Press "Enter" to skip to content

美国西北大学芬伯格医学院基于浪潮AI服务器开发NLP辅助放射影像检查随访

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

北京
2022年7月6日
/美通社/ — 随着人工智能不断向行业应用渗透,多技术交叉正在给各个领域的创新带来新的想象力。在医疗健康领域,AI专家和医学专家们正在一起推动从疾病辅助诊断、辅助决策、疾病愈后到随访管理的全场景人工智能医疗服务体系的应用。

 

在美国,西北大学芬伯格医学院(Feinberg School of Medicine at Northwestern University)正在基于搭载了NVIDIA A100 Tensor Core GPU的浪潮AI服务器,与西北医学中心(Northwestern Medicine)合作,开发人工智能NLP系统来识别需要随访的放射影像检查报告。这支研究团队来自放射科、患者安全、流程改进、初级医疗与护理学等不同领域,通过将深度学习的技术运用到 NLP 中,实现了使用 BiLSTM 模型等 AI 技术对放射影像报告中的结论与建议进行跟进,并在电子健康记录系统(EHR)中实现向医生及患者的自动化警示通知,有效地减少和预防了高危疾病的发生。

 

该项目实现了规范化、系统性的项目设计,建立了数据采集、模型创建、模型迭代、数据标注、临床评估等系统,构建了一个全自动化的闭环系统,不仅可以提高结果的准确性,还极大提高了整个项目的效率。

 

AI读取影像报告,不错过检查中的”蛛丝马迹”

 

芬伯格医学院与西北医学的研究团队发现,当医生在诊治患者时,每天可能要为患者安排数十项放射性医学影像检查,如 X 射线、CT 和 MRI 等。然而,由于工作繁忙,医生无法一次性处理完影像检查中发现的每一个问题,大多数情况下,医生只能处理自己正在诊治的病症。这意味着,如果患者的影像检查报告中还有其他疾病相关的后续医学行动建议(例如进一步的化验和评估),它们可能会被延迟执行或无意中忽略。

 

实际上,现实中约有33%的后续医学建议会被忽视,尽管大部分都是良性或轻症,但随着时间发展,它们有可能成为恶性或重症。针对这一问题,西北大学芬伯格医学院的 Mozziyar·Etemadi 博士与团队制定了一项计划——使用人工智能技术确保对放射影像检查报告中的结论与建议进行有效跟进,以防止诊断和治疗的延误并改善治疗效果。该团队开发了基于递归神经网络和自然语言处理(NLP)的自动化 AI 工作流程,检查和识别那些包含额外医疗随访建议的放射学报告,并确保后续诊治得到执行。

 

“我们使用人工智能和特定的工具,如搭载 NVIDIA A100 Tensor Core GPU 的浪潮AI服务器 NF5488M5-D,构建了自己的定制 AI 工作流程,”Etemadi 博士说,”这一 AI 系统可读取几乎每一份放射报告,并通过与我们病历系统的深度集成,向主治医生、患者和专门的后续团队提供警示与通知,确保细微的发现和建议不被忽略。”

 

研究团队将此项成果发表在了《新英格兰医学催化剂杂志》子刊(NEJM Catalyst)上,结果显示,其定制的 AI 工作流程在 13 个月内筛选了逾57万份影像报告扫描件,发现其中 2.9 万份(占总数的5.1%)包含与肺部检查结果相关的后续建议,平均每天标记 70 个结果。结果表明,对肺部检查结果随访的灵敏度达 77.1%、生物特异性达 99.5% 和准确性达 90.3%,并与医生进行了近五千次互动,完成了 2400 多次随访。文章得出的结论是,人工智能和机器学习过程提高了医学成像结果的可靠性,可以有效减少和预防高危疾病。为了让这一项研究成果发挥最大效益,研究团队还将附有教程的代码进行了开源开放。

 

实现AI模型开发、迭代、部署全流程打通

 

自 2019 年以来,西北大学芬伯格医学院已经在NVIDIA 和浪潮信息AI计算平台支持下开展众多 AI 创新项目。最初的合作起源于芬伯格医学院试点的高性能数据管道,以直接对卫生系统中的数据进行深度学习。此前,受制于传统的医疗数据存储系统,芬伯格医学院 AI 开发团队在进行深度学习创新时必须创建数据副本,这使得AI研发的成本十分高昂。浪潮信息基于 NVIDIA Ampere 架构的 NF5488M5-D 人工智能训练平台集成了定制中间件和高速连接网络,使 Etemadi 博士的团队能够构建内部定制的 PyTorch 和 TensorFlow 数据加载器,允许其无缝访问传统系统中存储的数据,极大地优化了人工智能训练效率与结果。

 

结果表明,搭载了NVIDIA A100的浪潮信息AI计算平台为西北大学芬伯格医学院的AI医疗创新提供了从数据提取、数据清洗、模型训练、模型优化到模型部署的全流程算力保障,帮助其提高AI模型训练效率十倍以上,数据处理效率提升百倍以上,随着训练速度和数据准备等多方面改进,该解决方案能够将深度学习模型的快速原型设计、迭代和部署直接应用于医疗保健环境中,加速顶尖智能医疗技术应用落地。

 

“浪潮 AI 服务器是市场上最强大的多 GPU 性能优化服务器解决方案之一,这得益于我们在 AI 方面的持续创新,从 MLPerf 冠军到 AI 框架再到大模型开发,我们已经积累了深厚的技术实力,”浪潮信息副总裁刘军说,”在此祝贺 Etemadi 博士取得的工作成绩,也为西北大学芬伯格医学院在人工智能创新方面的领先成果喝彩。”

 

“人工智能使医学研究人员能够将急需的工具应用于临床,为医生和患者交付成果,” NVIDIA 医疗人工智能全球负责人 Mona Flores 博士说,”使用人工智能优化工作流程可以减轻积压,临床医生也可优先对最急需的患者进行随访。”

 

未来,西北大学芬伯格医学院将基于AI技术构建和测试新的智慧医疗工作流程,持续提升临床医疗诊治的效率。Etemadi 博士总结说:”通过借助NVIDIA与浪潮信息领先的AI计算解决方案,我们能够打造定制化的人工智能工具,服务于我们的患者、医生、护士和一线员工。非常期待医疗保健、人工智能的未来发展,希望可以用各种方式继续帮助患者。”

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注