Paige и Microsoft заявили о прорывной технологии в диагностике и лечении рака с помощью искусственного интеллекта
Компании Paige и Microsoft анонсировали инструменты Virchow2 и Virchow2G, которые представляют усовершенствованные версии революционных моделей искусственного интеллекта для онкологической патологии. Они основаны на огромном массиве данных.
Было собрано более трех миллионов патологоанатомических снимков из более чем 800 лабораторий в 45 странах, на которых были обучены модели. Неудивительно, что такой объем данных является весьма полезным. Эти данные были получены от более чем 225 000 пациентов, всех полов, рас, этнических групп и регионов по всему миру. Модели охватывают более 40 различных типов тканей и различные методы окрашивания, что делает их применимыми для широкого спектра диагностик рака. Virchow2G с его 1,8 миллиардами параметров является крупнейшей из когда-либо созданных моделей патологии и устанавливает новые стандарты в обучении, масштабировании и производительности искусственного интеллекта.
«Мы только начинаем понимать, чего могут достичь эти базовые модели. Они производят революцию в нашем понимании рака».
доктор Томас Фукс, основатель и главный научный сотрудник Paige
Точно так же Разик Юсфи, старший вице-президент Paige по технологиям, утверждает, что эти модели не только делают точную медицину реальностью, но и повышают точность и эффективность диагностики рака и расширяют границы возможного в патологии и уходе за пациентами.
Как работает технология?
Технология представляет собой клиническое ИИ-приложение, с помощью которого специалисты могут распознавать рак более чем в 40 типах тканей. Этот инструмент позволяет быстрее и точнее выявлять потенциально опасные участки. Другими словами, с помощью этого инструмента диагностический процесс становится более эффективным и менее подверженным ошибкам, даже при редких видах рака. Помимо диагностики, Paige создала модули искусственного интеллекта, которые могут принести пользу медико-биологическим и фармацевтическим компаниям. Эти инструменты могут помочь в определении терапевтических целей, идентификации биомаркеров и планировании клинических испытаний, что потенциально приведет к более успешным испытаниям и ускорению разработки новых методов лечения.
Источник: artificialintelligence-news.com/





1 комментарий
Добавить комментарий
Добавить комментарий