VUNO正在构建由NVIDIA GPU驱动的AI产品系列

韩国初创公司 VUNO 正在构建由 NVIDIA GPU 驱动的 AI 产品系列，每种产品都能够解决不同疾病的诊断问题。

利用 AI技术使某种病症得到更快速、更精确的诊断，已是个有价值且野心勃勃的目标，然而，VUNO 的目标远不止于此。

总部位于韩国的初创公司 VUNO 正在打造由 NVIDIA GPU 驱动的 AI 产品扩展系列，其中每种产品都能解决不同疾病的诊断问题。

这家公司的 AI 算法被设计为可持续利用与这些疾病相关的、不断扩大的大数据池。目前，VUNO 的产品可解决包括骨龄测量评估、神经退行性疾病诊断等相关问题。在其他领域，VUNO 还拥有一系列仍处于研发阶段的产品，例如针对眼部异常诊断的产品。

VUNO 联合创始人兼首席技术官 Kyu-Hwan Jung 表示：“速度是医学影像工具中很重要的一个要素，但是我们不能为了追求速度而舍弃准确性。我们提供的解决方案不仅为了提高读取速度，还要增强诊断的准确性，最终使得医务人员能够腾出精力，专注于为患者提供高质量的医疗服务。”

Jung 还提到，VUNO 的所有联合创始人都是前三星高等技术研究院（Samsung Advanced Institute of Technology）的机器学习研究人员。他们共同看准了一个机会——将医疗数据的指数增长和全球医务人员的短缺相结合。

他们的目标是开发这样的 AI 解决方案：在以上 2 个趋势下，充分发挥海量数据的作用，让医生将更多时间花在患者身上，而非处理数据。

在 GPU 上达到空前性能

VUNO 的 AI 产品基于深度学习的算法构建，并且在该公司的专用 GPU 服务器上进行了训练，这些服务器由 NVIDIA V100，P100，TITAN V 和 RTX GPU 提供支持。

截止目前，这些产品已经在合作医院所提供的数据上进行了训练。Jung 表示，如果增加公开可用的数据集，并应用迁移学习技术，产品的性能会得到提升。

针对眼科产品 VUNO Med-Fundus AI，公司收集了超过 10 万张用视网膜摄像头拍摄到的图像。这些图像来自携带不同症状的患者群体，而且 50 多名眼科医生为这些图像做了注释。这些图像中约 90% 被用于训练，而其余 10% 用于测试模型。

根据设置，推理会在 NVIDIA 驱动的基于云的实例和本地系统上进行。云服务由运行了 NVIDIA T4 Tensor Core GPU 或 M60 显卡的 Amazon Elastic Compute Cloud (EC2) 实例或运行了 NVIDIA P100 GPU 的 Microsoft Azure 实例支持。本地套件包括独立的台式机 GPU，或服务器和用于医院级系统集成工作站 GPU 的组合。

Jung 谈到，用 NVIDIA GPU 进行推理十分简单，其 2D 图像的性能提速高达 20 倍，而 3D 图像的提速甚至更高。

The VUNO Med-Fundus AI 可以在一秒内检测出 12 种异常，并结合眼底视网膜图像来将其分类和定位。反观其竞争产品，却只能识别 1 到 2 种异常。VUNO Med-Fundus AI 正在韩国的各大医疗中心和医院进行测试。

VUNO 最近发布了 2 项基于网络的免费服务，分别是VUNO Med-Chest X-ray COVID-19 版本和 VUNO Med-LungQuant COVID-19 版本，这两项服务致力于对疑似由 COVID-19 引起的肺部疾病进行影像分析。该系统能够在 5 秒内反馈胸片的分析结果，以及 1 分钟内反馈 CT 扫描的分析结果。

和真人诊断相媲美

VUNO 产品线最引人注目的是，临床验证研究将其模型的准确性固定在 95％ 至 99％ 之间，这一准确性使该技术在临床环境中更加令人信服。

Jung 说：“在医学影像领域，AI 技术通过大幅提升诊断能力，把不可能变为可能。”

借助 NVIDIA 初创加速计划（NVIDIA Inception）项目，VUNO 希望进一步突破极限。Jung 表示，NVIDIA 初创加速计划使 VUNO 拥有了更广泛的开发商和投资者社区。

VUNO 还正在研究如何利用 NVIDIA Clara 应用程序框架，实现 AI 驱动的成像和基因组学。

“这一切便展现了公司的动机——挖掘临床医学所面临的最大问题的答案，”Jung 表示。

Jung 说：“我们的使命是‘看到并了解未知的事物’，我们致力于为患者提供更好的医疗服务，同时通过大数据的应用，提高医务人员的工作效率。”