新創公司將 CT 掃描作業進行自動化，以優先處理緊急情況。
發生中風或某些腦損傷情況而造成細胞缺氧時，發生腦損傷的速度達每分鐘兩百萬個細胞。
中風或腦損傷都會造成癱瘓、喪失記憶、言語困難，甚至是死亡等慘劇。但若未進行初步診斷，醫生也是束手無策；而就算要進行初步診斷，也得在完成檢測後盡快閱讀 CT 掃描影像。
NVIDIA Inception 新創公司加速器計畫成員之一的 Qure.ai，其共同創辦人 Prashant Warier 表示可惜通常情況並非如此。
「通常有著一整疊的病例等著放射科醫生處理。他們可能要先看三十個病例，而腦部出血的受傷患者又恰好是第31個，得等到醫師先忙完前面的病例才會輪到他。」他說。
Qure.ai 採用 GPU 加速深度學習技術，在十秒鐘內檢測頭部 CT 掃描影像裡的重大問題，企圖改變上述情況。Warier 說這有助於醫生快速按照嚴重程度排定病例的先後順序。
發生中風時腦細胞會因缺氧而死亡。Qure.ai 的自動化 CT 掃描技術有助於加快治療速度，減少腦損傷的程度。
利用科技讀取出血情況
Qure.ai 日前發表了自動 CT 掃描影像閱讀器，以辨識中風或創傷性腦損傷患者的腦部出血、頭部骨折和血塊等情況；還能區分五類出血情況、找出出血位置和判斷出血程度。
這些都是決定患者治療方式的重要因素，像是通常由血塊引發中風，標準治療方式是使用抗凝血劑。但要是出現腦部出血的情況，便可能有性命危險。
Qure.ai 的共同創辦人 Dr. Pooja Rao 表示，找出出血位置和出血量可以建立出其它治療方式。血液積在顱骨內，會對腦部施加額外的壓力而造成缺氧。醫生可以透過手術切除部分顱骨，以進行洩壓或止血。
醫師利用 Qure.ai 的自動掃描儀，便能快速優先處理重症患者，以保護珍貴的腦細胞。
Qure.ai 的自動 CT 掃描儀找出大腦功能組織的出血情況。
媲美放射科醫生的準確性
Qure.ai 使用 NVIDIA TITAN X 與 GeForce GTX 1080 GPU，搭配 cuDNN 加速 Pytorch 深度學習框架，加上超過三十萬件頭部 CT 掃描影像和報告，來訓練其深度學習模型。在測試模型時的平均準確率達到 95% 以上，而三名資深放射科醫師的平均準確率為 97%。
這家成立兩年的新創公司在 Amazon Web Services 雲端環境使用我們的 Tesla GPU，部署該公司的模型，也就是一種稱為推論的過程。
Qure.ai 還在 NVIDIA GPU 的輔助下致力於胸部 X 光分析。此外，Warier 希望能更迅速對結核病進行診斷，以避免擴大蔓延和及時治療患者。若未加以治療，結核病便會奪走患者性命；世界衛生組織指出結核病是全球十大死因之一。
放射科醫師看著創傷性腦損傷患者的 CT 掃描影像。在放射科醫師匱乏的地區，Qure.ai 的自動 CT 掃描儀對患者來說是一大利多。
放射科醫生人數短缺
Warier 表示 Qure.ai 的遠大目標是為放射科醫師短缺的地區，提供放射攝影影像解讀服務。他說像是在肯亞，每27.5萬人只有一名放射科醫生，在印度則是每6.5萬人才有一名放射科醫生。
就算在部分高度已開發國家也有著放射科醫師人數短缺的問題。英國皇家放射科醫學院指出，英國每十萬人只有7.5名放射科醫師，英國的國民保健署稱此情況為「絕望了」。
「我們希望使用人工智慧來降低放射攝影技術的成本，並且讓人更容易取得。」Warier 說。
Qure.ai 已在印度推展其 CT 掃描技術，部分放射中心在日常檢測作業裡加以運用。Qure.ai 正在美國的三處中心進行測試，同時申請 FDA 的批准，也打算在歐盟進行測試。
如需更多 Qure.ai 如何開發其掃描技術的資訊，請見相關報告《Development and Validation of Deep Learning Algorithms for Detection of Critical Findings in Head CT Scans》。
*本文主圖片顯示顱內出血的自動 CT 掃描影像。左邊是大腦功能組織裡的血液，右邊是通常由頭部受傷所引起的腦外出血情況，。圖片由 Qure.ai 提供。