病理学家的福音！NVIDIA 助力初创公司发展 AI 辅助病理学
2020-04-01 18:27
分享到微信
分享到微博
这家位于芬兰的公司帮助病理学家，从医学图像中提取出准确度、再现性更高的结果。
病理学也就是疾病的研究和诊断，这是一个新兴产业。
随着全球人口老龄化情况加剧，癌症等疾病日益普遍，对能够分析医学图像的敏锐病理学家需求日渐上升。仅在英国，病理学家们每天就会进行近三十万项测试。
但是在全球范围内，病理学家数量严重短缺。在美国，每 10 万人中仅有 5 到 6 位病理学家。到 2030 年，这一数字预计将降至 3 到 4 位。在英国，根据皇家病理学院（Royal College of Pathology）的一项调查显示，只有 3％ 的组织病理学部门有足够的员工满足需求。在非洲某些地区，每 150 万人中仅有 1 名病理学家。
尽管病理学家承受着越来越多的压力，来分析尽可能多的样本，但患者则不得不忍受漫长的等待，才能获得结果。
NVIDIA 初创加速计划（NVIDIA Inception）的成员 Aiforia 创建了一套基于 AI 的工具，用于加快和改善病理学工作流程。
该公司在赫尔辛基和美国剑桥市设有办事处，通过揭示组织样本的定量数据，使冗长的工作实现自动化，并解决复杂的挑战。
Aiforia 首席执行官 Kaisa Helminen 表示：“如今，我们已经可以通过 AI 辅助分析为病理学家提供支持，但是 AI 可以做的远不止于此。借助深度学习 AI，我们能够从患者组织样本中提取更多信息，这些信息远不止人眼所见。”
她说：“通过这种方式，我们能够促进形态学模式的新发现，并为患者提供更准确、更个性化的治疗方法。”
隐藏的信息
AI 使自动化医疗成像任务成为现实，而传统上，这几乎是人类无法用肉眼处理的。它可以显示以前隐藏在图像数据中的信息。
借助 Aiforia 的 AI 工具辅助诊断过程，病理学家可以提升诊断结果的效率、准确性和再现性。
其基于云的深度学习图像分析平台 Aiforia Create，允许快速开发基于 AI 的图像分析算法，该算法最初针对数字病理学应用进行了优化。
Aiforia 最初开发的平台专注于癌症以及神经、传染性和生活方式疾病，但现在将其扩展到其他医疗成像领域。
对于那些想要为特定任务开发算法的人，Aiforia Create 为其提供了独特的自助式 AI 开发工具。
Aiforia 在 NVIDIA GPU 上使用卷积神经网络训练图像，并分析 AI 模型。这些网络能够在显微镜扫描仪、X射线、MRI 或 CT 扫描生成的医学图像中学习、检测和量化感兴趣的特定特征。
它的用户可以每次将少量医学图像上传到平台，该平台可以通过主动学习技术来提高为 AI 训练注释图像的效率。
用户无需在本地硬件或软件上进行投资，而是可以通过 Microsoft Azure 上托管的在线平台访问软件服务。该平台可以立即部署，并轻松扩展。
帕金森患者的福音
Aiforia 的工具也可以被用于改善帕金森病（Parkinson）的诊断，帕金森病是一种使人慢慢衰竭的神经系统疾病，每 500 人中就约有 1 人患有此病。
该疾病是由称为黑质（substantia nigra）的大脑部分神经细胞丢失引起的，这种丢失导致多巴胺减少，多巴胺是一种有助于调节人体运动的化学物质。
研究人员需要先努力找出导致神经细胞丢失的原因，这样做需要收集脑细胞（神经元）数量的无偏估计，但是此过程非常费力、费时且容易发生人为错误。
赫尔辛基大学（University of Helsinki）的研究人员与 Aiforia 合作，以减轻传统计数神经元方法带来的挑战。他们将大脑组织学图像上传到 Aiforia Hub，然后部署 Aiforia Create 工具来量化样本中的多巴胺神经元数量。
引入计算机化的神经元计数功能可提高结果的可重复性，减少人为错误的影响，并提高分析效率。
Helminen 说：“根据多次研究显示，如果将同一张显微镜载玻片发送给五位不同的病理学家，则会得到不同的结果，而使用AI则可以帮助带来结果的一致性和可再现性。”
