链平台，赋能医疗

及时准确的诊断可以挽救无数生命，AI在医学领域有很大潜力，但考虑到患者的隐私，要获得训练AI模型所需的庞大数据一直是很难的。 最近，NVIDIA推出了基于AI的块链计算平台clarafederatedrelearning ( Clara fl )。 这是一个用于分布式协作AI模型培训的参考应用程序，可以保护患者的隐私，并将复杂的3D模型分析时间从几小时缩短到几分钟。

2019年12月1日，NVIDIA副总裁金伯利·鲍威尔在NVIDIA博客上发表了这一消息。

当天，在北美放射学会( radioologicalsocietyofnorthamerica )的年度会议上，NIMS还介绍了利用分布式协调学习技术将患者数据保存到所属位置的Clara FL平台。 在医疗提供商的院内和网络内，网络上的各客户端可以利用该平台进行自己的深入学习训练，与其他客户端合作提供更准确的全球模式。

Clara FL平台运行在前几天发布的NVIDIA EGX智能边缘计算平台上。

其工作原理如下:

Clara FL应用程序打包在Helm图表中，简化了在Kubernetes基础架构中的部署。 NVIDIA EGX平台安全地提供协作服务器和协作客户端，并提供启动协作学习项目所需的一切，包括应用程序容器和初始AI模型。

Clara FL使用多家医院的分布式培训开发了强大的AI模型，无需共享患者数据。

参与项目的医院使用nvidiaclaraisubannotationsdk标记患者数据，并将其与医疗查看器(如3D Slisher、MITK、Fovia和Philips IntelliSpace Discovery )集成。

NVIDIA AI利用预先训练的模型和迁移学习技术，帮助放射科医生标志，将复杂的3D研究时间从数小时缩短到数分钟。

参与医院的NVIDIA EGX服务器正在根据本地数据培训全球模型。 本地培训结果通过安全链接共享给协作学习服务器。

该方法只共享模型权重的一部分，不共享患者信息来保护隐私(块链)，用联合平均值构建新的全球模型。 重复此过程，直到AI模型达到所需的精度。

块链在医疗行业有很大潜力。 医疗行业块链解决方案数量众多，影响较大。 许多项目强调了分布式系统提高数据隐私、数据可访问性和计算速度的优点。 这项技术也常常与AI联系在一起，两者是互补的。

世界各地医疗巨头美国放射学会ACR、MGH和BWH临床数据科学中心和UCLA Health——是该技术的先驱。 他们的目标是为医生、患者、医疗设施开发个人的人工智能。

美国放射学会在AI-LAB (全国性的医疗图像平台)上尝试NVIDIA Clara FL。 AI-LAB为38000名医疗图像成员安全构建、共享、协调和验证AI模型。

加利福尼亚大学洛杉矶分校的放射学也使用NVIDIA Clara FL向放射科带来了AI的力量。 作为同类最佳的学术医学中心，该分校验证了Clara FL的有效性，将来可以扩展到加州大学系统。

新英格兰的合作伙伴医疗公司也推出了使用NVIDIA Clara FL的新计划。

在其它使用中，Clara允许医院更加准确和快速地对图像和基因组序列进行建模。

世界辐射学界规模最大、业界未来发展方向最具代表性的顶级医疗活动RSNA，100多家参展者利用NVIDIA技术将人工智能引入放射学。 金伯利·鲍威尔谈到“我们目睹了人工智能医疗物质网络的开始。”

NVIDIA其实是瞄准大医疗领域的人工智能市场。 在2016年GTC大会上，NVIDIA与麻省理工学院临床数据科学中心合作，NVIDIA利用该技术，利用中心的100亿部医疗影像，进行了深入的学习训练开发，用于疾病的检测、诊断、治疗等场合。 同年11月，NVIDIA与美国国家癌症研究所、美国能源部合作，开始了“癌月探查”项目。 此后频繁的动作表明人工智能应用于医疗场景。

医疗一直是一个受欢迎的领域。 国内医疗方向的人工智能融资规模从2018年中期开始已经超过了200亿元人民币，接受这些融资的公司还有100多家。 这些创业公司和科技大公司在传统医疗器械大公司还没有做出反应时，就从医疗的各个环节开始了“AI实验”。 本实验除收集的医疗数据外，还需要AI处理能力，主要提供AI处理能力的是NVIDIA。

NVIDIA于2018年9月全面启动和宣布了其独特的医疗项目——Clara平台。 Clara平台是NVIDIA面向未来智能设备的地板。

金伯利·鲍威尔于2019年1月接受了采访，“数据收集后的分析，我认为你在使用什么，很大程度上取决于什么时候收集的数据。 我们希望通过软件创新提供医疗设备，在硬件方面拥有智能设备，配置软件开发的SDK。 这意味着在医疗行业中随时随地实现计算。 Clara是一套软件，现在是发行版本，还是以前的版本，在此之后还会继续提供支持。 我们希望通过某医院设备分析的知识和总结结论，不仅仅是结果，在当地也能得到良好的总结和归纳并普及。 根据医院的不同，结果有可能不是真实的反应，所以学习知识的转让是很重要的。

时隔一年，Clara FL平台发表，NVIDIA的希望落地。 NID通过AI赋予医疗行业能力，是全人类的福祉。 人类无法逃脱的衰老并不希望结束，但随着AI辅助技术的进步，我们也许能更好地理解疾病。 未来的世界激动得无法预测。