Обзор стартапов AWS

Питер Вакахиу Ньенга, соучредитель и технический директор Behold.ai

Медицинское программное обеспечение Behold.ai использует передовой искусственный интеллект, чтобы помочь рентгенологам принимать более обоснованные медицинские решения.

В этом посте мы делимся своей предысторией и обсуждаем, как мы переосмысливаем то, как радиологи диагностируют пациентов, что позволяет поставщикам медицинских услуг оптимизировать операции. Мы также объясняем, как мы используем Amazon Web Services (AWS) для поддержки наших сервисов.

Как все начиналось

Соучредитель Behold.ai, Джит Самарт Раут, из Фрипорта, небольшого городка на северо-западе Иллинойса. Его мать обнаружила опухоль на груди в 2006 году и сделала маммографию. Сканирование было признано отрицательным на рак груди, хотя это было не так. К счастью, его семья обратилась за помощью к другому специалисту, и лечение его матери началось немедленно. Хотя в конце концов все обошлось, неверный диагноз мог иметь катастрофический исход. Эта ситуация заставила Джита задуматься о том, как можно улучшить процесс анализа медицинских снимков, предоставив радиологам инструменты, которые помогут им принимать более обоснованные клинические решения.

Искусственный интеллект продвинулся до такой степени, что его можно использовать для помощи радиологам в выявлении аномалий на медицинских изображениях. В частности, ветвь искусственного интеллекта, известная как глубокое обучение, показала, что компьютеры могут анализировать большие объемы данных и в процессе «изучать» характерные особенности изображений и находить тонкие закономерности. Behold.ai расширяет возможности радиологов, предлагая рекомендации, основанные на предыдущем обучении по аналогичным случаям, что позволяет радиологам принимать более правильные диагностические решения.

Что делает Behold.ai

Behold.ai - это компьютерный инструмент обнаружения на основе искусственного интеллекта, который интегрируется с существующим программным обеспечением системы архивирования изображений и обмена данными (PACS). Технологии медицинской визуализации, такие как компьютерная томография, МРТ и рентгеновские снимки, дают много информации, которую радиолог должен проанализировать и всесторонне оценить за короткое время. Кроме того, радиолог должен учитывать другие факторы помимо изображения и иногда должен действовать в условиях неопределенности. Behold.ai выполняет очень сложное распознавание образов и выделяет заметные аномалии на медицинских снимках и изображениях, такие как узелки в легких и аневризмы головного мозга. Behold.ai также можно использовать для профилактических медицинских осмотров, таких как маммография. Например, Behold.ai можно использовать для обнаружения рака груди путем оценки подозрительных структур, таких как кластеры микрокальцификации и сверхплотные структуры в мягких тканях. Наша система стремится поддерживать врачей, а не заменять их. Врач всегда несет ответственность за окончательную интерпретацию медицинского изображения.

Behold.ai использует искусственный интеллект, чтобы помочь радиологам принимать более обоснованные медицинские решения за счет распознавания образов. Мы используем технологию глубокого обучения, которая сочетает в себе архитектуру нейронных сетей с огромной вычислительной мощностью, чтобы автоматически определять визуальные различия между здоровыми изображениями и изображениями с узелками, повреждениями и другими аномалиями.

Появление глубокого обучения произвело революцию в области компьютерного зрения и машинного восприятия. На высоком уровне глубокое обучение включает в себя двухэтапный процесс:

  1. Нейронная сеть обучается путем настройки числовых весов на основе опыта - другими словами, определения ее параметров с использованием помеченных примеров входных данных и желаемых выходных данных. Это делает нейронные сети адаптивными к входным данным и способными к обучению.
  2. Сеть развертывается для выполнения выводов, таких как использование ранее обученных параметров для классификации, распознавания и общей обработки неизвестных, но похожих входных данных.

Behold.ai использует класс искусственных нейронных сетей, называемый сверточными нейронными сетями, для выявления отклонений в медицинских изображениях. Нейронные сети состоят из нейронов, расположенных в несколько слоев. ConvNets специализируются на задачах обработки изображений и вдохновлены биологической зрительной корой головного мозга.

Наша технология работает вместе с существующими технологиями медицинской визуализации, чтобы предлагать рентгенологам рекомендации, основанные на предыдущем обучении. В конечном итоге радиологи несут ответственность за принятие или отклонение тегов изображений. Система использует эту обратную связь, чтобы в конечном итоге повысить ее точность и надежность, поскольку она встречает больше примеров. Behold.ai может принимать изображения с помощью различных методов, таких как МРТ, УЗИ, КТ и изображения сетчатки. Наша система способна изучать огромное количество изображений.

Для проверки медицинских изображений рентгенологами может потребоваться много времени, особенно в сельской местности, где нет специализированного радиолога, работающего на месте. Проверка точности также является проблемой, поскольку вариативность согласия лечащего врача и радиолога достигает 32%. Диагноз также оказался субъективным и противоречивым. Используя компьютерное зрение / глубокое обучение, мы можем помочь радиологам принимать более обоснованные клинические решения.

