NVIDIA GPU 雲容器加快研究進行的腳步，以更廣泛地使用平價的超音波技術。
Viksit Kumar 並不知道自己的母親患有卵巢癌，一直到了第三期，為時已晚，化療無法奏效。
2006年 Viksit Kumar 的母親在印度孟買的一間醫院逝世，但要是能更早發現她罹患癌症，或許可以再多活幾年。
這件事讓這名就讀於機械工程的學生困擾不已，激勵他選擇走上一條不同的道路。
「這是推動我進入醫療領域的原因之一。」現為明尼蘇達州羅徹斯特市梅約醫院資深研究員的 Kumar 說。他希望母親過世一事激發他做出的研究，將協助他人免於步上她的後塵。
Kumar 在過去的幾年裡，一直致力於運用有著 GPU 助力的深度學習技術，以求在更短時間內，以超音波影像更準確地診斷癌症。
他的研究重點放在乳癌上（這比卵巢癌更普遍，也吸引更多資金），其主要目標是在很少進行乳房攝影的發展中國家裡，更早診斷出乳癌。
深入研究深度學習
Kumar 在加入梅約醫院後，很快便展開這項研究。當時他採用超音波影像來診斷早產兒併發症。他注意到超音波可以拍攝出不同的物體時，覺得或許能用它來對乳癌影像進行分類。
他仔細觀察這個問題，推論出深度學習會是一個良方。只是當時 Kumar 對深度學習所知甚少，所以他投入不少精力，花了超過六個月的時間學習建立和使用深度學習模型的一切知識。
「我會這麼努力學習，背後有一個動力：這是一個真正能派上用場的工具。」他說。
他還是需要有人伸出援手。乳癌是最常見，也是最容易發現的癌症之一，在發展中國家的大城市以外地區，卻少有一部成本高昂的乳房 X 光攝影機。因此，醫療照護服務提供者通常會採取保守的作法，進行不必要的活體組織切片檢查。
對於偏遠的醫療設施，超音波是更為平價的選擇，讓更多婦女可以轉診到大城市進行乳房 X 光檢查。
就算在已開發國家，多數四十歲以上婦女有定期接受乳房 X 光檢查，Kumar 說對於已懷孕或打算懷孕的婦女，還有無法進行乳房 X 光檢查的人來說，超音波仍是一項極為重要的檢查工具。
不斷進步
Kumar 對於深度學習工具的進步程度，感到驚訝不已。過去需要兩三天的時間才能配置好深度學習系統，現在只要幾個小時便可完成。
Kumar 的團隊使用 NVIDIA GPU 雲（NGC）的 TensorFlow 深度學習框架容器，在 NVIDIA TITAN 和 GeForce GPU 上進行本地處理。對於最重的提升，工作轉移到 Amazon Web Services 上的 NVIDIA Tesla V100 GPU，使用 NGC 的相同容器來處理最吃重的作業。
NGC 容器經過優化，能在本地和雲端使用 NVIDIA Volta 和 Pascal 架構 GPU 提供最優秀的運算效能，且包含運行 GPU 加速軟體所需的一切事物。在兩種環境裡使用相同的容器，讓他們能在任何有運算資源的地方執行工作。
「待我們開發好了架構，且想要重複這個過程，那麼我們就會去 AWS。」Kumar 說，他估計此舉比在本地處理大型作業的速度要快上八倍，這歸功於使用大量更先進的 GPU。
該團隊目前在相同的 GPU 上進行訓練和推論作業。Kumar 表示他想在對活體使用超音波機器進行推論。
未來還有更大的進步空間
Kumar 希望在明年內開始將這項技術用於活體患者試驗。
他最終希望自家團隊的研究成果能將超音波影像用於早期發現甲狀腺癌等其它癌症，當然還有卵巢癌。
Kumar 的研究成果雖具有開創性，也呼籲在醫學領域運用人工智慧與深度學習之際要保有耐心。「在放射科醫師和超音波檢驗師接受它成為臨床標準前，這項技術需要更為成熟。」他說。
像 Kumar 一般的成就，肯定有助於推動那一點。
閱讀 Kumar 的研究報告《Automated and real-time segmentation of suspicious breast masses using convolutional neural network》。