Northwestern University 연구원, Inspur AI 서버를 사용하여 방사선 처리 개선

Northwestern University는 후속 조치가 필요한 방사선 보고서를 읽고 식별하는 프로세스를 가속화하기 위해 AI 워크플로 설계를 구축했습니다.

Inspur Information과 Northwestern University의 Feinberg School of Medicine은 방사선 보고서 처리 시간을 가속화하고 후속 조치 권장 사항의 지연을 줄이기 위해 구축된 맞춤형 AI 워크플로의 13개월 시험 결과를 발표했습니다.

이러한 방사선 보고서의 복잡성으로 인해 후속 권장 사항의 약 33%가 사람의 실수로 인해 지연되거나 완전히 누락됩니다.

Northwestern 팀은 NLP(자연어 처리)를 사용하여 후속 권장 사항이 있는 방사선 보고서를 식별할 수 있는 Inspur의 AI 서버와 Nvidia GPU를 사용하여 워크플로를 개발했습니다.

Mozziyar Etemadi 박사는 “NVIDIA A100 Tensor Core GPU를 탑재한 Inspur NF5488M5-D GPU 서버를 포함하여 AI와 도구를 마음대로 사용했습니다. "맞춤형 AI 워크플로는 거의 모든 단일 방사선 보고서를 읽고 당사의 의료 기록 시스템과의 긴밀한 통합을 통해 1차 진료 의사, 환자 및 전담 후속 팀에 경고 및 알림을 제공하여 중요한 세부 정보가 누락되지 않도록 합니다. 균열.”

AI 워크플로는 570,000개의 이미징 연구를 검사했으며 29,000개의 권장 사항이 있는 것으로 나타났습니다. 의사와의 5,000건 이상의 상호작용이 생성되었고 2,400건의 후속 조치가 완료되었습니다. 팀은 워크플로가 방사선 보고서를 스캔하는 데 필요한 사람의 시간을 줄이는 것과 함께 권장 사항 식별의 신뢰성을 개선한다는 것을 발견했습니다.

Rhonda Liao의 Strategic Alliance 및 Inspur Systems 부사장은 “Etemadi 박사와 협력하여 Northwestern의 AI 기반 연구에 새로운 기술을 도입하고 이를 의료 분야의 실질적인 개선으로 전환하는 방법을 확인하는 것은 놀라운 일입니다. "Inspur는 이 여정에 참여하게 된 것을 자랑스럽게 생각하며 이러한 노력에 대한 NVIDIA의 훌륭한 협력과 지원에 감사드립니다."

Northwestern 팀은 업계의 다른 사람들이 입력할 수 있는 가이드 자습서와 함께 AI 워크플로의 오픈 소스 코드를 출시했습니다.

엔비디아 의료 AI 글로벌 책임자인 모나 플로레스(Mona Flores) 박사는 “AI를 통해 의료 연구원은 클리닉에 꼭 필요한 도구를 가져와 의사와 환자 모두에게 결과를 제공할 수 있습니다. "AI를 사용하여 워크플로를 최적화하면 백로그를 완화할 수 있고 임상의는 이를 가장 필요로 하는 환자에 대한 후속 조치의 우선 순위를 지정할 수 있습니다."