MedVienna使用基于云的人工智能诊断癌症。提高患者的生活质量，更快、更准确地对肿瘤细胞进行分类是主要目标。技术合作伙伴是微软。维也纳医科大学(Red/Czaak)医学研究团队目前的研究结果表明，该进展仍然远远落后于肿瘤细胞其他专业领域的表征。例如，尽管放射学研究受益于计算机断层扫描和磁共振成像技术中的机器学习方法，但肿瘤研究仍然依赖于相对旧的程序，其中包括(仍然)漫长且通常痛苦的治疗。

合作学习

方法为了开发一种改进的肿瘤分类方法，MedUni Vienna和微软成为技术合作伙伴。重点是使用微软平台Azure的AI和云计算。主要目的是在不取组织的情况下，对肿瘤细胞进行正确分类，称为活检。目前的研究项目是基于以Thomas Beyer和博士生拉斯洛帕普为代表的医学物理和生物医学工程中心与以Marcus Hacker为代表的核医学临床部研究团队的合作。

“我们希望开发一个基于混合、代谢成像和不需要组织样本的预测模型。拉斯洛帕普解释说，这种活检既不令人愉快，也不准确使用正电子发射断层扫描等混合成像技术，我们现在可以获得肿瘤的三维视图，因此我们可以提取关于生物特征的基本信息，”Papp说。

通过AI和云提高质量。

传统的肿瘤诊断通常通过侵入性活检进行。影像学在这里也起着一定的作用——为了识别病灶，目测评估病灶并正确切除组织。然而，由于每种类型的癌症都是个别的，这是一个复杂的、实验室密集型的过程，并且不总是完全准确的。因此，新方法是合适的。

技术上，研究团队现在可以在使用微软Azure IaaS(注：基础设施即服务)和微软Azure认知服务的混合成像方法中使用人工智能。维也纳MedUni医学物理和生物医学技术中心的Papp解释说：“当我们描述我们对实施这个项目的想法和要求时，微软立即意识到了它的重要性，所以它积极参与其中。”

核医学临床部门负责人马库斯哈克强调：“我们现在对癌症有了更好的了解。”Hacker说：“我们正在并行开展多个项目，目前专注于在宫颈癌、前列腺癌或乳腺癌背景下发展的肿瘤细胞。”

准确的预测模型可以节省宝贵的生命时间。

在目前的标准程序下，活检结果最多只能在两周后获得——这是一段宝贵的时间，在此期间快速生长的肿瘤可能会造成相当大的损害。此外，患者还经历了相应的不愉快等待过程。Papp强调：“人工智能不需要直接进行痛苦、不准确的活检和冗长的治疗，而是可以在完成成像过程后立即创建CT图像的详细分析。”医生补充说：“结果可以迅速传达给主治医生，并可以尽快制定个性化的治疗计划。”

三位专家都证实，他们优化诊断的理念应该使患者的治疗更加愉快，并且应该实现长期的实质性成本降低。与此同时，研究团队意识到收集所需的大量数据将是一个巨大的挑战。然而，这些数据对于训练计算机辅助预测模型来有效地预测混合成像中的模式是必要的。“如此苛刻的计算过程通常需要大量的技术资源，这是大学根本无法获得的，”Papp说。

因此，微软Azure平台是一个非常通用的云解决方案，可以存储大量数据。通过与IT服务提供商合作，Beyer、Hacker和Papp医生现在可以进一步探索肿瘤分类的复杂方面——目的是大大缩短从诊断到治疗的路径。研究人员一致强调：“我们相信，AI和混合成像技术在癌症治疗中的结合将显著增加患者的生存机会，最终提高患者的生活质量。”

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。