Магнітно-резонансна томографія (МРТ) є незамінним методом діагностики, але об’ємність і складність 3D-зображень створюють виклики для їх аналізу. Через технічні обмеження великі мовні моделі (LLM) часто змушені перетворювати 3D-зображення в 2D-формат. Це призводить до втрати точності, особливо у складних випадках, таких як пухлини головного мозку чи серцево-судинні захворювання.
У своїй статі нам розповідає про це Venturebeat.
Однак компанія GE Healthcare змінила підхід, представивши на AWS re:Invent першу в галузі 3D МРТ-модель для аналізу зображень у повному об’ємі. Ця модель використовує інноваційний підхід, працюючи з оригінальними 3D-зображеннями всього тіла, що відкриває нові можливості для більш точного діагностування.
Унікальність базової моделі GE Healthcare
Новаторська модель, побудована на платформі AWS, була створена спеціально для медичної візуалізації. Вона базується на більш ніж 173 000 зображеннях із 19 000 досліджень. Інженери досягли вражаючих результатів, скоротивши обчислювальні витрати в п’ять разів порівняно з традиційними підходами.
Хоча модель поки не комерціалізована, її перші випробування розпочнуться у Массачусетському госпіталі Brigham. За словами Паррі Бхатії, головного спеціаліста зі штучного інтелекту GE Healthcare, нова технологія покликана забезпечити медичні установи потужними інструментами для прискорення досліджень та розробки клінічних рішень.
GE Healthcare вже понад десять років працює над генеративним штучним інтелектом для медичних цілей.
Одним із успішних продуктів є AIR Recon DL, алгоритм глибокого навчання, що усуває шум на МРТ-зображеннях, підвищує якість сигналу та скорочує час сканування до 50%.
З 2020 року цей алгоритм був застосований для 34 мільйонів пацієнтів. Новітня 3D МРТ-модель здатна об’єднувати дані з різних модальностей, включаючи текстові та візуальні дані, що дозволяє сегментувати та класифікувати захворювання. Її використання може прискорити процес діагностики та лікування, зокрема в онкології, нейрохірургії та кардіології.
Удосконалення аналізу великих наборів даних
Навчання моделі включало використання техніки «учень-викладач» для роботи з обмеженими даними. Це дозволило покращити продуктивність навіть у випадках неповних або нерелевантних наборів даних. Бхатія порівняв цей підхід із розгадуванням головоломки, де відсутні деякі частини. Застосування напівконтрольованого навчання дозволяє створювати точні моделі навіть за умов обмежених ресурсів. Це відкриває перспективи для їх впровадження в лікарнях із застарілим обладнанням та нестачею даних.
GE Healthcare застосувала платформу AWS SageMaker для навчання моделі на великих обсягах даних. Використання Nvidia A100 GPU та розподілених обчислень дозволило ефективно працювати з гігантськими 3D-зображеннями, обсяг яких може досягати гігабайтів.
Щоб знизити витрати, дані, які використовуються рідко, зберігаються на дешевших рівнях пам’яті. Це робить процес навчання не тільки потужним, але й економічно ефективним.
Перспективи 3D МРТ-моделі
Інноваційна модель від GE Healthcare перевершує більшість аналогів у завданнях класифікації захворювань, таких як рак простати та хвороба Альцгеймера. Її точність у пошуку текстових описів за МРТ-сканами становить 30% — значний стрибок порівняно з попередніми результатами (3%).
За словами Дена Ширана, генерального директора AWS, потенціал цієї технології включає в себе не лише поліпшення діагностики, але й нові можливості для роботизованої хірургії, біопсії та променевої терапії.
Раніше редакція сайту AI360, також писала про те, як Adobe оголосила про значне партнерство з Amazon Web Services (AWS), спрямоване на інтеграцію своєї платформи Adobe Experience Platform (AEP) у хмарну інфраструктуру AWS.
