癡呆癥的診斷往往一開始都是“盲人摸象”的狀態(tài)——患者或其家人察覺到了一些可能是癡呆癥的表現(xiàn)，然后預(yù)約醫(yī)生就診。

但是，由于癡呆癥需要醫(yī)生對患者進行持續(xù)觀察，根據(jù)患者隨著時間的推移而出現(xiàn)的病情表現(xiàn)來確定其是否真的患有癡呆癥，因此癡呆癥的診斷可能需要數(shù)月乃至數(shù)年的時間觀察才能最終確診。

在放射科醫(yī)生通過醫(yī)學(xué)影像掃描結(jié)果對患者進行診斷的過程中，他們通常缺乏有關(guān)患者大腦結(jié)構(gòu)在不同時期測量值的定量數(shù)據(jù)。在診斷過程中，他們只得依賴于自己的雙眼，通過視覺對患者的大腦掃描結(jié)果做出估量，用四五分制對患者的腦萎縮程度進行判斷打分。

這種定性打分方式是目前專家們主要依賴的診斷方式，因為即使可以對患者大腦進行連續(xù)掃描，放射科醫(yī)師由于只能通過手動計算的方式計算大腦結(jié)構(gòu)體積，依然會使得數(shù)據(jù)量化時間非常長。

“讓放射科醫(yī)生這樣做太昂貴了，” Quantib的首席技術(shù)官Jorrit Glastra說道，Quantib是一家總部位于荷蘭的創(chuàng)業(yè)公司，其目前正在致力于通過深度學(xué)習(xí)的方法來解決這個問題。

AI可以幫助加速分析大腦MRI數(shù)據(jù)，只需幾分鐘就能為放射科醫(yī)師和神經(jīng)科醫(yī)生生成患者的大腦結(jié)構(gòu)量報告。通過查看這些硬性數(shù)據(jù)指標(biāo)，專家可以更輕松地評判患者大腦隨時間的變化，從而縮短診斷時間。

“疾病診斷時間越長，患者需要的護理就越多，醫(yī)療花銷也將更大，” Glastra說?！耙虼吮M早地確診病情，對于患者來說至關(guān)重要?！?/p>

作為NVIDIA初創(chuàng)加速計劃的成員，Quantib在NVIDIA V100和K80 GPU上訓(xùn)練其深度學(xué)習(xí)算法。其人工智能軟件Quantib ND目前已獲得了美國FDA批準(zhǔn)以及歐洲CE認證。

該公司的技術(shù)現(xiàn)已在歐洲、北美和亞洲約20個國家獲得應(yīng)用。

把數(shù)學(xué)計算交給AI

全球有5,000萬人正在遭受著癡呆癥的困擾，而且隨著全球人民預(yù)期壽命的增加，這一數(shù)字將會在未來幾年內(nèi)進一步增長。Quantib ND等人工智能工具可以幫助放射科醫(yī)生監(jiān)測患者的疾病進展并更早地診斷新病例。

Quantib ND通過分割大腦結(jié)構(gòu)和腦白質(zhì)高信號來量化腦萎縮程度，腦白質(zhì)高信號可用于評定疾病引起的腦損傷程度。

放射科醫(yī)生還可以使用該工具將患者的腦組織體積與MRI掃描參考庫進行比較。該數(shù)據(jù)庫可以幫助醫(yī)生更容易地確定病人的大腦老化程度是否正正常。

基于5000個腦部掃描數(shù)據(jù)集，Quantib ND的人工智能可以區(qū)分出由阿爾茨海默氏癥及其他癡呆癥所引起的腦萎縮模式。該工具還可以用來比較單個病人的掃描結(jié)果，以確定疾病的進展情況。

更廣的應(yīng)用范圍

除癡呆癥外，Quantib還在開發(fā)用于前列腺癌和乳腺癌腫瘤檢測的深度學(xué)習(xí)解決方案。其目前正在開發(fā)的前列腺癌人工智能算法可以從MRI掃描中分割、分類和預(yù)測可疑病變的狀態(tài)。然后，醫(yī)生可以利用這些檢測依據(jù)來確定活檢的病變目標(biāo)。

該公司的乳腺癌篩查人工智能可以對女性MRI掃描結(jié)果中乳腺密度這一項進行分析，從而判斷其是否存在患有乳腺癌的風(fēng)險。乳腺密度過高是導(dǎo)致乳腺癌的風(fēng)險因素之一，通過人工智能的掃描分析結(jié)果，放射學(xué)家和腫瘤學(xué)家可以判斷患者是否需要進一步進行活體檢測。

Glastra說，人工智能在篩查乳腺癌和前列腺癌的時候必須對多幅不同時間點的圖像進行對比分析，這是一項復(fù)雜的深度學(xué)習(xí)任務(wù)，需要強大的推理計算工具來完成此工作。

“對于乳腺癌篩查來說，其掃描數(shù)據(jù)量之大，令人難以置信。其相比于大腦掃描的數(shù)據(jù)量，要高出幾個數(shù)量級，” 他說?！斑\行這種有著大量輸入數(shù)據(jù)的模型推理任務(wù)，也只有GPU能夠勝任了?！?/p>

Quantib使用功耗僅為70瓦的NVIDIA T4 GPU對其前列腺癌AI的性能進行了基準(zhǔn)測試，發(fā)現(xiàn)與使用相同功耗的CPU集群相比，該算法在T4上的運行速度是CPU的24倍。

Glastra說：“對于主集群推理來說，低功耗的T4是一個非常有吸引力的選擇?！?/p>