NVIDIAとシーメンス・ヘルシニアーズ：NV-Raw2Insights-USが生の超音波信号から直接学習し、リアルタイムで画像を補正

2026年4月28日、NVIDIAとSiemens Healthineersの研究者たちはNV-Raw2Insights-USを発表しました。これは従来の超音波処理パイプラインを根本から変えるAIモデルです。従来のビームフォーミング（beamforming）は、超音波プローブから取得した数百万のエコーを最終画像に圧縮する際、物理的仮定（例：体内の音速が一定）を前提とします。NV-Raw2Insights-USはこの圧縮処理の前、すなわち**rawチャンネルデータ（raw channel data）**から直接学習します。

モデルは具体的に何をするのか？

このRaw2Insightsの最初のアプリケーションでは、NVIDIAとシーメンスが組織内の音速を推定し、適応的な画像フォーカシングに活用します。システムは1回のAI推論で患者固有の音速マップを生成し、それをスキャナーにリアルタイムでフィードバックしてライブ撮影中の画像を補正します。従来は複雑な計算を必要としていた処理が、シングルパス推論（single-pass inference）で実現されます。Siemens HealthineersのAI & Advanced Platformsグループに所属するIsmayil GucarとRickard Loftmanがこの共同研究をリードしました。

どのようにデプロイされるのか？

Raw超音波チャンネルデータは信号の帯域幅が非常に高いため、臨床スキャナーでの取得は容易ではありません。NVIDIAのHoloscan Sensor Bridge（HSB）（オープンソースのFPGA IPコア）がRDMA over Converged Ethernetを介して低遅延でデータをGPUメモリに転送します。デモではAltera Agilex-7 FPGA開発キット、ACUSON Sequoiaスキャナー（シーメンス）、そしてNVIDIAが**「Data over DisplayPort」と呼ぶ技術（スキャナーのDisplayPort出力から生信号をストリーミング）が使用されました。推論はNVIDIA IGX ThorまたはDGX Sparkシステム内のBlackwell-classのGPU**上で、NVIDIA HoloscanエッジAIプラットフォームの下で実行されます。

オープンに公開されたものは何か？

NVIDIAは完全な研究パッケージをオープン公開しています。GitHub（github.com/NVIDIA-Medtech/NV-Raw2insights-US）、モデルの重み（weights）（huggingface.co/nvidia/NV-Raw2Insights-US）、およびデータセット（huggingface.co/datasets/nvidia/NV-Raw2Insights-US）です。今回の発表には詳細なベンチマーク（benchmark）データや臨床検証は含まれておらず、焦点はアーキテクチャとコンセプトにあります。NVIDIAは強調しています。この技術は研究開発段階にあり、臨床承認を受けていないと。より広いメッセージとして：事前処理された画像ではなく各患者の物理的特性から学習する「AIネイティブイメージング」のアプローチが、次世代のAI駆動型診断システムのモジュラー基盤となり得ます。