倫敦國王學院的研究人員使用NVIDIA Cambridge-1超級計算機和MONAI打造一個開源合成大腦圖像寶庫，加速了AI在醫療健康領域的應用。

Jorge Cardoso擁有很多頭銜，但他確實名副其實，因為他有很多“大腦”。確切地說，總共有十萬個。

Cardoso是教師、CTO、企業家，也是MONAI開源聯盟的創始成員以及醫學影像AI領域的研究人員。作為上述最后一個角色，Cardoso和他的團隊發現了利用AI創建高分辨率的人腦真實3D圖像的方法。

這位倫敦國王學院的研究人員兼倫敦AI中心的CTO為醫療健康研究人員免費提供了10萬張合成大腦圖像。這是一個寶庫，可以加速人類對癡呆癥、衰老或各類腦部疾病的認知。

加速AI在醫療健康領域的應用

“過去許多研究人員避免涉足醫療健康領域，因為他們無法獲得足夠多良好的數據，但現在可以了，”Cardoso說。

“我們希望將AI研究引入醫療健康領域。”他說。

與全球最大的免費大腦圖像庫相比，這是一筆重大捐贈。UK Biobank目前保存著來自5萬多名參與者的多張大腦圖像，估計成本為1.5億美元。

面向科學領域的合成數據

這些圖像代表了合成數據在醫療健康領域的一個新興分支。合成圖像此前已經廣泛應用于消費者和商業應用的計算機視覺領域，而實際上這些領域本身已有包含數百萬張真實圖像的開放數據集可供使用。

相比之下，醫學領域可供使用的真實影像反而稀缺。出于保護患者隱私的需要，醫學影像通常僅供與大型醫院相關的研究人員使用。即便如此，這些影像往往也只能反映醫院所服務的人群，而非范圍更廣的人群。

這種新型AI方法的重要特征是，它可以根據需要制作圖像。女性大腦、男性大腦、老年人的大腦、年輕人的大腦、患有疾病或健康的等等，只需插入所需內容，系統就會進行創建。

雖然這些圖像是模擬生成的，但非常實用，因為它們保留了關鍵生物特征，所以外觀和運作方式與真實大腦高度相似。

在Cambridge-1上使用MONAI進行擴展

這項工作需要可以運行超級軟件的超級計算機。

NVIDIA Cambridge-1是致力于在醫療健康領域取得突破性AI研究的超級計算機，充當引擎。MONAI是用于醫學成像的AI框架，充當軟件燃料。

它們共同創建了用于合成數據的AI工廠，讓研究人員能夠運行數百個實驗、選擇最優的AI模型并運行推理以生成圖像。

Cardoso說：“如果沒有Cambridge-1和MONAI，我們不可能完成這項工作，一切都不會發生。”

海量圖像，速度提升高達10倍

NVIDIA DGX SuperPODCambridge-1配備640個NVIDIA A100 Tensor Core GPU，每個GPU均具有足夠的顯存，可以處理團隊海量圖像中一或兩張包含1600萬個3D像素的圖像。

MONAI的基礎模組包括特定領域專用的數據加載程序、指標、GPU加速轉換和經過優化的工作流引擎。Cardoso表示，該軟件的智能緩存和多節點擴展最高可將作業加速10倍。

他還稱贊了cuDNN和“助力我們提高工作效率的整個NVIDIA AI軟件棧。”

不僅僅是大腦

Cardoso正與國家級資源庫英國健康數據研究所合作，托管10萬張大腦圖像。這一AI模型也將提供給研究人員用于創建所需的圖像。

不僅于此，團隊還在探索這些模型如何在醫學成像模式下（MRI、CAT或PET掃描等）為人體任意部位生成3D圖像。

“事實上，這項技術可以應用于任意體積圖像，”他說。Cardoso還指出用戶可能需要針對不同類型的圖像來優化模型。

前景無限

一提到合成圖像技術的應用前景，Cardoso便暫時從繁雜思緒中抽離出來，開始熱情地介紹。

合成圖像將幫助研究人員了解疾病如何隨時間推移而發展。與此同時，Cardoso的團隊仍在探索如何將這項工作應用于大腦以外的身體部位，以及何種合成圖像（MRI、CAT、PET）更實用。

這些可能性令人雀躍，而且，正如Cardoso的許多角色一樣，“它可能有點讓人不知所措，”他說。“我們現在可以開始思考很多不同的事情。”