Paige AI 利用 NVIDIA 超级计算机提高癌症病理研究速度

作者 Mona Flores

每年仅美国就有 60 万人死于癌症。精确的诊断是治疗癌症的关键,而人工智能可以提供帮助。

乳腺癌、肺癌和前列腺癌等常见癌症,如果在癌症早期得到诊断,将会有很高的治愈率。然而,病理医生对肿瘤进行诊断的过程是一个全人工的、具有高度挑战性且非常耗时的过程。

一直以来,对于每个癌症病理,病理医生都要分析几十个玻片,寻找指向癌症诊断的线索。例如,对于单个乳腺癌病例,就会有超过 60 个玻片,而其中只有几个玻片可能含有重要发现信息。

人工智能可以在病理医生处理海量数据时加速和改进其工作流程,从而帮助病理医生提高工作效率。它为病理医生提供用于分析图像的工具、提供基于以往病理的见解,并通过定位病变位置来加速诊断。

Paige.AI 正在将人工智能应用于病理学,先从前列腺癌和乳腺癌入手,提高诊断准确度,为患者提供更好的结果判断。今年的早些时候,FDA(美国食品和药物管理局)授予Paige.AI“突破性认定”,这是首次对可用于诊断癌症的人工智能技术进行的此类认定。

FDA 对能够为威胁生命或不可逆的衰弱疾病提供更有效的诊断或治疗技术进行认定,这些技术的及时可用性符合患者的最佳利益。

为了在癌症诊断中有所突破,Paige.AI 将接入数以百万计的病理玻片,提供训练和开发最先进的人工智能算法所需的大量数据。

DGX-1 AI supercomputer
事实证明,NVIDIA DGX-1 是全球许多前沿 AI 研究人员的重要研究工具。

为理解所有数据,Paige.AI 使用了由10 个互相连接的 NVIDIA DGX-1 系统组成的人工智能超级计算机。该超级计算机具有开发病理学临床级别模型所需的超过 10 千万亿次的强大计算能力,并且首次弥补了从研究到造福未来患者的临床环境的差距。

NVIDIA 技术的使用案例之一是 Paige.AI 近期进行的一项研究,该研究使用了 7 个 NVIDIA DGX-1 系统来对神经网络进行全新数据集训练,用以检测前列腺癌。该数据集中包含 12160 个病理玻片,相对于之前的病理数据集,增加了两个数量级。研究人员在对一个含有 1824 个真实病理玻片的测试集进行测试时,在没有任何手工图像注释的情况下实现了接近完美的准确度。

人工智能将病理医生处理数据的时间降到最短,帮助他们专注于病理分析工作。尤其是在当前病理医生短缺的情况下,这一点至关重要。

据医学杂志柳叶刀报导,在非洲撒哈拉沙漠以南的地区,每一百万人只有一位病理医生,而在中国每 13 万人才有一位病理医生。在美国,大约每两万人就有一名病理医生。但是,研究预计,到 2030 年,这一数字将下降到约每 3 万人有一名病理医生

人工智能通过对显微镜下及细胞生物学中所见结构的研究进行定量分析,从而促进了计算病理的迅速发展。通过将全新图像分析、计算机视觉和机器学习技术相结合,这种进步才得以实现。

Paige.AI 的联合创始人兼首席科学官 Thomas Fuchs 博士说道,“在 NVIDIA 技术的帮助下,Paige.AI 才能从数十万张全载玻片的超高清图像中对深度神经网络进行训练。最终实现了用于病理分析的临床级别的人工智能技术。”“我们的愿景是帮助病理医生提高工作效率,为研究人员提供新的见解,以及帮助临床医师改善病患护理。”

图片来源:美国国家癌症研究所,Cecil Fox 博士,发布于 Wikemedia Commons