::: 合作實績AI合作夥伴

TWCC助攻數位病理辨識 實現精準醫療

2019.08.29
病理醫師和台灣超級電腦一樣,是守護生命美好的幕後無名英雄....




探索奧秘
你知道癌症是怎麼被判斷出來的嗎?癌細胞默默的躲在身體的某個角落,慢慢長大,它不張揚、不搶鏡,初期讓人正常生活,讓我們看不見...

在醫院中,有一個科室鮮為人知,病人不會去掛號,醫師也不直接接觸病人,因為他們是醫生的參謀,負責檢查病人的切片檢體,這就是病理科。病理科醫師從顯微鏡觀察細胞型態來判斷疾病種類,針對腫瘤定出癌症分期,去做疾病的最?診斷,是臨床醫生最好的諮詢者與合作者。但每天來自各項內、外科的龐大病患切片資料量,導致病理醫師的工作量極為忙碌且承擔巨大壓力。

在AI時代,病理學也是較晚加入數位化的新生,因為病理數位化的影像資訊量,無論解析度或檔案大小,都是非常巨量且高解析度的,單一張數位玻片的解析度通常高達48億畫素,有的甚至達百億畫素,是一般影像的400倍大以上,且檔案大小約佔2~10GB,不只資料儲存是一大挑戰,訓練AI模型更是曠日費時。

雲象科技與國網中心合作,運用統一記憶體及算圖優化的技術,用完整的全玻片影像來訓練深度神經網路,取代目前把影像切割成多個小區塊並仰賴病理醫師細節標註的方法,減少病理醫師重複性的工作時間。為訓練高解析數位病理影像,雲象科技運用國網中心打造的超級電腦解決龐大繁重的運算問題。透過雲象科技軟體加速及TWCC的雙重助力下,讓原本需要690天的專案,加速了275倍的計算速度,2.5天即快速完成AI研發訓練,也讓AI的準確率可以不斷訓練和提升。且每一個專案可省下病理醫師近1000個小時的標註時間,大大提升了開發的效率和品質,未來更可提升診斷準確度並減少病理醫師的工作負擔和時間,讓病人得到更好的醫療照護,為數位病理AI技術帶來巨大的革新。



小知識(1)-48億畫素:一般較高階的手機可拍出2000萬畫素的影像,而數位病理影像是記錄10~20微米的細胞檢體,約是一根頭髮粗細的1/10之大小,因此單一張數位玻片的最多高達80,000*60,000pixe的超高解析度,才能看得清楚藏在上億的細胞中的變異細胞
小知識(1)-48億畫素
小知識(2)-400倍影像:一般手機的影像檔約2MB,但單一張數位病理影像的檔案大小佔約2~10GB,影像大景相當於500張4K影像,也是一般影像的400倍以上之大小
小知識(2)-400倍影像
小知識(3)-275倍加速:研發通常是一個技術突破最耗時的事情,醫療也不例外。一個原本需要690天的專案,透過雲象科技軟體加速及TWCC的雙重助力之下,計算速度可提高275倍,達到2.5天即快速完成AI研發訓練
小知識(3)-275倍加速
小知識(4)-節省1000個小時:數位病理影像每張解析度高達幾十億畫素,檔案大小遠超過GPU記憶體,在此限制下,將影像切割為小方塊來訓練AI模型是目前最普遍的作法。為訓練AI辦識癌症,需要提供正確答案讓AI學習,而小方塊的答案則仰賴病理科醫師一片一片手動圈選出癌症及良性區域,而標註過程耗時近1000小時,約半年的工作時間
小知識(4)-節省1000個小時





科技與醫療是臺灣的兩大優勢產業,透過彼此的激盪交融,智慧醫療的相關應用已遍地開花,但在數位病理領域仍是一片新藍海。組織病理切片數位化後,其影像解析度非常高,單一張數位玻片的解析度高達幾十億畫素,檔案最大可達10 GB,不僅資料儲存是一大挑戰,訓練AI模型更是曠日費時...



雲象科技
雲象科技由葉肇元醫師領軍,致力於提供雲端數位病理系統及醫療影像人工智慧開發,為病理學帶來數位化落地,公司宗旨為運用人工智慧實現醫療民主化,輔助醫師進行快速且精準的診斷。
https://aetherai.com/
地址:台北市南港區園區街3-2號9樓
雲象科技執行長

國網中心TWCC
TWCC是採用臺灣杉二號超級電腦為運算之雲端平台,以最新之容器化技術提供服務,透過優化過的AI軟體堆疊,開發人員可快速佈建開發環境,相較過往可增加40%的工作效率;同時支援大量調度節點與GPU,跨節點高速平行運算效能相較現行雲服務更增進30%。除提供快速運算能力、大量儲存空間及安全的網路外,此平台亦將整合國內各界發展之AI程式與工具、以及國內外重要資料集,彙集成為國內最大的模式市集與資料市集,提供產學研界更即時、更便利的運算服務。
https://www.twcc.ai/
看得見的進步,來自超級電腦的速度


為AI超級電腦主機,共運用2,016個NVIDIA Tesla V100 32GB GPU,以9 PFLOPS(每秒執行9千兆次浮點運算)的優異效能


整合資料聚合、管理、展示等功能,開發結合高速計算可介接之資料處理框架,並透過多樣化資料處理工具,提供整合式資料媒合與資訊加值平台給資料提供者與使用者


線上學習AI,透過篩選及系統化整理目前線上已有的AI相關學習資源,協助AI的知識普及化,進而促動產業AI化的發展