醫(yī)學研究員Viksit Kumar通過基于GPU的深度學習研究，力圖利用超聲圖像實現(xiàn)更準確的癌癥診斷。

當Viksit Kumar得知自己的母親患上了卵巢癌時，癌癥已經(jīng)發(fā)展到了第三期，這時候再采取化療已經(jīng)無力回天了。2006年，這位母親在印度孟買的一家醫(yī)院去世，但如果癌癥早一點發(fā)現(xiàn)，她本可以再多活幾年。

這個想法不斷地在這名機械工程專業(yè)學生的腦中徘徊，并最終激勵他選擇了一條不同的道路。

“這是驅(qū)使我轉(zhuǎn)而主攻醫(yī)療領域的因素之一。” Kumar說道。現(xiàn)在他是明尼蘇達州羅徹斯特梅奧醫(yī)院的高級研究員。他希望自己這項研究可以幫助其他人免于同樣的悲劇。

在過去幾年間，Kumar一直致力于基于GPU的深度學習研究，力圖利用超聲圖像實現(xiàn)更準確的癌癥診斷。

他把工作重點首先放在了乳腺癌，因其比卵巢癌更為常見，且能吸引到更多的研發(fā)資金。他的主要目標是讓早期診斷在乳房X光檢查稀缺的發(fā)展中國家得以實現(xiàn)。

深入探索深度學習

加入梅奧醫(yī)院后，Kumar就開始著手這項研究。當時，他在利用超聲成像來診斷早產(chǎn)兒并發(fā)癥。當注意到超聲波可以分辨出不同物體時，他覺得這可能會有助于乳腺癌圖像的分類。

在對這一問題進行了深入研究后，他發(fā)現(xiàn)深度學習將是完善超聲診斷的理想選擇。但在當時，Kumar對深度學習的了解少之又少。所以他埋頭苦學，花了6個多月盡其所能自學有關構建和利用深度學習模型的一切知識。

“深度學習將會幫上大忙，這也是我的學習動力。”他說道。

事實上，人們的確需要這種幫助。乳腺癌是最常見的癌癥之一，也是最容易被發(fā)現(xiàn)的癌癥之一。然而，由于成本原因，在發(fā)展中國家，除了大城市外，很少有乳房X光檢查機。因此，醫(yī)療人員通常會采取保守方式，并會進行不必要的活組織檢查。

對于偏遠地區(qū)的醫(yī)療機構來說，超聲波是一種更經(jīng)濟實惠的選擇。

在發(fā)達國家，大部分女性會在40歲后定期進行乳房X光檢查。即便如此，Kumar表示，對于孕婦或備孕女性以及不能接觸乳房X光檢查的人來說，超聲波診斷仍然是至關重要的。

紅色輪廓表示的是手動分割的腫瘤邊界，而深度學習預測的邊界以藍色、綠色和青色表示。

無時無刻都在完善

Kumar驚異于深度學習工具的發(fā)展程度。過去需要兩三天的時間才能配置好深度學習系統(tǒng)，而現(xiàn)在只需要幾個小時。

Kumar的團隊使用由NVIDIA GPU Cloud (NGC)提供的TensorFlow深度學習框架容器進行本地處理。對于最為繁重的任務，其工作被轉(zhuǎn)移到了Amazon Web Services上的NVIDIA Tesla V100 GPU，并使用同一個NGC容器。

經(jīng)過優(yōu)化，NGC容器可在NVIDIA Volta和Pascal 架構GPU上提供本地和云端的最高性能，并包含運行GPU加速軟件所需的一切。在兩種環(huán)境中使用相同的容器讓他們可以在任何有計算資源的地方運行其工作任務。

“開發(fā)出架構后，我們想在流程上進行迭代，這時我們就會使用AWS，”Kumar 說道。據(jù)他估計，得益于更多更先進的GPU共同運行，目前處理大型任務的工作方式要比本地處理至少快上8倍。

目前該團隊將GPU既用于訓練，也用于推理。Kumar表示，他想在超聲波機器上進行現(xiàn)場推理。

更多進展值得期待

Kumar希望在明年可以將該技術試用于患者診斷。

最后，他希望日后能夠?qū)⒊暢上駪糜谄渌┌Y的早期檢測，如甲狀腺癌以及卵巢癌。

Kumar的工作極具開創(chuàng)性，但他呼吁大家保持耐心，直到真正將AI和深度學習應用于醫(yī)療領域的那一天。“在被放射科醫(yī)師和超聲醫(yī)師認可成為臨床標準之前，這項技術必須發(fā)展得足夠成熟。”他表示。

Kumar及其團隊的努力勢必有助于推動這一目標的實現(xiàn)。