На протяжении десятилетий патологи ставили диагноз рака, выполняя биопсию и исследуя образец опухоли пациента под микроскопом. Теперь все большее количество патологов высшего уровня внедряют методы искусственного интеллекта для улучшения диагностики рака.
Paige.AI - это стартап из Нью-Йорка, который борется с раком с помощью ИИ. Запущенная в прошлом месяце, компания имеет эксклюзивную лицензию на передачу данных с Мемориальным онкологическим центром Слоуна Кеттеринга (MSK) - крупнейшим научно-исследовательским институтом рака в США - который имеет набор данных из 25 миллионов изображений рака («слайды»).
Как правило, патолог должен уделять значительное количество времени изучению многочисленных слайдов опухоли пациента, каждое из которых может иметь размер 10+ гигапикселей при оцифровке с 40-кратным увеличением. Даже лучшие патологи могут поставить неправильный диагноз, и профессионалы нередко расходятся во мнениях относительно диагнозов.
Вот почему вычислительная патология для исследований рака стала популярной в последние десять лет или около того. Технология включает в себя огромные объемы данных, включая патологические, радиологические, клинические, молекулярные и лабораторные тесты; вычислительная модель на основе алгоритмов машинного обучения; а также визуализированный интерфейс презентации, понятный как патологам, так и пациентам.
Решения для компьютерной патологии помогут упростить рабочие процессы в будущем, выявляя ситуации, не требующие обзора патологоанатома, - сказал Йерун ван дер Лаак, доцент Медицинского центра Университета Радбауд, в интервью Philips Healthcare.
Доктор Томас Фукс - директор отдела вычислительной патологии в MSK и пионер теоретических исследований вычислительной патологии. Он имеет многолетний опыт разработки и применения передовых методов машинного обучения и компьютерного зрения для борьбы с крупномасштабными вычислительными патологиями. проблемы.
В прошлом месяце доктор Фукс взял на себя дополнительную роль основателя и генерального директора Paige.AI. Он сказал Synced, что, по его мнению, настало время создать Paige.AI, потому что все требования выполнены: сканеры могут доставлять цифровые изображения с качеством, сопоставимым с тем, что патологи видят под микроскопом; онкологические центры сканируют около 40 000 слайдов с патологией каждый месяц; а алгоритмы глубокого обучения хорошо подходят для крупномасштабных данных.
Технология Paige.AI основана на алгоритмах машинного обучения, обученных в масштабе петабайтов из десятков тысяч цифровых слайдов. Для решения различных задач используются три модели: сверточные нейронные сети для таких задач, как классификация и сегментация изображений, рекуррентные нейронные сети для извлечения информации из отчетов о патологии и генеративные состязательные сети для изучения основного распределения немаркированных данных изображения и встраивания гистологических изображений. в пространствах признаков более низкой размерности.
Технологические гиганты считают, что их передовые алгоритмы машинного обучения обладают огромным потенциалом для обновления традиционных диагностических методологий на рынке здравоохранения, повышения точности и сокращения затрат. IBM использует слайды для обучения глубоких нейронных сетей обнаружению опухолей с 2016 года.
Тем временем Google опубликовал исследование о том, как глубокое обучение можно применить к вычислительной патологии, создав алгоритм автоматического обнаружения для улучшения рабочего процесса патологов. Google успешно разработал алгоритм тепловой карты прогнозирования вероятности опухоли, показатель локализации которого (FROC) достиг 89 процентов, что значительно превосходит средний показатель патологов в 73 процента.
«Такие компании, как Microsoft и IBM, занимаются патологией, и в целом это хорошо для всей области», - говорит д-р Фукс, который также предупредил, что технологическим компаниям, незнакомым с сектором здравоохранения, могут быть тяжелые времена. «Вы должны действительно понимать разнообразие рабочих процессов и сообщества, а также то, где и как ИИ может помочь. Кроме того, насколько мне известно, все предыдущие опубликованные статьи основывались на очень крошечном наборе данных. Увеличение набора данных с нескольких сотен изображений до сотен тысяч изображений может иметь огромное значение ».
В ближайшее время Paige.AI предоставит патологоанатомам набор приложений «AI Module», оснащенный специальной программой просмотра физических слайдов, которую можно интегрировать с любым микроскопом. Модуль AI нацелен на рак простаты, груди и легких и может выполнять такие задачи, как обнаружение рака, количественная оценка процента опухолей и анализ выживаемости.
Paige.AI уже развернула свой продукт для всех учреждений в MSK и планирует предоставить патологоанатомам модули по конкретным заболеваниям в конце этого года.
Сильная сторона Paige.AI в алгоритмах и доступе к крупномасштабным данным вызвала интерес со стороны компании Breyer Capital, которая провела для компании раунд финансирования серии А на сумму 25 миллионов долларов США. Основатель и генеральный директор Breyer Capital Джим Брейер, венчурный капиталист, известный своими умными инвестициями, в первую очередь в Facebook, написал в блоге на Medium: «Paige.AI готов стать лидером в области вычислительной патологии и бесспорным лидером среди тысяч медицинских ИИ. конкуренты ».
Paige.AI определенно не намерен ограничивать свою продукцию просмотром слайдов - компания стремится полностью изменить парадигму диагностики и лечения. «С Paige.AI мы можем, например, на основе сотен тысяч слайдов дать лучшую оценку, потому что вы действительно можете соотнести так много пациентов с результатами. Затем мы вычисляем эту корреляцию и, конечно же, меняем то, как вы оцениваете пациентов, а также как и какие лекарства назначаются », - говорит д-р Фукс.
Несмотря на то, что путь Paige.AI впереди непрост, тем более, что компания все еще находится на очень ранней стадии своего развития, доктор Фукс полон решимости вывести свою компанию на передний план во внедрении ИИ в здравоохранении и их исследованиях. может вызвать дальнейшие технологические прорывы в области вычислительной патологии.
Журналист: Тони Пэн | Редактор: Майкл Саразен
