Nvidia和Hoppr的AI公司领导者表示，部署和扩展问题才是阻碍医疗AI发挥价值的真正障碍。
正因如此，他们正将重点从构建独立模型转向构建那些模型实际应用于临床实践所需的基础设施。Hoppr已构建了一个利用Nvidia计算能力和基础模型的AI铸造厂——合作伙伴称，这一产品为开发者提供了更轻松地规模化推出医疗影像AI的工具。
Hoppr首席执行官Khan Siddiqui表示，该铸造厂旨在帮助医疗机构开发、验证并随后部署自己的AI模型，而无需从零开始。
"我们正在提供一个平台，让医疗系统、放射科实践和医疗设备公司能够快速构建微调模型，并快速将其部署到他们的实践或产品中，"他解释道。
他指出，由于Hoppr和Nvidia在大规模数据集上预训练其基础模型，医院不再需要大量数据或基础设施来创建自己的模型。Siddiqui表示，过去，医疗机构需要购买包含约10万患者记录的大型数据集来训练AI模型，但预训练的基础模型使医院能够使用更小的数据集（有时仅包含数百条记录）来定制模型。
他表示，铸造厂的目标是使定制化、本地化的AI开发对医疗机构更加可行。
Siddiqui指出，重点是增加影像AI模型，使医疗机构能够将专用工具直接嵌入放射科和诊断工作流程中，而不是依赖"一刀切"的解决方案。
Nvidia全球业务发展主管David Niewolny表示，AI铸造厂标志着医疗AI正从孤立的模型开发向可直接部署到临床工作流程的完整工具生态系统转变。
他表示，Hoppr解决了"最后一公里"问题。
Niewolny评论道："Nvidia提供工具和原始性能。Hoppr则利用这些，并通过使用开放模型和他们正在进行的微调，将其转化为更适合在医院内部运行的、更即用型的临床级AI。"
这对合作伙伴的努力反映了将医疗AI转变为更接近软件开发生态系统而非点解决方案集合的推动。他们认为，随着基础模型和部署平台的成熟，医疗机构将越来越多地从购买AI应用程序转向内部构建和迭代。
这种转变是否会真正推动工具的更大临床应用——或者仅仅是增加不必要的复杂性——仍不得而知。但这很可能会帮助确定影像AI从试点项目发展为常规护理的速度。
照片来源：peterhowell，Getty Images
【全文结束】
