物联网开发

盘点AI医疗中的技术进展,下一步将是AI制药

  AI的面世,伴生出了不少新兴职业,比如人社部和工信部日前就制定了六项新的国家职业技能标准,人工智能训练赫然在列。但在AI技术的辐射下,这些训练工作也开始逐步渗透进医疗行业,医疗研究人员也开始学起了“炼丹”。


AI制药


  医疗设备中的大算力


  今年秋季的GTC大会上,英伟达发布了Clara Holoscan医疗影像解决方案,大幅扩展了GPU在医学领域的应用。Clara Holoscan是基于英伟达AGX Orin打造的平台,集成了12核Cortex-A78AE CPU、2048核的安培GPU和2个NVDLA 2.0加速器,在15W至50W的功耗下,可实现200 TOPS(INT8)的算力。Clara Holoscan将医疗设备与边缘服务器无缝桥接,并以此创建相关的AI微服务,要求低延迟的应用程序在设备上运行,复杂任务则传回数据中心处理。


  超声波彩色多普勒成像,也就是我们常说的彩超,是一种非侵入式观察体内血流的方法,可用于检测动脉或静脉中的血块。然而在扫描过程中,血流速度很可能会超过仪器准确测量的速度范围,因此生成的混叠伪影会阻止最终的可视化成像。


  而成像问题早就是AI应用中老生常谈的挑战了,医疗领域也不例外。滑铁卢大学的一组研究人员通过1000多张图像训练了一个U-Net卷积神经网络,用于检测与去除伪影。他们将超声波探头接入us4us公司的开发的超声波前端设备,再接入英伟达的Clara开发者套件,借助Clara Holoscan SDK、CUDA和Tensor RT等工具,识别出伪影部分后,成功在最终成像上消除伪影,还将FPS提高了一大截,从过去的每秒2帧提升到了每秒30帧。


  医患保密协议,AI如何解决隐私问题


  人工智能技术已经成功赋能了我们生活中的各行各业,借助大数据和模型,我们已经深受其益。但与此同时,随之而来的隐私问题不断滋生,不仅是互联网和金融领域,在医疗领域也是如此。这就为医疗领域AI模型的研究带来了困难,因为医疗研究人员不得向外界泄露任何病人隐私,必须保存在数据创建所在地。但不少研究都要用到不同地区或不同人种之间的数据,所以只能走传统的合作共享方式。


  联邦学习是一种用于训练来自多个数据源的人工智能模型的方法,这种方法只会分享AI模型的权重,而不会将数据外传。在做到数据共享的同时,又能保持数据匿名,从而消除了研究人员和机构对数据分享与合作的抵触。


  今天秋季,英伟达组织了全球最大的一项联邦学习研究,研究人员使用了全球20多个机构的数据来训练联邦学习模型,将其称为EXAM(EMR胸部X光AI模型),该模型使用生命体征、实验室数据和胸部X光作为数据输入,来确定确诊新冠病人未来所需补充的氧气量。从上图也可以看出,在输入年龄这项参数时,仅仅给出了最小值、最大值、平均值和标准差,并未透露任何具体的患者数据。


  英伟达于近日的RSNA21大会上开源了FLARE,一个开源可扩展的SDK,可让研究人员和数据科学家们对已有的机器学习和深度学习工作做适应。FLARE代表的是Federated Learning Application Runtime Environment(联邦学习应用运行时环境),这也是英伟达已有的Clara Train联邦学习软件所用到的底层引擎,这套软件早已用于医疗成像、基因分析、肿瘤学和新冠病毒研究。


  美国AI医疗软件公司Rhino Health已经将FLARE集成到其联邦学习解决方案中,马萨诸塞州总医院在使用这套方案后,直接用上了全球其他六大医疗机构的数据,开发出了一种更准确针对脑动脉瘤的AI模型。


  英伟达称FLARE可以与现有的AI框架集成,比如已经在医学成像中获得应用的MONAI框架。此外,由于FLARE基于模块化的架构,研究人员可以自行组建工作流,迅速尝试不同的实验。


  放射治疗中的医学影像技术


  在如今的癌症筛查、减少误诊和改善肿瘤识别与治疗项目中,AI同样赋予了强大的推动力。在临床医学中,为了精确定位肿瘤的位置,医生往往会在CT和MRI上来回检视,花费数十分钟以上勾画出肿瘤轮廓。该步骤对于放射线治疗来说至关重要,如果勾画的太小,放射线可能没有覆盖到整个肿瘤,给了肿瘤再度生长的空间,但如果勾画的太大,又容易伤害到正常的组织。因此通过GPU加速运算生成AI模型,就可以准确在图像中勾勒出肿瘤的边界。


