GTC 2025 GE Healthcare Partnership

类别: 医疗 Special Address · 年份: 2025 · ▶ 观看

讲者: Parminder Bhatia - 首席 AI 官 / GE HealthCare · Roland Rott - 影像业务总裁兼首席执行官 / GE HealthCare

Switch language → English

章节 (9)

  • 00:00 · 简介
    • 介绍演讲者以及本场会议关于 AI 在医疗健康领域应用的重点。
  • 01:15 · 医疗健康领域的挑战
    • 讨论全球医疗健康面临的挑战，包括人口老龄化、数据过载和医护人员倦怠。
  • 08:11 · GE HealthCare 的 D3 战略
    • 介绍专注于智能设备、疾病状态和数字健康的 D3 战略。
  • 12:31 · 智能设备与影像 AI
    • AI 加速 MRI 扫描、优先处理关键 X 射线以及引导超声波的示例。
  • 20:45 · 用于肿瘤学和肿瘤委员会的 CareIntellect
    • 使用 GenAI 综合多模态患者数据，以简化肿瘤护理和肿瘤委员会的工作流程。
  • 25:35 · 未来：代理 AI 与 Project Health Companion
    • 对能够主动推理并推荐治疗方案的多智能体 AI 系统的愿景。
  • 30:15 · NVIDIA 合作伙伴关系与技术栈
    • 概述与 NVIDIA 长达 17 年的合作伙伴关系，涵盖从边缘设备到云数据中心的各个领域。
  • 33:44 · 基础模型与 SonoSAM
    • 开发用于 X 射线、MRI 和超声波的医学影像基础模型。
  • 38:36 · 自主 X 射线与结论
    • 自主医疗设备的愿景，旨在自动化检查设置并缓解人员短缺问题。

产品发布 (9)

  • [09:25] AIR Recon DL
    • 基于深度学习的 MRI 图像重建
    • specs: 将扫描时间缩短 50%，同时提高图像质量
    • availability: 2020 年发布
  • [11:25] Command Center
    • 支持 AI 的医院运营软件
    • specs: 缩短住院时间并提高容量利用率
    • availability: 可用
  • [13:40] Sonic DL
    • 用于心脏 MRI 的深度学习技术
    • specs: 将扫描时间从几分钟缩短至几秒钟（快 12 倍）
    • availability: 可用
  • [16:18] Critical Care Suite
    • 用于移动 X 射线系统的端侧 AI
    • specs: 自动检测并优先处理气胸等危重病症
    • availability: 可用
  • [18:48] Vscan Air SL with Caption AI
    • 带有 AI 引导的手持超声波
    • specs: 为新手用户提供实时引导和质量指标
    • availability: 可用
  • [24:37] CareIntellect for Oncology
    • 基于云的肿瘤护理助手
    • specs: 汇总多模态数据并使用 GenAI 总结患者病史
    • availability: 开发中/可用
  • [26:39] Project Health Companion
    • 用于临床决策支持的多智能体 AI 系统
    • specs: 使用由监督智能体协调的专用 AI 智能体来提出治疗方案
    • availability: 概念/研究阶段
  • [33:44] SonoSAM
    • 超声波基础模型
    • specs: 在极少用户输入的情况下实时跟踪肿瘤和解剖结构
    • availability: 开发中
  • [38:36] Cosmos (Autonomous X-ray)
    • 自主医学影像设备的愿景
    • specs: 机器人自动处理患者定位和扫描仪对准
    • availability: 概念/开发中

数据 (16)

时间 指标 数值 背景
02:10 癌症诊断率 三分之一 全球将被诊断出患有癌症的人数比例。
02:20 缺乏医疗服务 45 亿 全球无法获得适当医疗服务的人数。
04:25 数据生成量 50 PB 每家医院每年生成的数据量。
04:28 未使用数据 97% 未被使用的医疗健康数据百分比。
05:25 医生时间分配 60% 花在电子病历（EMR）上的时间多于花在患者身上的医生百分比。
06:29 员工流失率 100% 主要医疗系统每五年的员工流失率。
09:38 扫描时间缩短 50% 使用 AIR Recon DL 缩短的 MRI 扫描时间。
11:17 临床试验入组率 7% 实际参与临床试验的符合条件患者的百分比。
11:48 容量增加 2,000 Deaconess Health 使用 Command Center 后每年多服务的床位数。
11:58 虚拟床位容量 35 Humber River 在不增加物理床位的情况下创造的新床位容量。
14:13 扫描速度提升 12 倍 使用 Sonic DL 提升的心脏 MRI 速度。
14:24 检查时间缩短 83% 使用 Sonic DL 缩短的心脏 MRI 整体检查时间。
35:01 数据大小 5 到 10 GB 单次 3D MR 扫描的大小。
38:35 全球 X 射线量 26 亿 全球每年进行的 X 射线检查数量。
38:35 图像废片率 25% 因定位不佳而作废的 X 射线图像百分比。
38:35 人员短缺 80% 人手不足的医疗机构百分比。

