過去兩年，醫療人工智能系統取得了突破性的發展，獲得了醫院和醫生的廣泛認可。醫學影像人工智能發展尤其快速，正廣泛應用到肺、心臟、腦、眼科、皮膚等多器官的多種疾病的診斷中。

　　展望未來，人工智能系統將會改變診療模式，提高醫療服務供給能力并提升診療水平，促進整個醫療健康行業運營模式的轉型。但如何用加速現有人工智能系統的開發和應用，是一大難題。

　　對此，全球最大的GPU企業NVIDIA（英偉達），組織專家團隊編撰了《NVIDIA醫療AI》這份白皮書，并對醫療人工智能企業給出了以下三項建議：

　　1、先從醫學影像人工智能系統的開發和應用開始，在此基礎上，進一步集成更多類型的數據例如病歷數據、檢驗檢查數據、患者日常健康監測數據等，從而構建更加豐富和全面的醫療大數據，為開發更豐富的人工智能系統打好基礎。

　　2、隨著人工智能技術的不斷深入發展，專業性的醫療人工智能平臺逐漸涌現出來，建議選用專業性一體化的平臺，從而節省平臺搭建和調試的工作，更加專注于模型的訓練以及系統的應用，同時所開發出的人工智能系統也具有高可靠、高效率的性能。

　　3、在醫院建立專業性醫療人工智能平臺的基礎上，與醫院的臨床科室密切合作，選擇適合的疾病種類進行其診斷和治療系統的開發，從而提高診斷和治療的效果。

　　事實上，英偉達的這三項建議，是基于現有醫療人工智能系統的開發和運行的三項工作要點。即：建立醫療大數據系統、開發人工智能算法和模型和建立專業的人工智能平臺。具體包括：

　　1、建立能夠處理和集成多數據源、多種格式的大數據系統：在醫學影像人工智能系統中能夠處理多種醫療設備例如CT、MR、X光、超聲等輸出的影像數據，進行專業的數據標記，以及進行大量的運算。

　　2、建立專業的深度學習模型，可以選擇專業的開源模型也可以自己開發建立模型。模型在深度學習訓練和人工智能系統運行中需要不斷地升級改進，從而保障模型的精準性和可靠性。

　　3、建立專業的人工智能算平臺，包括硬件平臺的搭建和計算系統的建立。整體的平臺也可以采用專業性一體化的平臺模式，即打包集成了芯片、服務器、計算系統、算法模型軟件以及人工智能應用系統和云服務的一體化平臺。總之，以提供強大計算能力和可靠穩定性作為建立計算平臺的基本原則，同時也能夠與深度學習軟件順暢集成，從而提高人工智能系統開發和運行的整體運算性能。

　　除了前文提到的三項建議，在這份白皮書中，你還能深入了解到目前醫療人工智能在醫院的使用狀況、醫療人工智能的生態圖譜，以及醫療人工智能平臺建設的兩大模式等信息。以下內容，便節選自這份干貨十足的行業白皮書。