初创公司利用深度学习助力医生检测痴呆症

痴呆症的诊断往往一开始都是“盲人摸象”的状态——患者或其家人察觉到了一些可能是痴呆症的表现，然后预约医生就诊。

但是，由于痴呆症需要医生对患者进行持续观察，根据患者随着时间的推移而出现的病情表现来确定其是否真的患有痴呆症，因此痴呆症的诊断可能需要数月乃至数年的时间观察才能最终确诊。

在放射科医生通过医学影像扫描结果对患者进行诊断的过程中，他们通常缺乏有关患者大脑结构在不同时期测量值的定量数据。在诊断过程中，他们只得依赖于自己的双眼，通过视觉对患者的大脑扫描结果做出估量，用四五分制对患者的脑萎缩程度进行判断打分。

这种定性打分方式是目前专家们主要依赖的诊断方式，因为即使可以对患者大脑进行连续扫描，放射科医师由于只能通过手动计算的方式计算大脑结构体积，依然会使得数据量化时间非常长。

“让放射科医生这样做太昂贵了，” Quantib的首席技术官Jorrit Glastra说道，Quantib是一家总部位于荷兰的创业公司，其目前正在致力于通过深度学习的方法来解决这个问题。

AI可以帮助加速分析大脑MRI数据，只需几分钟就能为放射科医师和神经科医生生成患者的大脑结构量报告。通过查看这些硬性数据指标，专家可以更轻松地评判患者大脑随时间的变化，从而缩短诊断时间。

“疾病诊断时间越长，患者需要的护理就越多，医疗花销也将更大，” Glastra说。“因此尽早地确诊病情，对于患者来说至关重要。”

作为NVIDIA初创加速计划的成员，Quantib在NVIDIA V100和K80 GPU上训练其深度学习算法。其人工智能软件Quantib ND目前已获得了美国FDA批准以及欧洲CE认证。

该公司的技术现已在欧洲、北美和亚洲约20个国家获得应用。

把数学计算交给AI

全球有5,000万人正在遭受着痴呆症的困扰，而且随着全球人民预期寿命的增加，这一数字将会在未来几年内进一步增长。Quantib ND等人工智能工具可以帮助放射科医生监测患者的疾病进展并更早地诊断新病例。

Quantib ND通过分割大脑结构和脑白质高信号来量化脑萎缩程度，脑白质高信号可用于评定疾病引起的脑损伤程度。

放射科医生还可以使用该工具将患者的脑组织体积与MRI扫描参考库进行比较。该数据库可以帮助医生更容易地确定病人的大脑老化程度是否正正常。

基于5000个脑部扫描数据集，Quantib ND的人工智能可以区分出由阿尔茨海默氏症及其他痴呆症所引起的脑萎缩模式。该工具还可以用来比较单个病人的扫描结果，以确定疾病的进展情况。

更广的应用范围

除痴呆症外，Quantib还在开发用于前列腺癌和乳腺癌肿瘤检测的深度学习解决方案。其目前正在开发的前列腺癌人工智能算法可以从MRI扫描中分割、分类和预测可疑病变的状态。然后，医生可以利用这些检测依据来确定活检的病变目标。

该公司的乳腺癌筛查人工智能可以对女性MRI扫描结果中乳腺密度这一项进行分析，从而判断其是否存在患有乳腺癌的风险。乳腺密度过高是导致乳腺癌的风险因素之一，通过人工智能的扫描分析结果，放射学家和肿瘤学家可以判断患者是否需要进一步进行活体检测。

Glastra说，人工智能在筛查乳腺癌和前列腺癌的时候必须对多幅不同时间点的图像进行对比分析，这是一项复杂的深度学习任务，需要强大的推理计算工具来完成此工作。

“对于乳腺癌筛查来说，其扫描数据量之大，令人难以置信。其相比于大脑扫描的数据量，要高出几个数量级，” 他说。“运行这种有着大量输入数据的模型推理任务，也只有GPU能够胜任了。”

Quantib使用功耗仅为70瓦的NVIDIA T4 GPU对其前列腺癌AI的性能进行了基准测试，发现与使用相同功耗的CPU集群相比，该算法在T4上的运行速度是CPU的24倍。

Glastra说：“对于主集群推理来说，低功耗的T4是一个非常有吸引力的选择。”

检测医生深度学习公司

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。