在每年數百萬名確診的癌症患者中，有超過半數的人接受了某種形式的放射治療。
深度學習技術在輪廓勾畫（contouring）這個過程中，自動在醫療掃描影像中標示出腫瘤，以協助放射腫瘤學家能夠提供更精準的放射治療內容。
這其實是一個微妙的平衡。
成立於波士頓且在台灣設有辦事處的新創公司 Vysioneer（醫隼智慧），該公司的創辦人暨執行長呂任棠表示：「要是腫瘤學家圈起來的腫瘤輪廓面積太小，放療就無法治療整個腫瘤，而且腫瘤還會繼續變大。如果圈起來的輪廓太大，輻射線又傷害到四周其它正常組織。」
同為 NVIDIA Inception 新創公司加速器計畫成員的 Vysioneer，打造出多項人工智慧工具，以自動執行過去極為耗時的腫瘤輪廓勾畫過程。呂任棠說放射腫瘤學家可以輕鬆花費數小時使用醫學掃描影像來勾畫出腫瘤輪廓，以確保放療的療效與安全性。
該公司的首款產品 VBrain 可以從電腦斷層（CT）及核磁共振成像（MRI）掃描結果中，辨識出三種最常見的腦瘤。使用雲端 NVIDIA V100 Tensor Core GPU 及公司現地的 NVIDIA Quadro RTX 8000 GPU 來訓練出的這項工具，可以將腫瘤輪廓繪製任務的速度提高六倍以上，從原本需要一個多小時，縮短到不到十分鐘便能完成。
在上周於芝加哥舉行的北美放射學會年會上，Vysioneer 透過 NVIDIA 的展位向外界展示了該公司最新的演示內容。NVIDIA Inception 計畫有超過五十個成員參加了這場會議。
鎖定轉移性腦瘤
非侵入性的精準放射療法使用高劑量的 X 光來破壞腫瘤，又不會傷害到鄰近的正常組織。
在可以取得公共資料集的情況下，大多數使用醫學掃描影像來辨識腦癌的人工智慧模型，都聚焦在腦部原發性神經膠質瘤上。
使用超過1500件專有 CT 及 MRI 掃描影像訓練出的 VBrain，可以辨識出更常見的轉移性腦瘤，也就是癌症從身體的另一個部位擴散到腦部時發生的腫瘤。轉移性腦瘤通常會同時發生在大腦的多個部位，而且面積很小，難以在醫學掃描影像中加以辨認。
VBrain 與放射腫瘤學家現有的臨床工作流程無縫進行整合，使用 NVIDIA GPU 在幾秒鐘內便能處理掃描影像及進行推論。呂任棠說這項工具可以減少放射腫瘤學家之間對判斷結果的分歧，也能瞧見放射科醫生或臨床醫生可能會漏掉的微小病灶。
Vysioneer 已經在台大醫院的一項臨床試驗中部署了這項解決方案，在搭載 NVIDIA GPU 的本地伺服器上運行。
在台大醫院的一個病例中，一名患者的肺癌擴散到了腦部。在診斷過程中，負責這名患者的放射科醫生在腦部掃描影像中發現了一個大的病灶，VBrain 倒是找到另外兩個很小的病灶。這些額外的資訊讓腫瘤學家調整了病人的放療計畫。
Vysioneer 正在努力讓 VBrain 取得 FDA 的使用許可，想要推出用於身體其他部位醫學影像輪廓勾畫的人工智慧模型，還打算在容器註冊表 NGC 上推出 VBrain，以協助新創公司簡化部署、享受 GPU 計算商業生態體系及強大經銷管道的優勢。
NVIDIA 對 VBrain 等醫療人工智慧應用程式進行測試和優化，使其能夠在 NVIDIA EGX 平台上運行，以便輕鬆安全地從遠端管理眾多裝置與多個邊緣節點的實體位置，滿足醫院對資料安全及即時智慧的要求。
NVIDIA Inception 計畫在產品開發、原型設計和部署等關鍵階段，為新創公司提供援助。Inception 計畫的各成員皆能享有多項量身打造的好處，比如 NVIDIA 深度學習學院的學分、上市支援與購買硬體技術的優惠，讓新創公司取得基本工具來幫助他們成長。
呂任棠說表示技術文章、電子報及更容易取得 GPU，為這間六個月前才成立的公司帶來莫大益處，協助他們有效打造人工智慧解決方案。
呂任棠曾任職於 MGH & BWH 臨床資料中心，他在該中心帶領使用 NVIDIA DGX-1 系統進行訓練，開發出自動診斷脊椎疾病的人工智慧系統 DeepSPINE。
本文主圖為VBrain產生出用於放療計畫的 3D 腫瘤渲染（左）與腫瘤輪廓（右）內容。