飞利浦PathAI合作

皇家飞利浦和PathAI合作,目的是开发解决方案,提高常规诊断的精密度和准确度的癌症和其他疾病。跨太平洋伙伴关系致力于构建深度学习应用程序在计算病理学使这种形式的人工智能应用于大规模病理数据集以更好地告知诊断和治疗决策。最初的这一努力的焦点是开发应用程序自动检测和量化癌变组织在乳腺癌组织中。

准确的定量评估癌症的参与和规模是一个病理学家中央和具有挑战性的任务。这个任务,虽然诊断和治疗的关键,非常耗时,病理学家可以将增加的压力进行阅读和分析速度。历史上,病理学家手动审查和分析肿瘤组织使用显微镜幻灯片,但日益短缺的病理学家和癌症负担的增加^1、2需要数字病理的解决方案和智能图像分析软件,减少病理学家的日常工作量,提高诊断的准确性和精度,并降低错误率。

“乳腺癌是女性最常见的癌症,在世界范围内,有超过250000新病例³在美国每年确诊首席执行官安迪·贝克说:“PathAI。“我们的目标是帮助病人得到快速、准确的诊断和支持治疗医生提供最佳保健通过授权病理学家由人工智能决策支持工具。例如,确定癌症淋巴结的存在与否是一个常规病理学家和至关重要的任务。然而,它可以使用传统的方法是极其费力。研究表明,病理学家支持计算工具可以更准确和更快。”

深度学习是一种算法技术革新等领域的金融、通信、汽车、自然语言处理、计算机视觉和更多。它允许计算机分析大量的数据和自动检测模式,并作出准确的预测。飞利浦已经实现深度学习在其临床放射学信息解决方案如Illumeo和IntelliSpace 9.0门户。随着数字病理和整个幻灯片成像(WSI),电脑将很快能够学习和释放的“大数据”潜力成千上万的数字肿瘤组织(组织学)图像和相关的患者数据。作为一个先锋的数字化病理、飞利浦创造了一个领先的数字病理业务通过战略投资,合作伙伴和技术许可证。

“数字化图像病理有潜力改变领域通过释放新的机遇在图像识别中,“Russ Granzow说,总经理飞利浦数字病理的解决方案。“计算病理学和人工智能的应用有机会增加效率,使更大的准确度和精密度,并允许病理学家看到东西,以前无法获得的见解。”

去年,安迪·贝克博士和他的同事们从麻省理工学院和哈佛大学医学院,获得了全球挑战转移性淋巴结病变的检测性能,竞争对手人类错误率保持一致。现在飞利浦和PathAI合作以确保这样的非常有前途的技术可能在帮助找到一个实际应用病理学家在他们的努力提供高品质、高信心诊断。

这篇文章被转载材料所提供的飞利浦。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。

1皇家学院的病理学家,https://www.rcpath.org/profession/workforce/workforce-planning.html, 2016年12月访问。

2国际癌症研究机构和英国癌症研究。世界癌症字幕新闻。英国癌症研究中心,伦敦,2014年。

3 www.breastcancer.org