  过去许多研究机构与治疗中心的AI模型是在低分辨率的图像上进行训练的,借助英伟达提供的AI企业套件,其研究人员可以利用A100 Tensor Core GPU对高分辨率图像进行训练,如此一来生成的模型,在临床医生对病人进行诊断时,可以更好地定位肿瘤的大小和位置。不过AI并没有起到取代医生的作用,更像是作为CT扫描的替代方案,在治疗当天用其来优化治疗方案,验证放射治疗的计划。


  未来十年是AI与生物制药融合的大好时机


  11月30日,在线上召开的“MEET2022智能未来大会”上,清华大学智能产业研究院院长张亚勤分享了“人工智能赋能生命科学”的观点。在他看来,现在整个生物世界在走向数字化、自动化,由于这些进展,整个生命科学的生物制药会更加快速、精准,更安全,更经济,更加普惠。


  张亚勤表示,整个信息产业,过去三十年最大的突破就是数字化。从内容数字化到企业数字化,再到3.0物理世界的数字化和生物世界的数字化。“我们大脑身体、器官我们蛋白质基因细胞分子都在数字化;另一方面,人工智能、算法、算力和系统快速进展,使得大量的数据有使用的场所,同时人工智能也推动生物试验的自动化。”


  “人工智能算法,加速生命健康和生物医药的快速发展。”张亚勤表示,现在要开发新药需要超过十几年的周期,十亿美元的投入,这个遇到很大瓶颈,AI正在改变这么一种状况。


  张亚勤认为,人工智能和生命科学方面尽管有很多可以合作的地方,但是也有很多壁垒,两个行业是两类不同的语言体系,两类不同的科学家,未来很重要的是,怎么样能把这两个行业无缝连接起来。现在整个生物世界在走向数字化、自动化,也包括智能的科学计算,像分子动力学,包括薛定谔的方程,都会和AI相辅相成。“另外计算方式,包括人工智能,包括数字驱动等,机器原理可以快速的帮助我们解决生命健康的一些问题。由于这些进展,整个生命科学的生物制药会更加快速、精准,更安全,更经济,更加普惠。”


  “在整个AI+生命科学发展中也存在挑战,算法的透明性、可解释性、隐私安全、伦理等问题,因此,未来十年是整个生物制药和人工智能融合的大好时机,也是行业发展的最大的机遇。”张亚勤说到。


  “AI制药”会将药价降低吗?


  “其实早在2007年,科学家就采用了基于计算机的细胞识别,即从显微镜下获得细胞成像。”罗纳德·韦尔说,在药物研发中AI是不可缺少的辅助工具,例如,有时候人类没办法通过眼睛去检查数目众多的微小细胞,而通过训练计算机,可以快速找到某种特定细胞,形成有价值的结论。


  在西医领域,AI的触角可以延伸至新药研发的多个关键环节,在中医领域,AI的触角同样可以发挥作用。上海交通大学副校长毛军发说:“诺贝尔奖获得者屠呦呦通过翻阅大量中医文献找到了青蒿素的药物提取来源。但中医典籍浩如烟海,让人类逐本翻阅、分析,耗时长、效率低,如果让机器‘读古籍’,再借助大数据的有效分析,将会发现不少取材于中草药的有效药物。”


  “AI制药已经起航,它肯定能帮助人们提升寻找药物小分子的效率、缩短合成路线,最终为新药研发提供崭新的途径。”上海交通大学分子医学研究院院长谭蔚泓说。


  如果“AI制药”是大势所趋,那药价会随之降低吗?多位受访专家表示,“AI制药”有望从两方面对降低药价产生影响:一是,药企不必将所有临床试验失败的成本转嫁给消费者;二是,通过加快新药上市速度,企业可拥有更多专利保护年限,从而平衡研发成本。


  AI强势挺进传统制药行业,前路究竟如何?业内认为这还需时间检验,因为目前还没有一款AI研发的新药被批准上市。对于AI是否会最终取代药物研发人员,受访科学家的回答是:“AI不会取代药物研发人员,但是使用AI的药物研发人员将有可能取代那些不使用AI的人。”


  郑州博观电子科技有限公司是一家提供科技类物联网开发软硬件定制化方案服务商、也是中原地区领先的物联网终端设备解决方案提供商。致力共享换电柜、智能充电桩、共享洗车机、物联网软硬件等服务平台的方案开发与运维。总部位于河南省郑州市高新区,已取得国家高新技术企业认证证书。经过10多年的业务开拓,公司已经形成了以中原地区为中心、业务遍布全国的经营格局。


注:本站文章部分文字及图片来自互联网。如有侵权行为,请联系我们,我们会及时删除。