摘要：据预测，到 2030 年，全球医疗健康系统将面临 450 万名护士短缺问题，其中一个主要原因是护士工作强度过大。领先的制造业企业 Foxconn 正在通过 NVIDIA 加速的方案解决这一挑战，比如协作护理机器人 Nurabot，它可以用于分担耗时且繁琐的任务

全球领先的电子制造商正在利用 NVIDIA 技术，构建从数据中心到边缘的智慧医院解决方案。

动图由 Taichung Veterans General Hospital、Foxconn 以及川崎重工业株式会社提供

据预测，到 2030 年，全球医疗健康系统将面临 450 万名护士短缺问题，其中一个主要原因是护士工作强度过大。领先的制造业企业 Foxconn 正在通过 NVIDIA 加速的方案解决这一挑战，比如协作护理机器人 Nurabot，它可以用于分担耗时且繁琐的任务，如在医院内运输药物和样本。

Nurabot 只是 Foxconn 智慧医院应用的场景之一，它基于 NVIDIA 技术开发，并已在台湾地区领先的医疗中心部署。其他工具包括支持患者健康监控的 AI 模型，以及用于帮助管理团队设计规划的医院设施数字孪生等。

这些应用可以结合起来，并借助 NVIDIA 物理 AI 及其三台计算机解决方案，将医疗中心转变为智慧医院。首先，通过超级计算机训练和微调大规模 AI 模型。其次，利用数字孪生在仿真环境中，进行规划、测试和机器人训练。最后，通过边缘计算系统实现针对机器人和传感器的快速 AI 推理。

Taichung Veterans General Hospital (TCVGH)、Baishatun Tung Hospital – Mazu Hospital、以及 Cardinal Tien Hospital 等台湾地区医疗健康机构已采用 Foxconn 的智慧医院解决方案，为临床医生提供支持，并推动患者护理的发展。

TCVGH 目前正在进行 Nurabot 的现场试验。医院护理部门副主任 Shu-Fang Liu 表示：“台湾地区拥有高度发达的医疗基础设施，同时大力推动医疗数字化转型，这为推动机器人技术创造了理想的环境。机器人正在拓展我们的能力，使我们能够提供更有针对性和价值的护理服务。”

从数据中心到边缘，

为智慧医院提供支持

Foxconn 的智慧医院解决方案始于数据中心，在这里高性能计算被用于开发大型 AI 基础模型，例如基于 NVIDIA Nemo 框架开发的大语言模型 (LLM) FoxBrain。FoxBrain 基于 NVIDIA Hopper GPU 进行训练，能够进行文本转语音、自动语音识别和自然语言处理。

Foxconn 还利用基于 NVIDIA DGX 平台的 Honhai Super AI Computing Center 1，开发医疗健康专用 AI 模型。这些模型将通过由 NVIDIA AI 赋能的 CoDoctor AI 平台提供，可提升诊断准确性并优化临床工作流，包括视网膜成像、生命体征监测、心律失常筛查和癌症筛查等。

Tungs’ Taichung MetroHarbor Hospital 放射科的临床医生在医疗影像工作中使用 Foxconn 的 CoDoctor AI 平台

图片由 Foxconn 提供

Foxconn 还与医疗中心合作，集成了用于视频搜索和总结的 NVIDIA AI Blueprint，这可以实现实时视频数据分析，向医护人员发出医疗事件警报，并为医院管理团队生成可视化摘要。

Foxconn 将其用于冠状动脉分割的 AI 模型 CoroSegmentater 提供给 MONAI 开源医疗影像平台，该平台由 NVIDIA 和领先的学术医疗中心共同开发。该模型基于 MONAI 的 Auto3DSeg 3D 医学图像分割框架，可用于支持诊断、术前规划和患者教育。

临床团队可以使用 Foxconn的 CoroSegmentater 模型结合 NVIDIA Omniverse 平台，对心脏进行 3D 可视化

图片由 Foxconn 提供

临床团队可以通过基于 NVIDIA Omniverse 的 NVIDIA Isaac for Healthcare，在 NVIDIA OVX 服务器上运行的心脏和血管系统 3D 可视化系统中，直观呈现分割的结果。Foxconn 还使用 Omniverse 开发了一款工具，该工具能够模拟药物治疗对乳腺癌患者肿瘤的影响。

除了仿真生物学，Foxconn 还与 TCVGH、Baishatun Tung Hospital – Mazu Hospital 和 Cardinal Tien Hospital 合作，使用 NVIDIA Omniverse 对医疗健康设施进行仿真。通过精准的物理仿真，医院可以规划新设施的设计，基于数据优化运营决策，并构建训练机器人的仿真环境。

TCVGH、Baishatun Tung Hospital – Mazu Hospital 和 Cardinal Tien Hospital 医院设施的数字孪生

例如，TCVGH 为其医院内的一个护理站和病房构建了数字孪生，作为 Nurabot 的训练场，使机器人系统在进入真实环境测试之前，可以在虚拟走廊中进行导航练习。

TCVGH 作为协作护理机器人试点

Nurabot 由 Foxconn 和川崎重工业株式会社开发，搭载 FoxBrain LLM，借助 Isaac for Healthcare 进行虚拟训练，并使用在 NVIDIA Jetson ORIN 上运行的 NVIDIA Holoscan 传感器处理平台实现板载计算。

Foxconn 预计，如果将 Nurabot 部署到临床应用中，用于提供药物、运输标本物和巡逻病房，可以将护士的工作量减少 30%。

Liu 表示：“在我们的一个病房，我们正在使用 Nurabot 向患者提供伤口护理套件和健康教育材料。对于护士来说，机器人助手可以减轻身体疲劳，节省往返物资房的行程，使他们能够更专注于患者护理。”

TCVGH 使用 Nurabot 进行现场试验

图片由 TCVGH、Foxconn 以及川崎重工业株式会社提供

在访客探访时段，Nurabot 可以帮助引导患者和访客通过病房，减轻一线员工的管理工作量。而且，夜班人员短缺时，它也可以填补人力缺口。

Liu 希望未来护理机器人很快能够以多种语言与患者对话，识别个体以实现个性化互动，并协助护士搬运患者。

例如，患有肺部疾病的人可能需要两名护士的帮助才能从病床上坐起来，转移到椅子上进行呼吸练习。在 Nurabot 等助手的帮助下，该任务可能只需要一名护士就能完成，而另一名护士可以专注于照顾病房的其他患者。

TCVGH 对 Nurabot 的现场试验，收获了护士和患者的积极反馈，医院计划将在今年年底之前部署数十台机器人，为护理团队提供支持。

来源：NVIDIA英伟达中国