AIモデルは研究者ががん検出の精度を向上させるのに役立つ

マドゥ・ネール博士とアシャ・ダス博士は、人工知能 (AI) モデルを使用して患者の組織サンプルのスキャンで乳がん細胞を検出するという大きな進歩を遂げようとしています。

2人のインド人研究者は大きな課題に直面した。がん細胞を正確に識別するために、人工知能モデルのトレーニングに何ヶ月も費やしたのだ。ダス氏と彼女のチームは、高解像度のメガピクセル画像の山を何週間もかけて検討し、画像ごとにがんの領域にラベルを付けていくことが多い。

チームには、人間の監視を必要とせずに、これらの画像を正確かつ迅速にスキャンできるソリューションが必要でした。

2022年、インドのコーチン科学技術大学の人工知能およびコンピュータービジョン研究所の研究者であるダス博士とナイル博士は、インテルのエンジニアリング、セールス、マーケティングの各チームと協力し、インテル Xeon スケーラブル・プロセッサーと、インテル CPU アクセラレーション機能を利用するソフトウェア・スイートであるインテル最適化 TensorFlow を使用した新しいソリューションを実装しました。

現在、がんの初期兆候の検出は、組織病理学的検査結果を手作業でスキャンする放射線科医や治療医の専門知識に大きく依存しています。しかし、国立がん研究所によると、人間の目だけに頼ることには欠点もあり、乳がんの症状の約20％は気付かれないという。

ここで人工知能が役に立ちます。コンピューティングの進歩により、医師が見逃す可能性のあるものを見つけるために人工知能を使用するという考えを採用する病院が増えています。昨年12月、インテルとペンシルバニア大学医学部は、研究者らが脳腫瘍の検出率を33パーセント向上させるのを支援したと発表した。

Das 氏は、チームがディープラーニング モデルを強化するために GPU ベースのソリューションを最初に導入した経緯について説明しました。ただ 1 つ問題がありました。大きな画像を処理するために必要な計算量がシステムの設計上の限界をはるかに超えたため、GPU ベースのシステムが頻繁に故障し、不可解な停止やイライラする再起動が発生していたのです。

「私たちのモデルは計算負荷が高く、GPU を使ってモデルをトレーニングする試みは失敗しました」と Nair 氏は課題について説明しました。「実行に数日かかり、高解像度の画像のトレーニングを完了するのは困難でした。これが、より優れたコンピューティング デバイスを探す動機となりました。」

2022年、ネア氏はインテルにとってのチャンスを見出しました。数か月後、彼らはディープラーニングアクセラレータなしで単一のコンピューティングクラスターとして実行される 4 台のサーバーを導入しました。サーバーとストレージは高速イーサネットを使用して接続されます。ソフトウェア面では、共同チームは、Intel CPU のアクセラレーション機能を活用して TensorFlow のパフォーマンスを向上させるために、TensorFlow 向けに最適化された Intel のソフトウェア スイートを採用しました。

結果はまさに研究者が期待していた通りだったが、嬉しい驚きもあった。彼らのモデルは癌細胞をマークするだけでなく、癌の異なる段階を区別することもできたのだ。精度は非常に高く、ソリューションの精度は 98 パーセントで、他のモデルよりも約 10 パーセントポイント高くなりました。研究者たちは、時間が経ち、より多くのデータセットでモデルをトレーニングするにつれて、精度が徐々に向上すると期待しています。

「インテルのアーキテクチャは素晴らしい」とナイア氏は言う。「数時間でトレーニングすることができました。」サーバーには 192 GB のメモリがあり、グラフィック カードの 40 GB や 80 GB を超えているため、高解像度の画像を使用してモデル全体をメモリに収めることができます。 Intel はモデルの改善にも協力し、モデルを機能させるための最適化も共有してくれました。だからこそ私たちは成功できるのです。 ”

この結果は、他のモデルに必要なトレーニング データよりも大幅に少ないトレーニング データで精度の数値が達成され、処理時間が大幅に短縮されたことを考慮すると、さらに印象的です。彼女はさらに、「注釈を付けたデータがわずか 20 パーセントで 98 パーセントの精度を達成できたのは注目に値します。本当に素晴らしいことです」と付け加えました。

チームが特許を取得し、人間との接触に慣れた市場空間を破壊する意欲のある商業パートナーを見つける中、この技術の次のステップが待っている。精度の問題もあります。98 パーセントの精度は高いように思えるかもしれませんが、実際の患者にとっては十分な精度ではありません。

ダス氏とネア氏は、自分たちのモデルが乳がん細胞を確実に検出できることを実証したので、同様のアプローチを脳動脈瘤に適用し、内視鏡検査によるポリープの分類を検討している。 「このモデルを拡張して複数の臓器のがんを検出する計画もあります」とダス氏は述べ、乳がんは脇の下の隣接リンパ節に転移することが多いため、現在はリンパ節画像を分析するためのソリューションの拡張に取り組んでいると付け加えた。