跳到内容
    logo-janssen-white

    深度学习模型发展速度加快10倍,为癌症提供精准医疗

    2020年10月6日,来自强生旗下詹森制药公司的数据科学家Peter Shen表示 & 约翰逊提出了”组织病理学中基于计算机视觉的深度学习模型的多gpu机器在英伟达 GPU技术大会(GTC)上. Peter与Katherine Shakman一起,她是Domino数据实验室的现场数据科学家. 这篇文章提供了他们谈话的亮点,以及整个会议录音的链接.

    杨森的数据科学

    詹森是强生公司的制药子公司 & 约翰逊是一家跨国医疗保健公司的领导者. 该公司在免疫学领域使用计算数据科学研究, 化学成分, 和生物学来开发新药, 优化临床试验, 自动化诊断技术.

    与Domino和英伟达合作, Janssen加快了深度学习模型的训练, 在某些情况下甚至快十倍, 通过全幻灯片图像分析,更快速、准确地诊断和表征癌细胞. 这是实现精准医疗的关键一步. 基于早期结果, 彼得预计一旦在临床环境中部署, 其中一种模式将使通过筛选获得临床试验资格的患者数量增加四倍.

    会议总结

    人工智能可以改变医疗保健, 为研究人员提供新的见解,以发现新的治疗方法,并为患者提供精准医疗. 但这样做需要分析大量数据集的能力. 在他的谈话中, Peter深入介绍了Janssen是如何使用深度学习来分析活检和手术标本的全幻灯片图像(称为组织病理学图像)的细节。. 每张图片的大小通常在2g到5g之间, 大多数临床试验都会产生数千张这样的图像. 彼得说,大型临床试验可以生成多达10万张图像.

    通过训练深度学习模型,在这些图像的细胞水平上区分患者之间的差异, 研究人员可以更好地确定哪些患者是可行的治疗目标和临床试验的资格,或预测患者对给定治疗的潜在反应.

    如果mg老虎机游戏大厅能把这个模型应用到诊所, mg老虎机游戏大厅就能让符合临床试验条件的患者数量增加4倍.

    Peter Shen,杨森制药公司的数据科学家

    支持这项工作, Janssen为深度学习和分布式培训构建了统一的框架, 使用Domino数据科学平台为数据科学家提供对各种工具的自助基础设施访问, 语言, 数据集, 和可伸缩的计算, 包括英伟达 gpu, 在大数据集上训练深度学习模型,哪些是关键. 在他的讨论, Peter分享了Domino如何帮助团队更快地开发深度学习模型, 在某些情况下甚至快10倍. (当然, 将这些模型投入生产需要数据科学之间的强大合作, IT和业务领导. Peter与易捷航空和PointRight的数据科学领导者在他们的网络研讨会上讨论了这一领域的挑战和最佳实践。”跨越过道.”)

    具体在统一框架方面, 彼得强调了四个好处, 包括:

    • 用不同的超参数并行运行多个实验. 在过去, Peter表示,在单个GPU机器上使用小数据集训练模型,每个epoch可能需要9天. 对于大型数据集,这变得更具挑战性. 在一个案例中, 研究人员发现,由于内存的限制和充分利用多gpu计算资源的挑战,训练卷积神经网络模型对图像进行分类甚至是不可行的.
    • 复制的结果 因此,研究人员可以将一组患者的结果转化为其他患者或其他群体的结果.
    • 跟踪每个模型的度量标准,并将模型存储在一个集中的位置 因此,他们可以分析模型是否正确工作,并查明使用的确切数据集.
    • 轻松地将模型集成到数据科学工作流中 (换句话说,使研究具有可重复性和可重用性,以便它们可以跨多个业务用例使用). 对Peter来说,这包括减少使用只适用于一组实验而不适用于其他实验的特定代码基, 并确保模型是可解释和可解释的.

    mg老虎机游戏大厅建立了一个灵活的平台,允许mg老虎机游戏大厅通过不同的模型训练进行迭代, 并且以一种分散的方式来做.

    Peter Shen,杨森制药公司的数据科学家

    Peter还举了三个例子来说明这种方法是如何帮助加速研究的:

    1. 将深度学习模型的训练时间缩短10倍. 例如, 在一个案例中,当研究人员将模型训练扩展到6个gpu而不是1个gpu时,几乎实现了线性加速. 在另一个例子, 他们减少了每个训练阶段的运行时间, 从两小时到两分钟, 通过试验不同的图像格式.
    2. 优化模型 能够在模型训练和验证中使用更多的图像.
    3. 更好地预测临床试验资格,符合条件的患者增加了4倍,基于一次实验的结果. “如果mg老虎机游戏大厅能将这种模式应用到诊所, mg老虎机游戏大厅就能让符合临床试验条件的患者数量增加4倍.有了这些结果, 该团队正在将概念验证推进到开发的下一个阶段, 其中包括额外的验证和额外数据的收集, 为治疗资格预测创建一个非常健壮和可推广的模型,可以跨用例使用.

    对扬声器

    speaker-peter-shen他在Janssen制药公司的工作, Peter Shen通过数据驱动决策帮助新药物的研发. 詹森之前, 彼得是丹纳-法伯癌症研究所的研究生研究员, 在Aimsio和Billion 健康担任产品经理, 加拿大BC省癌症机构和加拿大公共卫生机构的生物信息学合作.

    speaker-katie-shakmanKatherine Shakman为多个行业的数据科学团队提供支持. 凯蒂的背景是健康数据科学和神经科学, 她相信,计算工具将改变mg老虎机游戏大厅与世界以及与他人互动的方式, 尤其是医疗保健和生命科学领域. 她正在努力帮助这种转变造福社会. 在她的博士研究中,凯蒂利用神经成像和行为分析来研究昆虫中调节注意和记忆的神经回路之间的相互作用. 她运用自己的技能进行实验设计, 解决问题, 项目管理, 分析, 机器学习, 数据可视化和技术交流将影响技术的未来.

    要了解更多

    看网络研讨会”组织病理学中基于计算机视觉的深度学习模型的多gpu机器了解更多关于Janssen面临的关键技术挑战,以及他们如何解决这些挑战.