來自領先癌癥中心的科學家充分運用AI的力量來重新設計他們的數(shù)據(jù)方法

為了從數(shù)據(jù)中釋放出真正的洞察，AI和數(shù)據(jù)科學研究不能位于企業(yè)機構的外圍，而是必須成為其核心戰(zhàn)略的一部分。

美國排名第一的癌癥醫(yī)院——德克薩斯大學安德森癌癥中心（MD Anderson Cancer Center）正在這樣做。該中心專注于數(shù)據(jù)治理，數(shù)十名研究者推進各項AI加速腫瘤學項目以改善病人護理。

安德森癌癥中心首席數(shù)據(jù)官Caroline Chung博士表示：“我們正在關注上下文中的數(shù)據(jù)，確保能有一個經(jīng)過協(xié)調的元數(shù)據(jù)供應鏈來解決目前AI模型臨床轉化中的挑戰(zhàn)。為了建立更好、更強大的預測模型，我們需要一項經(jīng)過協(xié)調的戰(zhàn)略，該戰(zhàn)略應涵蓋從數(shù)據(jù)生成到機器學習臨床應用的每個環(huán)節(jié)。”

這種數(shù)據(jù)治理戰(zhàn)略將影響醫(yī)院采集和使用數(shù)據(jù)產(chǎn)生洞察的方式，并實現(xiàn)數(shù)據(jù)的可查找性、可訪問性、互操作性和可重復使用性。

Caroline Chung表示：“這是文化上的一個巨大改變。我們能夠捕捉到帶有上下文信息的數(shù)據(jù)越多，我們能夠提出的問題就越復雜，就更有可能使用機器學習的洞察力來幫助我們的臨床醫(yī)生改進與病人的互動，指導以數(shù)據(jù)為依據(jù)的治療決策，實現(xiàn)符合護理目標的最佳病人護理結果。”

通過建立一條采集研究者所需的高質量數(shù)據(jù)、安全存儲數(shù)據(jù)并追蹤其使用情況的流水線，安德森癌癥中心將為各個項目提供更好的支持以幫助臨床醫(yī)生分析放射學數(shù)據(jù)、提供癌癥治療、預測敗血癥等并發(fā)癥。

該中心的許多項目已經(jīng)在進行中并在NVIDIA DGX系統(tǒng)等新GPU驅動技術的推動下加速發(fā)展。新投資將使研究者能夠獲得數(shù)千個GPU核來支持整個機構的AI項目。

將AI應用于診斷影像

腫瘤學的第一步是檢測腫瘤，而且越早越好。安德森癌癥中心正在開發(fā)早期檢測AI應用以幫助診斷胰腺癌患者，此類癌癥患者的五年生存率只有10%。

安德森癌癥中心胃腸道放射腫瘤學聯(lián)合主任Eugene Koay博士表示：“胰腺癌往往是在它已經(jīng)轉移之后才被診斷出來，此時它已經(jīng)擴散到其他器官。我們正在研究一種AI模型，該模型能夠隨時分析我們在CT掃描、核磁共振成像（MRI）研究以及內窺鏡超聲波中看到的胰腺，無論病人的就診預約是否與胰腺有關。”

胰腺腫瘤有著不同的特征。有些胰腺腫瘤移動緩慢，有些則移動快速。有些起源于胰腺中的囊腫，有些則不是。

在與早期檢測研究網(wǎng)絡的合作中，Koay和他的團隊正在研究如何使用卷積神經(jīng)網(wǎng)絡確定哪些病例最有可能發(fā)展成惡性腫瘤，使臨床醫(yī)生可為有風險的病人提供更多幫助。

影像學洞察為治療方案提供依據(jù)

當準備用放射療法治療癌細胞時，腫瘤學家依靠一個被稱為輪廓勾畫的流程來追蹤將被放射治療鎖定的腫瘤。

這是一個耗時的流程，腫瘤學家經(jīng)常積壓著有待制定放療治療計劃的病人。安德森癌癥中心放射物理學副教授Laurence Court博士希望通過AI工具減輕人工給勾畫輪廓的負擔，令醫(yī)院每年能夠多治療幾千名癌癥病人。

他對這些AI臨床工具在低資源環(huán)境中可能產(chǎn)生的影響特別感興趣，在這種環(huán)境中，放射科醫(yī)生和腫瘤科醫(yī)生短缺，使得病人更難獲得挽救生命的放療治療。

輪廓勾畫也被用于規(guī)劃核磁共振輔助放射手術，這種先進的近距離放射治療方法通過植入的種粒將輻射劑量傳遞給癌組織。安德森癌癥中心放射腫瘤學家Steven Frank博士使用這種療法來治療前列腺癌。

在核磁共振成像上對前列腺和周圍器官進行精確的輪廓勾畫可以確保放射性種粒被送至正確的區(qū)域，使其能夠治療癌癥而不傷害鄰近組織。

正在Frank實驗室開發(fā)轉化型AI的安德森癌癥中心醫(yī)學影像物理學研究員Jeremiah Sanders博士表示，通過一個使用先進GPU技術的AI模型，中心的腫瘤學家提高了近距離放射治療計劃制定和治療質量評估過程中的輪廓勾畫質量。

為了確定輻射輸送質量，Sanders和Frank還在研究一個在近距離放射治療手術后使用的模型——分析前列腺核磁共振成像研究的AI應用。該模型所提供的洞察可以幫助臨床醫(yī)生確定是否需要額外的治療以及如何在治療后管理病人。

注意AI模型的準確性

為了使AI模型在臨床環(huán)境中取得成功，醫(yī)學研究者需要抓住神經(jīng)網(wǎng)絡難以解決的情況并重新訓練它來提高應用的性能。

安德森癌癥中心影像物理學和放射物理學教授Kristy Brock博士正在開展一個異常檢測項目，確定AI模型無法通過CT掃描對肝臟腫瘤進行輪廓勾畫的情況，例如病人肝臟內有支架或器官周圍有液體的異常圖像。

通過識別這些罕見的失敗情況，研究者可以加入更多與神經(jīng)網(wǎng)絡之前偶遇情況類似的訓練案例。這種連續(xù)訓練方法能夠有選擇性地加強訓練數(shù)據(jù)，從而更高效地提高模型性能。

Brock表示：“我們不想繼續(xù)采集與我們前150次掃描相同的數(shù)據(jù)，而是希望識別能增加我們樣本數(shù)據(jù)集變化性的案例，而這又能提升模型的準確性和通用性。”

原文標題：安德森癌癥中心研究者使用AI徹底改變癌癥護理

文章出處：【微信公眾號：NVIDIA英偉達】歡迎添加關注！文章轉載請注明出處。