Neal Khosla 在童年時期就被奧克蘭運動家棒球隊的“魔球理論（ Moneyball ）”所深深吸引。這個理論借助數據分析法判斷運動員的自身價值與潛力。短短幾年後，這位年輕的工程師以這段童年回憶為線索，開始尋求類似的技術來改善醫療決策。
在 Khosla 遇到 Xavier Amatriain 後， Xavier 希望透過自己的工程技能實現更崇高的使命，於是兩人一拍即合共同創立了Curai。 Curai 是一家成立三年的新創企業，總部位於加利福尼亞的帕羅奧多，致力於透過 AI 改善醫療保健的全過程。
他們面臨一個十分艱鉅的挑戰—徹底改變獲取和提供醫療服務的方式。據統計，世界上現有過半人口無法獲得基本的醫療服務，每年誤診導致死亡的病例數接近 40 萬，而且其中有近半的誤診是可以避免的。所以，即使他們所做出的貢獻只是滄海一粟，也會有成千上萬的人們也會因此而獲益。
“我們很確定現有的系統無法保證 80 億人獲得高質量的基本醫療，” Curai 的執行長 Khosla 說，“就可存取性而言，我們需要 Google 等級的存取性。”
Curai 一直在為讓更多的患者得到更優質的醫療服務而努力。他們透過由 NVIDIA GPU 驅動一款對話式 AI 應用程式來建立患者、醫療機構和復健醫師間的聯繫。此外，這款應用程式還能有效連接各個階段以提供醫療服務，從分析症狀、診斷病情到制定治療方案等。
“現在的醫療保健服務並沒有實現規模化。醫生的人才缺口問題短時間內並不能得到解決。” Khosla 說，“我們的理想狀態在實現規模化的同時，透過實現流程中各部分自動化來提高醫療服務的質量。”
新冠肺炎疫情搧風點火
新冠肺炎疫情的爆發敦促 Curai 實現企業使命。隨著醫療保健成為越來越多人關注的焦點，前所未有的動能浥注，讓醫療行業更有效率、更加普及、更規模化。
Curai 的平台使用 AI 和機器學習讓流程的每一部分實現自動化，它的前端是該公司一款基於聊天的應用程式，可以滿足用戶的任何需求。
患者可以透過它輸入有關身體狀況的訊息，查閱他們的醫療檔案，隨時與醫療機構溝通，以及查看流程進度。
對於醫療機構來說，新一代電子病歷系統使獲得全部患者的醫療訊息易如反掌。此外， Curai 的不斷改進的演算法也可以為醫療機構提供診斷和治療建議。
“我們的方法是精細地統計和記錄有關從業者的所作所為，方便模型訓練，” Curai 技術長 Amatriain 說， “在平台上實現的每一件事都旨在完善我們的’學習循環’ ，也就是說，隨著我們生成訓練數據能力的增強，演算法也會因為訓練數據的質量提高而得到改進。”
眾多人工智慧細分領域裡， Curai 一直關注自然語言處理（用於從醫患對話中提取數據）、醫學推論（用於提供診斷和治療建議）以及圖像處理和分類（主要用於患者上傳的皮膚病照片）。
Curai 將最新技術應用於這些領域，例如將合成數據與自然數據結合使用以訓練其深層神經網路。
Curai 的大部分實驗和大部分模型訓練都在兩個客製化美超微（ Supermicro ）工作站上完成，每個工作站都運行兩個 NVIDIA TITAN XP GPUs。對於皮膚病照片的分類工作， Curai 用 23,000 張圖像對一個 50 層的 巻積神經網路 完成初始化。對於其診斷模型，該公司使用 CNN 用 40 萬個模擬醫療案例進行了模型訓練。最後，它用將近 80,000 名患者的電子病歷，訓練了一類稱為多層感知器的神經網路。
Curai 偶爾會同時藉助 Google Cloud Platform 和 Amazon Web Services 以獲取更強大的算力，例如使用雙重 BERT 微調模型 來計算醫學問題的相似性。這借助其累積的 363,000 個文字訓練使用範例在兩個NVIDIA V100 Tensor Core GPU上進行訓練。
準備實現規模化
該平台仍有很大改善空間，但 Amatriain 認為 Curai 的規模化進程已經準備就緒。該公司是 NVIDIA 新創加速計劃 的資深會員，該計劃旨在為從事人工智慧和資料科學工作的新創公司提供基本工具、專業知識和市場行銷決策的支援，幫助他們更快地進入市場。
Curai 計劃在接下來的幾個月中確定其進入市場的最終戰略，目前公司專注於持續訓練這些非常適合聊天的、根據文字和圖像的模型。 Amatriain 還明確表示， Curai 打算將感測器、可穿戴式技術和其他數據源引入其學習循環。
在 Curai 看來，更多的數據意味著更好的解決方案，而對於患者和醫療機構來說，更好的解決方案無異於最佳的結果。
“在未來五年，我們將為世界各地的數百萬人提供服務，並為他們提供高質量的、負擔得起的醫療服務，” Amatriain 說，“我們認為我們不僅有機會，更有責任將這項工作進行下去。”