医疗保健领域的人工智能推动癌症诊断

台湾国立清华大学在研究先进的 3D 成像和人工智能时，研究人员发现了一个令人振奋的潜在应用：帮助病理学家以更快的速度和更高的精度诊断癌症肿瘤。他们获得了大学的许可并成立了一家初创公司 JelloX Biotech Inc.，但很快发现医院还远远没有准备好采用这项技术。

大多数病理学家仍然通过肉眼检查组织样本并耗费人力做记录，这是一个耗时数小时的艰苦过程。很少有人转向数字 2D 或 3D 图像分析，部分原因在于传统上其需要安装昂贵、复杂的显卡设备。

医疗保健中的计算机视觉

尽管医生的观察力训练有素，但他们并不总是能正确地把握重要的细节。肿瘤样本很复杂——每个样本都包含 10 到 30 个参数，必须对其进行分析以确定细胞是否癌变、分裂的速度如何以及与正常组织相比它们看起来的健康或不健康程度等因素。

JelloX 首席技术官 Jarvis Yu-Chieh Lin 表示：“研究发现，如果邀请多名病理学家对同一组织样本进行分析，则诊断之间会存在 20% 到 30% 的分歧。这意味着患者有可能获得有关其病情的错误信息，从而延误正确的治疗。”

误诊对患者来说是雪上加霜。他们可能会错过良机，本有机会让他们更早地使用最合适的药物来抗癌，或者不用经历他们可能本不需要的化疗。

为了在不耗费巨资的情况下提高诊断能力，Lin 和他的同事着手创建一种边缘解决方案，该解决方案可以快速发现和提炼比病理学家所能观察到的更多的信息，而无需安装昂贵的显卡设备。

在病理学中使用人工智能 3D 成像

经过三年的开发，JelloX 创建了一个原型，即 MetaLite 数字病理学边缘解决方案，它可以在一到两分钟内分析每个组织样本参数，而使用标准计算机则需要一个小时。该解决方案使用了边缘计算设备，其由英特尔^® 处理器和通过英特尔^® OpenVINO^™ 工具套件部署的自定义人工智能算法提供支持。大多数医院扫描仪都可以轻松进行配置以与该软件搭配使用，该软件还让医生可以在工作时添加注释（视频 1）。

病理学家可以选择实时查看一些参数并将其他参数保存以备后用。来自扫描和边缘设备的数据被发送到医院服务器，在那里可以用人工智能在一夜之间详细分析数百个参数，第二天早上就可以在查看处理好的结果。

人工智能模型在从许多来源积累的海量数据集上进行训练。它们处理的信息量太大，人类无法消化，但算法可以快速进行处理并利用结果对组织样本进行分类，并对疾病的进程做出推断和预测。

Lin 解释说，“医生很难对某些参数进行最终分类。当人工智能进行计算时，它会为医生提供一个刻度或尺子，供他们判断影像时使用。”

人工智能洞察可以帮助医生提高诊断准确性并研制更好的治疗方法，Lin 认为，“如果我们有好的人工智能辅助工具，也许患者的存活率和存活时间会提高。”

人工智能分析对医学研究人员也很有价值，使他们能够发现癌细胞的新特征，并更好地了解它们的机理。Lin 说，“算法可以从影像中挖掘出更多信息并进行严格的分析，提供有关形态和蛋白质生物标志物特征的更多信息。”

目前，中国台湾台北荣民总医院和麦凯纪念医院的研究人员正在使用 MetaLite 来识别癌组织的新生物标志物，并更精确地计算肿瘤面积。一旦该平台获得台湾卫生部门的批准，医院计划将其用作诊断工具。

制药公司也可能从人工智能组织分析中受益，使用它来确定哪些患者最有可能从即将进行临床试验的药物中受益。

通过联合学习扩展医疗保健领域的人工智能

随着医院扩大人工智能在病理学中的使用，他们获得的数据将用于训练未来的人工智能模型，从而提高准确性。通过被称为联合学习的过程，医院现在可以安全地与他人共享影像数据，同时将敏感的患者信息限制在自己的服务器上——这种功能曾经被认为是不可能实现的梦想。JelloX 正在开发支持联合学习的新版本软件。

Lin 表示，“通过联合学习，将更快地积累数据，从而提升人工智能并提高速度和数据一致性。在病理学中使用人工智能将推动精准医疗，帮助医生改进诊断和治疗，并促进制药公司更快地开发新药。”