Benchmark 主张 (2)

  • [14:13] Sonic DL Scan Speed: 快 12 倍
    • vs: 传统心脏 MRI
    • gain: 将扫描时间从几分钟缩短至几秒钟，消除了长时间憋气的需要。
  • [36:56] SonoSAM Segmentation Accuracy: 90%+ 准确率
    • vs: 之前的模型
    • gain: 即使在乳腺病变等未见过的解剖结构上也能保持高准确率。

客户故事 (3)

  • [11:38] Deaconess Health
    • 部署了 GE HealthCare 的 Command Center 来管理医院运营。
    • outcome: 提高了容量利用率，每年多服务 2,000 张床位。
  • [11:52] Humber River
    • 使用 Command Center 的预测分析来缩短住院时间。
    • outcome: 在不增加物理基础设施的情况下，创造了相当于 35 张新床位的容量。
  • [17:45] Dr. Keigo Yasukawa
    • 在骑摩托艇前往日本偏远岛屿时，使用了 Vscan Air 手持超声波设备。
    • outcome: 扩大了偏远地区老年患者获得关键诊断护理的途径。

关键技术 (5)

  • 深度学习重建: 在显著缩短扫描所需时间的同时提高 MRI 图像质量。
  • 端侧 AI: 直接在移动 X 射线等边缘设备上运行 AI 算法，实现即时分诊，无需依赖云端。
  • 生成式 AI: 将非结构化、多模态的患者数据总结并综合为可操作的临床洞察。
  • 代理 AI: 利用多个专用的 AI 智能体进行推理、协调并提出全面的治疗方案。
  • 基础模型: 在海量多模态医疗数据上训练的大规模模型，以实现零样本或少样本的下游任务。

现场演示 (7)

  • [13:40] Sonic DL 与传统 MRI 扫描速度的比较。
    • True
  • [16:55] Critical Care Suite 界面展示气胸检测和置信度评分。
    • True
  • [18:48] 带有 Caption AI 的 Vscan Air SL 提供捕获超声波图像的实时引导。
    • True
  • [24:40] CareIntellect for Oncology 界面展示患者时间线和 GenAI 生成的摘要。
    • True
  • [27:35] Project Health Companion 概念展示多个 AI 智能体交互以回答临床查询。
    • True
  • [36:10] SonoSAM 通过单次点击在超声波视频中跟踪病变。
    • True
  • [39:40] Cosmos 自主 X 射线概念动画展示自动化的患者定位。
    • True

预测 / 承诺 (3)

  • [26:18, 未来] 代理 AI 将使医疗健康从被动系统转变为主动系统，能够提出输出建议并解释其逻辑。
  • [33:38, 未来] 采用 NVIDIA DGX 系统将使 GE HealthCare 处于构建基础模型的 AI 创新最前沿。
  • [39:38, 未来] 自主医疗设备将自动化检查设置和患者定位，以解决严重的人员短缺问题。

公司提及 (3)

Bill & Melinda Gates Foundation · NVIDIA · AWS

引用 (3)

97% of that data is actually just generated, it’s stored, it’s never really retrieved. — Roland Rott @ 04:56

This marks a significant difference from being a reactive system to a proactive system where the system is able to not just assist but being able to provide inputs, suggest outputs, as well as explain its logic. — Parminder Bhatia @ 26:18

Creating a world where healthcare has no limits. — Roland Rott @ 40:50

主题

医疗健康中的 AI · 医学影像 · 深度学习重建 · 代理 AI · 基础模型 · 多模态数据综合 · 肿瘤护理 · 自主医疗设备 · 医疗倦怠 · 医疗服务获取 · 边缘计算 · 生成式 AI

要点

  • 医疗健康面临巨大的全球性挑战，包括人口老龄化、严重的医护人员倦怠，以及 97% 的生成数据未被使用。
  • GE HealthCare 的 D3 战略专注于智能设备、疾病状态以及数字健康与 AI，以应对这些系统性挑战。
  • 直接嵌入设备（如 Sonic DL 和 AIR Recon DL）的 AI 大幅缩短了扫描时间并提高了图像质量，从而提升了患者的舒适度和吞吐量。
  • CareIntellect for Oncology 使用生成式 AI 综合碎片化、多模态的患者数据，为临床医生节省了数小时的手动审查时间。
  • 医疗健康 AI 的未来涉及代理 AI，其中多个专用的智能体协同推理并提出个性化的治疗方案。
  • 正在开发用于医学影像的基础模型（如 SonoSAM），以实现跨各种解剖结构的零样本或少样本分割和跟踪。
  • GE HealthCare 正与 NVIDIA 密切合作，利用其从边缘 RTX GPUs 到 DGX 数据中心系统的全栈技术来驱动这些创新。
  • 自主医疗设备（如 Cosmos X 射线概念）旨在自动化患者定位和检查设置，以缓解严重的人员短缺问题。