LG集团的人工智能（AI）研究机构LG AI研究在AWS re:Invent大会上宣布，他们利用亚马逊网络服务（AWS）开发了一种新的病理学基础模型（FM），用于更早的癌症诊断和治疗。这种专门针对组织病理学图像的模型EXAONEPath可以安全地分析癌症患者的组织样本显微图像，将基因检测时间从两周缩短到不到一分钟，帮助医疗专业人员提高治疗的速度和效果。
EXAONEPath在六个基准测试中平均准确率为86.1%，在细胞水平视觉特征分类方面表现出色，其性能可与其他基于更大数据集训练的领先病理学基础模型相媲美。借助AWS，LG AI研究能够在不到一小时内将数太字节的数据传输到云端，将模型训练时间从60天缩短到一周。这提高了EXAONEPath在诊断和检测癌症方面的性能，从而改善了患者的临床结果。通过在AWS上运行，LG AI研究还可以将其数据管理和基础设施成本降低约35%，并将数据准备时间减少95%。
“AWS使我们能够加速AI研究，使快速癌症筛查更接近现实，”LG AI研究副总裁Hwayoung（Edward）Lee表示，“通过利用AWS，我们可以更快、更安全、更经济地在庞大的数据集上训练我们的病理学模型。这增强了EXAONEPath的处理能力，为患者提供个性化、高效的癌症治疗，改善患者结果。EXAONEPath有潜力在全球范围内改变癌症诊断和治疗。”
利用Amazon SageMaker，LG AI研究在八个月内训练并部署了大规模的EXAONEPath模型，使用了2.85亿个数据点和超过3.5万张高分辨率组织样本图像。处理和训练具有极大数据集的AI模型需要巨大的存储空间、高速数据传输和强大的计算能力。借助AWS和NVIDIA GPU，LG AI研究正在加速其深度学习工作负载的训练和推理。
组织病理学图像可以通过EXAONEPath进行分析和可视化，以识别细胞内的可能遗传变异。颜色变化可以提供关于细胞内潜在遗传变异或异常的重要线索。图片提供：LG AI研究
LG AI研究使用Amazon S3来存储和检索对研究至关重要的大量数据。Amazon FSx for Lustre提供了亚毫秒级延迟，并提供了每秒数百GB的吞吐量，对于需要快速访问大型数据集的应用程序至关重要。这一高性能文件和存储系统支持并行数据处理和分析，显著减少了获得洞察所需的时间。
“医疗保健行业正在迅速推进其在AWS上使用AI的进程，以加快诊断速度并使患者更快进入治疗阶段，”AWS医疗保健和生命科学总经理Dan Sheeran表示，“通过使用AWS，LG AI研究可以在前所未有的规模上开发和使用EXAONEPath，减少数据处理和模型训练时间，提高准确性。这将使医疗保健提供者能够改进癌症诊断和治疗，减少等待时间，并实现个性化患者护理。”
EXAONEPath是LG AI研究的EXAONE的一部分，后者是一个拥有3000亿参数的多模态基础模型，同样是在Amazon SageMaker和Amazon FSx for Lustre上构建的。LG AI研究将继续更新和改进EXAONEPath，通过增加更多的病理图像来训练它以检测更多类型的癌症。
(全文结束)