Как Behold.ai для этого использует AWS

Behold.ai разработан для удовлетворения требований высокопроизводительных вычислений (HPC), предоставляя при этом услуги, соответствующие требованиям HIPAA. Мы используем массивный параллелизм высокопроизводительных графических процессоров, размещенных на AWS, для ускорения процесса. Достижения в программировании GPGPU позволяют нам иметь очень глубокую сверточную сеть с сотнями миллионов параметров. Все это необходимо делать при строгом соблюдении правил конфиденциальности HIPAA / HITECH. Нас привлекли передовые, ориентированные на безопасность сервисы и оперативная экспертная поддержка, предлагаемая AWS, что позволяет нам обеспечивать нашим клиентам надежную защиту данных пациентов.

Мы полагаемся на ряд сервисов AWS для обеспечения бесперебойной работы нашей инфраструктуры и безопасности данных пациентов:

  • Amazon EC2 - EC2 предоставляет вычислительные ресурсы, необходимые для работы нашей серверной службы. Его эластичный характер позволяет нам быстро масштабироваться в соответствии с требованиями к вычислительным ресурсам. AWS может удовлетворить наши требования к вычислительным ресурсам и алгоритмам, интенсивно использующим память, за счет своих экземпляров графического процессора, чьи возможности массового параллелизма и энергоэффективность делают их передовыми в обучении глубоких нейронных сетей.
  • Amazon CloudWatch - показатели и сигналы CloudWatch позволяют нам отслеживать важную статистику услуг и предупреждать работу системы о потенциальных и немедленных проблемах.
  • Эластичная балансировка нагрузки (ELB) - ELB автоматически распределяет входящий веб-трафик между нашими веб-серверами с поддержкой EC2.
  • Elastic Block Store (EBS) - EBS обеспечивает постоянное, высокодоступное, отказоустойчивое хранилище на уровне блоков для данных изображений. Шифрование EBS обеспечивает безопасное хранение данных пациента в состоянии покоя. Данные хранятся на SSD с малой задержкой и SSD с выделенным IOPS, что обеспечивает производительность операций ввода-вывода. Эластичность EBS позволяет масштабировать блочное хранилище по мере необходимости.

Мы используем дополнительные функции безопасности AWS, чтобы гарантировать непроницаемость наших сервисов. Например, управление идентификацией и доступом (IAM) позволяет нам использовать группы безопасности для управления доступом к нашим службам и ресурсам. Мы используем шифрование, чтобы обеспечить безопасную передачу данных на наши серверы.

Как показано на следующей схеме архитектуры, мы используем AWS для интеграции с системами клиник и больниц с помощью ненавязчивого рабочего процесса, чтобы помочь радиологу принять обоснованное решение.

После того, как пациент прошел сканирование в медицинском центре визуализации, изображения отправляются на серверы Behold.ai для анализа в реальном времени. Затем изображения немедленно отправляются обратно радиологу вместе с тегами, в которых перечислены недуги, выявленные предварительно обученными моделями Behold.ai. Затем радиологи проверяют предложения и могут принять или отклонить их. Behold.ai учитывает эту обратную связь и переобучает свои модели, поэтому со временем учится.

Создавая свой бизнес, мы должны были рассмотреть важные технические задачи, в том числе способы быстрого масштабирования, создания высокодоступных услуг и обработки терабайтов данных, характерных для медицинских изображений. Инструменты AWS помогли нам создать масштабируемый, высокопроизводительный и безопасный сервис.

Будущее

Мы находимся в процессе масштабирования Behold.ai с помощью пилотных проектов в нескольких системах здравоохранения. Мы также сотрудничаем с существующими компаниями, занимающимися медицинской аналитикой и визуализацией. Сила Behold.ai заключается в наличии большего количества высококачественных наборов данных для обучения наших алгоритмов, позволяющих выявлять широкий спектр заболеваний. Пилотные проекты и сотрудничество позволяют нам быстро получать большие и разнообразные наборы данных для проверки нашей технологии и сравнения нашей производительности с существующими решениями.

Мы узнали невероятное количество информации о технологиях и бизнесе, создав компанию. В частности, мы узнали ценность коллективных сетей. Мы были удивлены связями людей 2-го и 3-го уровня, которые, как мы знали, были. Мы обнаружили, что 2-е и 3-е соединения очень полезны, подтверждая опыт работы в предметной области и нормативную информацию в пространстве, в котором может быть сложно ориентироваться независимо.

Сервисы AWS продолжат предоставлять нам инфраструктуру для работы нашего сервиса и позволят нам быстро расширяться для обработки огромных объемов медицинских данных, которые мы получаем, обеспечивая безопасность и конфиденциальность для наших клиентов. Мы нацелены на более низкую стоимость, более высокую точность и более высокую скорость по сравнению с существующими и устаревшими подходами. Цель Behold.ai - предоставить пациентам беспрецедентные диагностические результаты за счет адаптации глубокого обучения к медицине.