NVIDIA在北美放射学会博览会上发布新软件，同时宣布与多家新伙伴携手改进医疗质量、使用方式与成本。AI研究在改善放射医学领域的质量、使用与成本上已展现极大的可能性，然而这些成果需要集结各方伙伴及联盟，合力将研究成果导入临床应用，因此NVIDIA致力于扩展医疗伙伴的行业体系。
NVIDIA目前与75个伙伴合作，联手将AI导入至医疗领域，合作伙伴的数量每个月都持续增长，其中包含医学中心、医疗图像企业、研究机构、医疗新创与医疗从业人员等各种不同领域。
通过最近开放使用的Clara SDK，开发者能轻易利用任何GPU平台，部署包括AI、专业可视化与包括图像重建等需要密集运算的应用。
过去十多年来，NVIDIA GPU在医学图片领域一直扮演关键角色。各种诊断图像仿真皆依赖 NVIDIA GPU提供即时的图像重建，其中包括迭代式重建，该技术能减少计算机断层扫描的幅射剂量、简化检测处理技巧以缩短MRI的扫描时间，以及通过软件波束成型来提升超声波扫描的图像质量。
各种成像仪器需要通过AI来确保获取最高质量的图像，包括United Imaging、Fujifilm与Canon在内的图像仪器厂商，皆已部署 NVIDIA DGX超级计算机作为AI基础设施。Clara SDK是开放式NVIDIA Clara平台的一部分，其让医学图片行业能开发与部署各种先进图像应用、并通过AI驱动的作业流程。
MGH& BWH临床数据科学中心已采用NVIDIA Clara SDK作为其AI部署策略的一部分。该中心开发一个腹部主动脉瘤的侦测模型，并将它导入至以NVIDIA Clara为处理平台的Nuance AI市集中。
MGH & BWH临床数据科学中心执行总监Mark Michalski表示：“倘若放射医学能受益于数千种新研发的AI应用程序，那我们便需要一条能将其部署在庞大临床与图像中心的明确途径。而这个部署途径也将是AI在放射医学扩大运用的关键。”
要改变放射医学的诊疗方法需要数以千计的应用程序。由于AI应用与针对每家医院的病患、仪器与治疗进行调整的需求，包括MGH、BWH、美国国家卫生研究院（NIH）、加州大学旧金山分校（UCSF）、俄亥俄州立大学（OSU）、梅约（Mayo）诊所与伦敦大学国王学院（KCL）等超过50家顶尖医疗机构，皆投资购置NVIDIA DGX系统以着手研发AI相关应用。
为促进放射医学界对于开发与由于各种AI应用的能力，NVIDIA宣布两项关键技术：
俄亥俄州立大学Wexner医学中心图像信息学部门主任Luciano Prevedello表示：“俄亥俄州立大学了解这些工具的重要性。数据管理是算法开发周期中主要的瓶颈之一，因素据本身的复杂性与受过高度训练的标记人员人力限制，其在医学图像领域针更是如此。像转移学习工具套件这类的技术，能让算法性能不减损的情况下，大幅减少训练所需的庞大图像，再加上结合更具效率的数据管理流程，能通过AI先做好准备，为算法的开发打开新的篇章。”
俄亥俄州立大学Wexner医学中心是一所顶尖的学术医疗中心与研究大学，同时也是NVIDIA在美国首家的合作伙伴，率先采用NVIDIA Clara平台来为临床图像打造一个内置的AI市集，让放射医师能快速将深度学习与机器学习导入在其工作流程中。
俄亥俄州立大学Wexner医学中心医学图片信息放射医学部主任Richard White医师表示：“快速采纳人工智能在医学成像领域开创出许多新机会。我们与NVIDIA合作，联手加快进程，将人工智能集成到工作流程，进而改进病患的治疗成效。”
俄亥俄州立大学将部署深度学习与机器学习技术以改善像是侦测脑溢血或冠状动脉病征等急症诊疗的临床反应。这些算法能集成到许多临床作业流程，像是急诊部的早期预警系统、放射医学实验室工作项目优化，或是作为判读室的辅助诊断工具。借由推动部署平台的标准化，各机构将能分享与集成该持续扩张体系所产出的所有AI程序。
NVIDIA也与美国国家卫生研究院（NIH）合作，该机构在全美各地规模最大的教学研究医院进行每年超过1,600项试验。NVIDIA将派驻研究人员与工程师与NIH临床中心的医生进行合作，双方初期计划将研究各种AI工具来加速脑部与肝脏癌症的临床试验。
后续的研发项目将着重于开发AI工具，结合图像、基因与临床方面的数据，为癌症病患提供精准医学治疗，其将通过一个专业AI数据导向的平台、与以深度学习为基础的图像群组，从CT、MRI与PET等大量医学图片找出病征并进行分析。
NIH临床中心放射医学与图像科学部主任Elizabeth Jones医师表示：“将像是深度学习这样的强大工具运用在医学上，将需要包括内科医生、院方与计算机科学家组成真正跨领域团队，协助实现计算机模型在医学图片方面的潜能，并协助开发预测性图像的生物标记。”
目前放射医师会运用人力计算肿瘤数量，根据现有的诊疗指引判断癌症分期。而AI将会改变这些流程，它会自动判断特征与测量肿瘤数量，并且可能产出超越人类判读的能力。除了判读肿瘤大小以外，AI还有十足潜质能根据目前采用的癌症分期判断标准，提高判断癌症分期的准确率。通过AI生成的新医学图像生物标记还能导入在许多临床试验，让预测性与个人化精准医学的目标再迈进一步。
为了将AI推广至全球各地的放射医学机构，放射医师需要参与创建并将各种算法应用在治疗病患上，也必须提供标准化方法，以利突破成果的分享与集成，并协助其进行现场数据分析，以降低违反法律规范和侵犯病患隐私的风险。此外，智能仪器与自动化工作流程现已进入应用阶段。