GTC Digital 大會有免費線上數十場關於人工智慧 (AI) 運用在醫療影像領域的課程，而主講人來自全球頂尖放射科與學術醫療中心的專家。
這還只是 GTC Digital 大會精彩活動的一部分，其他包含 NVIDIA GPU 技術大會眾多現場直播與隨選播放的網路研討會、訓練課程以及諮詢互動時間。
放射學、基因組學、顯微鏡學等領域的醫療創新者在 GTC Digital 大會中，分享各自領域應用 AI 與 GPU 加速技術的最新進展。
來自澳洲雪梨的研究人員使用 AI 分析大腦掃描影像；美國麻州的研究人員從超音波影像中分割出前列腺，以協助醫師微調輻射劑量；德國慕尼黑的研究人員則是簡化取得放射學報告的流程，目的在即時獲得報告。
在研究神經退化性疾病時，將腦部組織長期減損的情況進行量化，有助於醫師與臨床試驗執行者監控疾病的進展。放射科醫師通常用肉眼來檢查腦部掃描影像，將腦萎縮分為「中度」或「重度」，作為質化評估。透過加速運算技術，將能在不浪費時間的前提下，以精確的量化方式測量腦組織減損情況。
澳洲的雪梨神經影像分析中心 (Sydney Neuroimaging Analysis Centre, SNAC) 進行神經影像研究與臨床試驗的商業影像分析作業，將在 GTC Digital 大會上分享該中心如何運用 AI及 NVIDIA GPU加快 AI 工具的運算速度，這些工具可以在其研究工作流程中自動執行繁重的分析工作。
SNAC 所開發出的模型可以精確地從頭部掃描影像中分離出大腦影像，並針對多發性硬化症患者分割腦部病變。無論病變的數量或大小為何，AI 將減少分割與判斷腦部病變的時間，將原本人工檢查需要花費的十五分鐘，減少至三秒鐘即可完成。
SNAC 使用 NVIDIA Clara Train SDK 的 AI 輔助註解工具來開發模型，並使用 NVIDIA Clara Deploy SDK 來整合臨床與研究工作流程。同時，研究如何將 NVIDIA Clara 平台作為進行聯邦學習的工具。該中心使用 NVIDIA DGX-1 伺服器、NVIDIA DGX 工作站以及搭載 GPU 的 PC 工作站，以進行 AI 演算法的訓練與推論。
約有九分之一的男性會在人生中的某個時間點，被診斷出患有前列腺癌。醫師主要使用超音波與核磁共振造影 (MRI) 等醫學影像工具來檢查前列腺的健康情況，以及規劃手術和放射線治療項目。
哈佛醫學院的研究員 Davood Karimi 正在開發一種深度學習模型，以便更快速且準確地從超音波影像中分割出前列腺。但因超音波影像中往往看不見前列腺的邊界或非常模糊，使得要分割出前列腺成為一項艱鉅的任務。
Davood Karimi 將在 GTC Digital 演講中，深入介紹去年在著名的 MICCAI 醫療會議上發表的研究論文。Karimi 使用 NVIDIA TITAN GPU，將神經網路的推論速度提高至每次掃描影像只需花上不到一秒的時間，準確度也突破放射科醫生現行的分割技術。
全球醫療服務提供者將包含醫學影像分析內容在內的患者資料，記錄到文字報告內，但不同放射科醫師或每間醫院的紀錄內容各有相異之處。
位於德國慕尼黑的 Smart Reporting GmbH 致力於簡化與規範放射科醫師的報告製作流程，並使其標準化。該公司使用結構化的報告介面，將患者資料和醫生的筆記內容整理成統一格式。
Smart Reporting 使用 NVIDIA Clara 平台從醫學影像中分割出前列腺癌病變，此影像的註解被載入至診斷報告草稿內，放射科醫師可於提供外科醫師或其他專業醫療人員最終報告前，進行批准、編輯或拒絕該草稿的內容。
身為 NVIDIA Inception 虛擬加速器計畫一員的 Smart Reporting，正與包括 Siemens Healthineers 在內的各大醫療單位合作。
Smart Reporting 的首席軟體工程師 Noerenberg 與 Alvaro Sanchez，在 GTC Digital 大會上介紹 AI 強化放射學工作流程的優點。