Alexander Bilbily 與 Mark Cicero 兩名醫生經過數年的訓練成為放射科醫生，可是兩人覺得自己最大的影響力，是在服務的醫療機構以外地方。
Bilbily 與 Cicero 在加拿大多倫多創辦了 16 Bit 這間新創公司，打算使用 GPU 加速深度學習來改革放射學領域的發展。
這家成立僅18個月的公司日前在北美放射學協會兒童骨齡競賽裡擊敗了五十支隊伍而奪冠，朝那個方向邁出了一大步。這項旨在展示如何將人工智慧用於醫學影像的賽事，給參賽者的戰帖便是將過去幾十年間用於評估兒童生長情況的老辦法加以現代化。
「我們覺得自己是一間年輕的新創公司，要證明自己的實力。」Cicero 說。
對 16 Bit 來說，骨齡只是一項開端。該公司也打算將人工智慧用於推動乳房 X 光照片和 CT 掃瞄的發展。
評估孩子的成長情況
當孩子的生長速度過快或過慢，醫生會以孩子的手部 X 光影像來測量骨骼成熟程度。就算數位影像技術已經出現巨大的進步，放射科醫師仍將 X 光片與近六十年前老教科書裡的圖片進行比較來判斷兒童的生長情況。
16 Bit 獲勝的演算法能自動執行該過程，準確率勝過一支由兒童放射科醫師組成的隊伍。該公司使用了約一萬張手部 X 光片及包括 TITAN Xp 在內的多個 NVIDIA GPU，以教導神經網路來評估骨齡。
16 Bit 在自家部落格內詳細介紹了這項解決方案，另有一項線上演示內容，讓使用者可以使用自己的 X 光影像進行測試。而隸屬我們 Inception 人工智慧新創公司加速器計畫成員之一的16 Bit，計畫將其演算法免費提供給美國的數百間醫院。
Bilbily 說：「我們希望比起自己在擔任放射科醫生的有生之年裡，這間公司在日後能對更多生命造成影響。」
使用人工智慧提高乳房 X 光片檢查的精準度
16 Bit 也使用 NVIDIA GPU 和深度學習來解決另外兩種覺得已經成熟的醫學檢測法，那便是乳房 X 光照片跟頭部 CT 掃描。
乳房 X 光照片是篩檢乳癌的標準方法，而乳癌正是女性癌症死亡的第二大原因，只是這種方法一點都不準確。美國國家癌症研究所的資料指出，這些檢測結果有五分之一的錯失率，或者在可能不存在的情況下卻表明癌症，即假陽性的情況，迫使女性忍受焦慮和不必要的手術，如活體組織切片或超音波檢查。
Bilbily 說：「乳癌是常見也可能致命的疾病。我們見到人工智慧對這一領域產生巨大影響。」
該公司正對其癌症檢測軟體進行臨床研究，近期獲得了四十萬件乳房 X 光照片以協助改進演算法。
一名放射科醫師正在檢視腦損傷患者的 CT 掃描影像。（照片提供：美國空軍／空軍下士 Julianne Showalter）
將人工智慧應用在急診室
醫生懷疑患者出現中風、腦出血、動脈瘤或其它神經方面的問題時，在急診室內經常會進行 CT 掃描。這些情況必須盡快加以治療，避免造成腦損傷甚至死亡。
Bilbily 說：但麻煩的是，通常 CT 掃描結果與放射科醫師的報告之間有著時間差。
「一間醫院可能在夜間進行30次 CT 掃描，要到清早放射科醫師上班後，才會解讀這些掃描內容。」Cicero 說。
16 Bit 的人工智慧軟體會先對可能發現嚴重神經系統損傷的 CT 掃描內容加以標示，放射科醫師便可優先解讀。
16 Bit 是參與 NVIDIA Inception 計畫2200多間新創公司之一。這項虛擬加速器計畫提供技術、專業知識和市場支持給新創公司。