在赫尔辛基大学进行的这项研究，不借助 AI 的情况下，通常需要数周甚至数月的时间才能实现。使用 Aiforia 的工具，研究团队能够将速度提高 99％，从而腾出了更多时间来寻找帕金森病的治疗方法。
病理学也就是疾病的研究和诊断，这是一个新兴产业。
随着全球人口老龄化情况加剧，癌症等疾病日益普遍，对能够分析医学图像的敏锐病理学家需求日渐上升。仅在英国，病理学家们每天就会进行近三十万项测试。
但是在全球范围内，病理学家数量严重短缺。在美国，每 10 万人中仅有 5 到 6 位病理学家。到 2030 年，这一数字预计将降至 3 到 4 位。在英国，根据皇家病理学院（Royal College of Pathology）的一项调查显示，只有 3％ 的组织病理学部门有足够的员工满足需求。在非洲某些地区，每 150 万人中仅有 1 名病理学家。
尽管病理学家承受着越来越多的压力，来分析尽可能多的样本，但患者则不得不忍受漫长的等待，才能获得结果。
NVIDIA 初创加速计划（NVIDIA Inception）的成员 Aiforia 创建了一套基于 AI 的工具，用于加快和改善病理学工作流程。
该公司在赫尔辛基和美国剑桥市设有办事处，通过揭示组织样本的定量数据，使冗长的工作实现自动化，并解决复杂的挑战。
Aiforia 首席执行官 Kaisa Helminen 表示：“如今，我们已经可以通过 AI 辅助分析为病理学家提供支持，但是 AI 可以做的远不止于此。借助深度学习 AI，我们能够从患者组织样本中提取更多信息，这些信息远不止人眼所见。”
她说：“通过这种方式，我们能够促进形态学模式的新发现，并为患者提供更准确、更个性化的治疗方法。”
隐藏的信息
AI 使自动化医疗成像任务成为现实，而传统上，这几乎是人类无法用肉眼处理的。它可以显示以前隐藏在图像数据中的信息。
借助 Aiforia 的 AI 工具辅助诊断过程，病理学家可以提升诊断结果的效率、准确性和再现性。
其基于云的深度学习图像分析平台 Aiforia Create，允许快速开发基于 AI 的图像分析算法，该算法最初针对数字病理学应用进行了优化。
Aiforia 最初开发的平台专注于癌症以及神经、传染性和生活方式疾病，但现在将其扩展到其他医疗成像领域。
对于那些想要为特定任务开发算法的人，Aiforia Create 为其提供了独特的自助式 AI 开发工具。
Aiforia 在 NVIDIA GPU 上使用卷积神经网络训练图像，并分析 AI 模型。这些网络能够在显微镜扫描仪、X射线、MRI 或 CT 扫描生成的医学图像中学习、检测和量化感兴趣的特定特征。
它的用户可以每次将少量医学图像上传到平台，该平台可以通过主动学习技术来提高为 AI 训练注释图像的效率。
用户无需在本地硬件或软件上进行投资，而是可以通过 Microsoft Azure 上托管的在线平台访问软件服务。该平台可以立即部署，并轻松扩展。
帕金森患者的福音
Aiforia 的工具也可以被用于改善帕金森病（Parkinson）的诊断，帕金森病是一种使人慢慢衰竭的神经系统疾病，每 500 人中就约有 1 人患有此病。
该疾病是由称为黑质（substantia nigra）的大脑部分神经细胞丢失引起的，这种丢失导致多巴胺减少，多巴胺是一种有助于调节人体运动的化学物质。
研究人员需要先努力找出导致神经细胞丢失的原因，这样做需要收集脑细胞（神经元）数量的无偏估计，但是此过程非常费力、费时且容易发生人为错误。
赫尔辛基大学（University of Helsinki）的研究人员与 Aiforia 合作，以减轻传统计数神经元方法带来的挑战。他们将大脑组织学图像上传到 Aiforia Hub，然后部署 Aiforia Create 工具来量化样本中的多巴胺神经元数量。
引入计算机化的神经元计数功能可提高结果的可重复性，减少人为错误的影响，并提高分析效率。
Helminen 说：“根据多次研究显示，如果将同一张显微镜载玻片发送给五位不同的病理学家，则会得到不同的结果，而使用AI则可以帮助带来结果的一致性和可再现性。”
在赫尔辛基大学进行的这项研究，不借助 AI 的情况下，通常需要数周甚至数月的时间才能实现。使用 Aiforia 的工具，研究团队能够将速度提高 99％，从而腾出了更多时间来寻找帕金森病的治疗方法。
