病理學家在宮頸癌篩查中發揮著關鍵作用。然而，數據顯示，中國有8萬至10萬名病理學家，僅宮頸癌新病例平均每年就有13萬例，一般篩查年齡的婦女人數高達數千萬，工作量很大。此外，根據傳統方法，病理學家用肉眼通過顯微鏡觀察癌細胞，一個人一天可以看多達100部電影。超載也會增加誤診和漏診的可能性。病理學家和關鍵設備等醫療資源的短缺直接導致我國宮頸癌防治進展緩慢，間接導致醫患矛盾等深層次問題，成為醫療體系中的現實問題。目前，人工智能在醫療領域的應用為減輕醫療系統的負擔帶來了希望。與常規宮頸癌篩查相比，人工智能輔助識別可以將宮頸癌的平均篩查時間從6分鐘縮短到10秒，幾乎快了36倍。這是由阿里巴巴云、英特爾和北京協和醫院合作舉辦的“數字人體”視覺挑戰——宮頸癌風險智能診斷大賽的新成果。同時，世界首個基于液體的宮頸癌細胞圖譜數據引擎也是人工智能在醫學領域的最新研究數據集，可以加快國內科研和應用的進度，遏制宮頸癌防治的漏洞，挽救更多的婦女和家庭。根據數據標注，競賽組發布了全球3000多例宮頸癌液基細胞的全圖片數據，每張圖片包含約10億個像素，從宮頸癌篩查中最重要的異常鱗狀上皮細胞擴展到6個典型細胞。這些數據經過專業醫生和人工智能的驗證，可以為宮頸病變篩查提供更客觀的診斷標準，有效解決基層病理醫師長期缺乏等痛點，使農村婦女獲得高質量的篩查，真正使篩查成為更多婦女的健康保護傘。為了使比賽輸出高價值的技術能力，阿里達摩學院嚴格篩選和清理了競賽組的所有數據。此外，基于醫學影像人工智能多年的技術儲備，達摩研究所建立了一個算法基準模型，為參賽選手的思路和方向提供參考。同時，根據宮頸癌液基細胞學成像的特點，以及競賽中的各種技術支持，建立了合理的評價和量化體系。游戲結束后，檢查玩家的各種算法，確保高質量的輸出。同時，通過競賽獲得的最佳算法模型可以更加細致準確地識別每個病例的圖形，使醫生平均在10秒鐘內就可以發現癌細胞，降低了肉眼觀察的誤診率，降低了醫生的工作強度。由英特爾發起的深度學習加速技術VNNI也極大地提高了本次競賽的推理效率。經過對參賽選手的優化，有望幫助醫生將病理篩查的判斷時間從5s縮短到0.1s。開發商的說明文件將進一步提高VNNI技術的可用性，更符合醫生對癌癥診斷的實際需求。通過人工智能技術優化
電商動態