es.wedoany.com Noticia: Más de 20 hospitales han activado conjuntamente la versión en la nube del modelo de patología RuiPath de Ruijin, lo que marca una nueva etapa en la aplicación a gran escala de la inteligencia artificial en el ámbito médico. En el Foro de Innovación en Inteligencia Artificial Médica "Simbiótica Digital, Despegue en la Nube", el Hospital Ruijin, el Hospital Afiliado de la Universidad de Yan'an, el Hospital Central de Handan, el Hospital Afiliado de la Universidad de Ingeniería de Hebei, el Hospital del Condado de She, el Primer Hospital Popular de Wu'an, el Hospital Popular de Xingyi y el Hospital Popular de Ruian participaron en la ceremonia de activación en la nube de este modelo.
Para abordar problemas estructurales como la escasez de recursos de alta calidad en el diagnóstico patológico, la falta de patólogos y el desarrollo regional desigual, el Hospital Ruijin, en colaboración con Huawei, ha desarrollado el modelo de patología RuiPath. Este modelo es el primer modelo de patología de nivel clínico en China que ingresa al flujo de producción hospitalaria, cubriendo el 90% de los tipos comunes de cáncer y el 90% de las tareas de diagnóstico posteriores. Actualmente, RuiPath sigue la ruta de implementación de "investigación y validación en hospitales de primer nivel, expansión en hospitales terciarios de ciudades, y replicación y aplicación en hospitales de condado", adaptándose e iterándose continuamente en escenarios clínicos reales.
Desde 2020, el Hospital Ruijin ha impulsado la digitalización de la patología. Actualmente, puede escanear entre 5000 y 6000 láminas al día, acumulando millones de láminas de patología digital. Sobre esta base, el Hospital Ruijin y Huawei han colaborado para construir gradualmente el flujo de trabajo de producción de RuiPath que cubre los tipos comunes de cáncer, desde la compresión sin pérdidas y el formato unificado hasta la computación colaborativa extremo-nube. Este modelo lidera a los modelos internacionales en 7 indicadores en 12 conjuntos de datos de código abierto y 14 tareas principales. A través del mecanismo de volante de datos, el modelo se itera continuamente en el uso clínico, logrando un ciclo cerrado de ingeniería de "cuanto más se usa, más preciso se vuelve".
Para abordar los desafíos de ingeniería desde el laboratorio hasta la implementación clínica, el Hospital Ruijin y Huawei Cloud han lanzado una solución conjunta de arquitectura de computación híbrida extremo-nube: en el extremo del hospital, se extraen pequeñas cantidades de características de áreas sospechosas de tumor y se cargan a la nube, ahorrando un 85% del ancho de banda y logrando una transmisión cifrada; en la nube, basándose en el mecanismo de "disponible pero no visible" de cifrado completo, se completan el razonamiento diagnóstico y el entrenamiento adicional del modelo, y el hospital solo necesita una pequeña muestra de datos para construir un modelo exclusivo. Este enfoque alivia los problemas de capacidad de cómputo y ancho de banda insuficientes en los hospitales de base, al tiempo que garantiza la seguridad de los datos y el modelo, logrando el objetivo de que los datos no salgan del dominio.
Tian Yunxiao, jefe del Departamento de Patología del Hospital Central de Handan, compartió la experiencia práctica, indicando que el hospital ha completado la optimización localizada de modelos para cáncer de mama y cáncer colorrectal mediante el entrenamiento con pequeñas muestras de decenas de láminas por ronda: en el modelo de cáncer de mama, la precisión para distinguir la presencia o ausencia de tumor en casos locales de Handan ha mejorado de aproximadamente el 95% inicial a casi el 100%, y la precisión del tipo histológico ha alcanzado más del 90%. En el modelo de muestras pequeñas de biopsia colorrectal, después de varias rondas de entrenamiento, la precisión para la presencia o ausencia de tumor ha alcanzado el 99%, y la precisión del tipo histológico ha superado el 93%. Gracias al mecanismo de entrenamiento con pequeñas muestras y volante de datos de Huawei Cloud, el hospital solo necesita aproximadamente el 10% de los datos de entrenamiento para construir un modelo exclusivo.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
