当我们谈到影像医疗AI时，首先想到的可能是模型的准确率度、敏感度，产品应用范畴或是产品的审批审评状况。但当医疗人工智能陆续通过器审中心审批，开始以商品形式落地于医院时，医生的实际使用体验逐渐成为医疗AI厂商关注的重点。

阻碍医院AI正常调用的环节非常多。PACS系统接口、医院电脑等软硬件的兼容能力、工作站与电子病历数据传输限制等因素，都有可能降低AI在实际使用中的推理速度，甚至出现多AI系统不兼容的问题。

近日，NVIDIA将TensorRT、Triton两个工具用之于医疗AI的部署环节。这位人工智能计算的引领者曾助力大量医疗AI企完成AI模型训练与构建，现又继续向AI落地的下游延伸，尝试解决医院各科室与AI企业之间的部署纠缠。

一方面，新的工具将帮助医疗AI企业把握充分利用GPU硬件资源、充分发挥GPU的算力进行AI推理；高效部署、优化计算资源实用；安全、高效调度GPU等细节，加速院端AI推理过程，提高医疗AI的实际使用体验。

另一方面，在当前以单病种AI为主流的时代下，许多科室通常会向某AI公司采购多种AI，并在诊断时进行多个AI间切换。在这种情况下，NIVIDA能够为AI公司提供一种通用的支持框架，帮助企业在各种环境下部署多个人工智能。

当医疗人工智能进入精细化竞争时代，NVIDIA的新工具或将帮助医疗AI企业重构竞争力。


转自：https://www.robot-china.com/news/202110/11/67613.html