英特爾以AI模型助力研究人員高精度檢測乳腺癌

Madhu Nair博士和Asha Das博士即將取得巨大突破，即利用人工智能（AI）模型在從患者組織樣本中獲取的掃描圖像中檢測乳腺癌細胞。

然而，這兩位來(lái)自印度的研究人員面臨著(zhù)巨大的挑戰。通常，他們需要花費數月的時(shí)間，艱難地教他們的AI模型去準確地識別癌細胞。而Das與她的團隊經(jīng)常需要耗費數周來(lái)審閱高分辨率、百萬(wàn)像素的圖像，并逐一標記出癌變區域。

因此，該團隊需要一個(gè)能夠在無(wú)人監督的情況下，準確、快速掃描這些圖像的解決方案。

針對這種情況，英特爾提供了幫助。

2022年，來(lái)自印度科欽科技大學(xué)人工智能與計算機視覺(jué)實(shí)驗室的研究人員Madhu Nair博士和Asha Das博士與英特爾工程、銷(xiāo)售及市場(chǎng)團隊展開(kāi)合作，利用英特爾^?至強^?可擴展處理器，以及充分利用英特爾CPU加速功能的英特爾^? TensorFlow優(yōu)化軟件套件，打造了一個(gè)全新的解決方案。

高需求之下，GPU力有不逮

目前，乳腺癌早期跡象的發(fā)現很大程度上依賴(lài)于放射科醫生以及負責手動(dòng)掃描組織病理學(xué)結果醫生的專(zhuān)業(yè)知識。然而，僅僅依靠人眼存在弊端。根據美國國家癌癥研究所的數據，約20%的乳腺癌跡象正在被遺漏。

而AI在這方面可以提供很好的幫助。隨著(zhù)近期算力技術(shù)的突破，越來(lái)越多的醫院開(kāi)始熱衷于使用AI來(lái)發(fā)現醫生可能錯過(guò)的跡象。12月，英特爾與賓夕法尼亞大學(xué)醫學(xué)院聯(lián)合宣布，其已幫助研究人員將癌性腦瘤的檢測率提高了33%。

Das表示，她的團隊首先采用了基于GPU的解決方案以提升其深度學(xué)習模型。然而，他們發(fā)現，由于處理大型圖像所需的計算量遠遠超過(guò)了系統的設計極限，其基于GPU的系統經(jīng)常會(huì )卡頓，甚至毫無(wú)原因地出現死機或重啟的情況，令人十分沮喪。

"我們的模型在計算上要求很高，我們試圖用GPU來(lái)訓練模型的嘗試以失敗告終"，Nair寫(xiě)道，"我們耗費了數日進(jìn)行執行，并且發(fā)現GPU很難完成更高分辨率圖像的訓練，因此，我們不得不探尋更好的計算設施"。

英特爾通過(guò)硬件及軟件提供服務(wù)

2022年，Nair發(fā)現了英特爾或許能夠提供幫助。當時(shí)，他與一位戴爾員工正在就另一個(gè)研究項目進(jìn)行會(huì )面，Nair提出了他所面臨的挑戰，而戴爾則將Nair介紹給了英特爾印度團隊。

幾個(gè)月后，他們部署了四臺服務(wù)器，在沒(méi)有任何深度學(xué)習加速器的情況下，作為單一的計算集群運行。這些服務(wù)器和存儲使用高速以太網(wǎng)網(wǎng)絡(luò )進(jìn)行連接。

在軟件方面，該聯(lián)合團隊采用了英特爾^? TensorFlow優(yōu)化，該軟件套件通過(guò)利用英特爾CPU的加速功能來(lái)提升TensorFlow的性能。

"我與英特爾團隊分享了我們的問(wèn)題，非常高興他們迅速理解了這項工作的重要性"，Nair表示，"他們給了我們使用這種分布式架構的機會(huì )。" 

Asha Das博士，印度科欽科技大學(xué)人工智能與計算機視覺(jué)實(shí)驗室的研究員。利用英特爾的硬件和軟件，其與Madhu Nair博士打造了基于CPU的解決方案，能夠在醫療圖像上檢測出乳腺癌的早期跡象。 

Madhu Nair博士，印度科欽科技大學(xué)人工智能與計算機視覺(jué)實(shí)驗室的研究員。利用英特爾的硬件和軟件，其與Asha Das博士打造了基于CPU的解決方案，能夠在醫療圖像上檢測出乳腺癌的早期跡象。 

新的解決方案不僅準確而且快速

這些結果正是研究人員所期待的，而且還有一個(gè)超乎預期的收獲：他們的模型不僅能標記出癌細胞，還能區分出不同等級的癌癥。

而且它非常準確：該解決方案達到了98%的準確率--比其他模型好約10個(gè)百分點(diǎn)。(了解更多關(guān)于該解決方案的信息：CUSAT通過(guò)深度學(xué)習改善癌癥篩查結果）。

這是個(gè)一開(kāi)始就設定的高標準。

此后，該團隊在更多的數據集上訓練其模型，研究人員預計這一準確率將逐步上升。

"英特爾的架構非常‘神奇’"，Nair表示，"我們能夠在幾個(gè)小時(shí)內完成訓練，這其中有很多原因。因為服務(wù)器有192GB的內存，比顯卡上的40GB或80GB還要多，而且我們能夠使用高分辨率的圖像，并將整個(gè)模型裝入內存。此外，英特爾還幫助我們改進(jìn)模型，并與我們共同優(yōu)化，以保證其正常運行。"

Das指出，考慮到相較于其他模型所需的訓練數據要少得多，這一準確性結果更加令人印象深刻，而且極大縮短了反饋時(shí)間。她補充道：“我們對結果非常滿(mǎn)意。”

"我們能夠在只擁有20%被注釋數據的情況下，收獲98%的準確率，這很了不起，而且很令人興奮。"

即將在你身邊的病理中心出現

接下來(lái)，對于這項技術(shù)而言，團隊將等待以確保能獲得專(zhuān)利，并與愿意顛覆一個(gè)習慣于人工干預的市場(chǎng)領(lǐng)域的商業(yè)合作伙伴達成合作。對此，Das分享了一些可能需要咨詢(xún)多位病理學(xué)家的掃描結果，每位病理學(xué)家根據他們不同的經(jīng)驗提供自己的結論。

還有一個(gè)問(wèn)題是準確性。雖然98%的準確率可能看起來(lái)很高，但對于實(shí)際應用來(lái)說(shuō)，它依然不夠精確。

現在，Das和Nair都已經(jīng)證明他們的模型能夠可靠地檢測乳腺癌細胞，他們正在研究將類(lèi)似的方法，應用于腦動(dòng)脈瘤和對內窺鏡檢查中的息肉分類(lèi)。

Das指出："我們還計劃擴展這個(gè)模型，以檢測多器官癌癥"，她補充說(shuō)，因為乳腺癌經(jīng)常擴散到手臂下的鄰近淋巴結，所以她現在正在努力擴展這個(gè)解決方案，以分析淋巴結圖像。

Nair表示："我們很感謝英特爾的支持，而且也期待未來(lái)能展開(kāi)更多類(lèi)似的合作。"