LG集團旗下AI智庫利用亞馬遜云科技進(jìn)行癌癥早期風(fēng)險識別

Amazon SageMaker助力LG AI Research將基因測試時間從兩周縮短至不到一分鐘，加快患者診斷速度

北京2024年12月16日 /美通社/ -- 亞馬遜云科技在2024 re:Invent全球大會上宣布，韓國LG集團旗下人工智能研究中心LG AI Research基于全球領(lǐng)先的云計算平臺開發(fā)了新的病理基礎(chǔ)模型（FM），用于癌癥的早期診斷和治療。EXAONEPath是專門針對組織病理學(xué)圖像的模型，可以安全地分析癌癥患者組織樣本的顯微圖像，能夠?qū)⒒驕y試時間從兩周縮短至不到一分鐘，進(jìn)而幫助醫(yī)療專業(yè)人員提高治療的速度和效果。

在正確分類細(xì)胞級視覺特征方面，EXAONEPath的六項基準(zhǔn)測試平均準(zhǔn)確率達(dá)到了86.1%，這與在更大數(shù)據(jù)集上訓(xùn)練的其他領(lǐng)先病理基礎(chǔ)模型相當(dāng)。依托亞馬遜云科技，LG AI Research能夠在不到一小時內(nèi)將數(shù)TB的數(shù)據(jù)傳輸?shù)皆贫?，將模型?xùn)練時間從60天縮短到一周。這提高了EXAONEPath在癌癥診斷和檢測方面的表現(xiàn)，從而改善了患者的臨床結(jié)果。通過將其部署在亞馬遜云科技上，LG AI Research不僅可將數(shù)據(jù)管理和基礎(chǔ)設(shè)施成本降低約35%，還能將數(shù)據(jù)準(zhǔn)備時間減少95%。

LG AI Research副總裁Hwayoung (Edward) Lee表示："與亞馬遜云科技合作，推動了我們AI研究的進(jìn)展，從而實現(xiàn)方便、快捷的癌癥篩查。借助亞馬遜云科技，我們以更快速、更安全、更低成本的方式在龐大的數(shù)據(jù)集上訓(xùn)練我們的病理模型，這增強了EXAONEPath的處理能力，有助于為患者提供個性化、高效的癌癥治療方法，以改善患者的治療結(jié)果。EXAONEPath有潛力在全球范圍內(nèi)改變癌癥診斷和治療。"

利用Amazon SageMaker，LG AI Research使用2.85億個數(shù)據(jù)點和超過35,000張高分辨率組織樣本圖像，在八個月內(nèi)訓(xùn)練并部署了大規(guī)模的EXAONEPath模型。處理和訓(xùn)練具有極大數(shù)據(jù)集的AI模型需要龐大的存儲、高速數(shù)據(jù)傳輸和大量計算能力。借助亞馬遜云科技和英偉達(dá)GPU，LG AI Research正在加快深度學(xué)習(xí)工作負(fù)載的訓(xùn)練和推理。

組織病理學(xué)圖像可以通過EXAONEPath進(jìn)行分析和可視化，識別細(xì)胞內(nèi)可能的基因變異。顏色變化可以提供關(guān)于細(xì)胞中潛在基因變異或異常的重要線索。圖片來源：LG AI Research

LG AI Research使用Amazon Simple Storage Service(Amazon S3)來存儲和檢索對研究至關(guān)重要的海量數(shù)據(jù)。Amazon FSx for Lustre提供亞毫秒級延遲，每秒傳輸數(shù)百千兆字節(jié)的吞吐量，這對于需要快速訪問大數(shù)據(jù)集的應(yīng)用程序至關(guān)重要。這個高性能文件和存儲系統(tǒng)支持并行數(shù)據(jù)處理和分析，顯著縮短了獲取深入洞察所需的時間。

亞馬遜云科技全球醫(yī)療健康與生命科學(xué)行業(yè)事業(yè)部總經(jīng)理Dan Sheeran表示："醫(yī)療健康行業(yè)正在迅速推進(jìn)在亞馬遜云科技上使用AI的進(jìn)程，以加速診斷并更快地讓患者接受治療?；趤嗰R遜云科技，LG AI Research能夠以前所未有的規(guī)模開發(fā)并使用EXAONEPath，減少數(shù)據(jù)處理和模型訓(xùn)練時間，提高診療準(zhǔn)確性。而這將使醫(yī)療健康服務(wù)機構(gòu)提升癌癥診斷和治療手段、減少等待時間，并實現(xiàn)個性化患者護理。"

EXAONEPath是LG AI Research旗下EXAONE模型的一部分。EXAONE模型是由LG AI Research基于Amazon SageMaker和Amazon FSx for Lustre開發(fā)的具有3,000億參數(shù)的多模態(tài)基礎(chǔ)模型。未來，LG AI Research將繼續(xù)使用更多的病理圖像訓(xùn)練EXAONEPath，并對模型進(jìn)行更新和改進(jìn)，以檢測更多類型的癌癥。

審核編輯 黃宇