英特爾以AI模型助力研究人員高精度檢測乳腺癌

Madhu Nair博士和Asha Das博士即將取得巨大突破，即利用人工智能（AI）模型在從患者組織樣本中獲取的掃描圖像中檢測乳腺癌細胞。

然而，這兩位來自印度的研究人員面臨著巨大的挑戰。通常，他們需要花費數月的時間，艱難地教他們的AI模型去準確地識別癌細胞。而Das與她的團隊經常需要耗費數周來審閱高分辨率、百萬像素的圖像，并逐一標記出癌變區域。

因此，該團隊需要一個能夠在無人監督的情況下，準確、快速掃描這些圖像的解決方案。

針對這種情況，英特爾提供了幫助。

2022年，來自印度科欽科技大學人工智能與計算機視覺實驗室的研究人員Madhu Nair博士和Asha Das博士與英特爾工程、銷售及市場團隊展開合作，利用英特爾^?至強^?可擴展處理器，以及充分利用英特爾CPU加速功能的英特爾^? TensorFlow優化軟件套件，打造了一個全新的解決方案。

高需求之下，GPU力有不逮

目前，乳腺癌早期跡象的發現很大程度上依賴于放射科醫生以及負責手動掃描組織病理學結果醫生的專業知識。然而，僅僅依靠人眼存在弊端。根據美國國家癌癥研究所的數據，約20%的乳腺癌跡象正在被遺漏。

而AI在這方面可以提供很好的幫助。隨著近期算力技術的突破，越來越多的醫院開始熱衷于使用AI來發現醫生可能錯過的跡象。12月，英特爾與賓夕法尼亞大學醫學院聯合宣布，其已幫助研究人員將癌性腦瘤的檢測率提高了33%。

Das表示，她的團隊首先采用了基于GPU的解決方案以提升其深度學習模型。然而，他們發現，由于處理大型圖像所需的計算量遠遠超過了系統的設計極限，其基于GPU的系統經常會卡頓，甚至毫無原因地出現死機或重啟的情況，令人十分沮喪。

"我們的模型在計算上要求很高，我們試圖用GPU來訓練模型的嘗試以失敗告終"，Nair寫道，"我們耗費了數日進行執行，并且發現GPU很難完成更高分辨率圖像的訓練，因此，我們不得不探尋更好的計算設施"。

英特爾通過硬件及軟件提供服務

2022年，Nair發現了英特爾或許能夠提供幫助。當時，他與一位戴爾員工正在就另一個研究項目進行會面，Nair提出了他所面臨的挑戰，而戴爾則將Nair介紹給了英特爾印度團隊。

幾個月后，他們部署了四臺服務器，在沒有任何深度學習加速器的情況下，作為單一的計算集群運行。這些服務器和存儲使用高速以太網網絡進行連接。

在軟件方面，該聯合團隊采用了英特爾^? TensorFlow優化，該軟件套件通過利用英特爾CPU的加速功能來提升TensorFlow的性能。

"我與英特爾團隊分享了我們的問題，非常高興他們迅速理解了這項工作的重要性"，Nair表示，"他們給了我們使用這種分布式架構的機會。" 

Asha Das博士，印度科欽科技大學人工智能與計算機視覺實驗室的研究員。利用英特爾的硬件和軟件，其與Madhu Nair博士打造了基于CPU的解決方案，能夠在醫療圖像上檢測出乳腺癌的早期跡象。 

Madhu Nair博士，印度科欽科技大學人工智能與計算機視覺實驗室的研究員。利用英特爾的硬件和軟件，其與Asha Das博士打造了基于CPU的解決方案，能夠在醫療圖像上檢測出乳腺癌的早期跡象。 

新的解決方案不僅準確而且快速

這些結果正是研究人員所期待的，而且還有一個超乎預期的收獲：他們的模型不僅能標記出癌細胞，還能區分出不同等級的癌癥。

而且它非常準確：該解決方案達到了98%的準確率--比其他模型好約10個百分點。(了解更多關于該解決方案的信息：CUSAT通過深度學習改善癌癥篩查結果）。

這是個一開始就設定的高標準。

此后，該團隊在更多的數據集上訓練其模型，研究人員預計這一準確率將逐步上升。

"英特爾的架構非常‘神奇’"，Nair表示，"我們能夠在幾個小時內完成訓練，這其中有很多原因。因為服務器有192GB的內存，比顯卡上的40GB或80GB還要多，而且我們能夠使用高分辨率的圖像，并將整個模型裝入內存。此外，英特爾還幫助我們改進模型，并與我們共同優化，以保證其正常運行。"

Das指出，考慮到相較于其他模型所需的訓練數據要少得多，這一準確性結果更加令人印象深刻，而且極大縮短了反饋時間。她補充道：“我們對結果非常滿意。”

"我們能夠在只擁有20%被注釋數據的情況下，收獲98%的準確率，這很了不起，而且很令人興奮。"

即將在你身邊的病理中心出現

接下來，對于這項技術而言，團隊將等待以確保能獲得專利，并與愿意顛覆一個習慣于人工干預的市場領域的商業合作伙伴達成合作。對此，Das分享了一些可能需要咨詢多位病理學家的掃描結果，每位病理學家根據他們不同的經驗提供自己的結論。

還有一個問題是準確性。雖然98%的準確率可能看起來很高，但對于實際應用來說，它依然不夠精確。

現在，Das和Nair都已經證明他們的模型能夠可靠地檢測乳腺癌細胞，他們正在研究將類似的方法，應用于腦動脈瘤和對內窺鏡檢查中的息肉分類。

Das指出："我們還計劃擴展這個模型，以檢測多器官癌癥"，她補充說，因為乳腺癌經常擴散到手臂下的鄰近淋巴結，所以她現在正在努力擴展這個解決方案，以分析淋巴結圖像。

Nair表示："我們很感謝英特爾的支持，而且也期待未來能展開更多類似的合作。"