Las tecnologías emergentes, como el aprendizaje automático, el aprendizaje profundo y el procesamiento del lenguaje natural pueden prometer mejoras significativas en una variedad de industrias, incluido el campo de la salud. Sin embargo, rara vez es rápido o fácil dar el salto de la investigación al uso práctico. Las tecnologías y algoritmos de soporte necesitan tiempo para alcanzar la promesa.
Como señaló Nvidia el mes pasado, en el campo de la salud, la IA ha avanzado mucho, pero la mayor parte ha sido en el área de imágenes médicas. En ese momento, Nvidia habló sobre expandir el alcance de la IA y el aprendizaje profundo en otras partes del campo, en este caso en genómica y datos de sensores de salud digitales.
Sin embargo, aún queda mucho por hacer para trasladar la IA desde el espacio de investigación a las prácticas clínicas en el espacio de imágenes médicas, que Nvidia está presentando esta semana en una convención en Chicago de la Sociedad Radiológica de Norteamérica (RSNA), una organización de alrededor de 50,000 radiólogos. El fabricante de GPU está implementando herramientas y kits de desarrollo diseñados para ayudar a los programadores y centros de salud a desarrollar algoritmos de inteligencia artificial que puedan usarse en esfuerzos de imagenología médica, así como en asociaciones con la Universidad Estatal de Ohio, los Institutos Nacionales de Salud (NIH) y otros cierran la brecha entre la investigación y el uso clínico de la tecnología.
Hay mucha innovación, hay mucha inteligencia artificial, hay muchos casos de uso para las GPU en general”, dijo Abdul Hamid Halabi, líder mundial de atención médica en Nvidia, durante una conferencia de prensa antes de que comenzara el show de la RSNA, y agregó que los radiólogos están trabajando con máquinas de imágenes cuyas imágenes a menudo necesitan un procesamiento rápido.
Durante los últimos años, Nvidia ha hecho de la IA el aprendizaje automático y otras tecnologías similares una parte fundamental de su negocio en el futuro. La compañía lo ha hecho a través del desarrollo de productos como los supercomputadores DGX, así como a través de una amplia gama de asociaciones, que en el campo de la salud incluyen personas como GE y, más recientemente, Scripps Research Translational Institute. Además, la compañía dice que está trabajando con 75 compañías para ayudar a expandir el uso de la IA en el campo de la radiología.
En la Conferencia técnica de la GPU de Nvidia en Japón en septiembre, la compañía anunció su plataforma Clara, una oferta de hardware y software que aprovecha una arquitectura informática, la Clara AGX, basada en el módulo de computación Nvidia Xavier AI y las GPU de Turing para permitir que las organizaciones traigan más rápidamente Capacidades de IA para sus dispositivos médicos. Clara aprovecha las GPU y la plataforma CUDA para brindar a las empresas una manera de procesar más rápidamente las enormes cantidades de datos generados por los dispositivos médicos para que los médicos y científicos puedan interpretarlos más fácilmente. En RSNA, Nvidia hace que Clara SDK esté disponible en general.
Fuente: “Machine Learning Sharpens Medical Imaging.” — Nextplatform
Traducido y editado por el Equipo Editorial de ResidenciasMedicas.com.ar
