其他行业 · AI应用
利用AI加速放射肿瘤学机器学习
西门子医疗面临提高癌症患者放射治疗计划效率和准确性的挑战，传统流程需要肿瘤学家大量时间和专业知识。他们部署了NVIDIA HGX服务器和Sherlock AI超级计算机，利用NVIDIA Tesla V100 GPU每天进行超过600次深度学习实验。AI辅助自动轮廓勾画工具利用450万张训练图像自动勾勒47个器官。该组织已开发超过45个AI应用，显著节省放射肿瘤学家时间，并提高危及器官轮廓勾画的标准化水平，最终改善患者护理。
每日深度学习实验次数
>600
来源披露
自动勾画器官数量
47
来源披露
训练图像数量
450万
来源披露
01
业务背景
西门子医疗面临提高癌症患者放射治疗计划效率和准确性的挑战，传统流程需要肿瘤学家大量时间和专业知识。他们部署了NVIDIA HGX服务器和Sherlock AI超级计算机，利用NVIDIA Tesla V100 GPU每天进行超过600次深度学习实验。AI辅助自动轮廓勾画工具利用450万张训练图像自动勾勒47个器官。该组织已开发超过45个AI应用，显著节省放射肿瘤学家时间，并提高危及器官轮廓勾画的标准化水平，最终改善患者护理。
02
遇到的问题
癌症发病率上升，放射治疗计划中手动勾画危及器官耗时且依赖肿瘤学家经验，限制了患者处理能力和治疗标准化。
03
AI 解决方案
Siemens Healthineers部署了基于NVIDIA HGX-1和HGX-2服务器的Sherlock AI超级计算机，搭载NVIDIA Tesla V100 GPU，通过100 Gbps Mellanox InfiniBand网络和3PB NVMe存储，每日运行超过600次深度学习实验。利用开发的syngo.via RT Image Suite软件，集成AI辅助的自动轮廓勾画功能，该功能经过450万张医学影像训练，可自动分割47个危及器官，从而加速放射治疗计划流程。
04
实施结果
每日深度学习实验次数：>600（未披露）
自动勾画器官数量：47（未披露）
训练图像数量：450万（未披露）
已开发AI应用数：超过45（未披露）
效果定性描述：节省时间、提高标准化（未披露）
05
风险与边界
未披露
“AI-assisted AutoContouring helps save time and improve standardization in organs-at-risk contouring.”
Dr. Fernando Vega · Head of Software and Concept Definition for Radiation Oncology at Siemens Healthineers
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。