数字病理公司 Proscia 的高级 AI 科学家 Corey Chivers 梦想着未来医生能轻松使用基于 AI 的应用程序来分析和理解数据，从而正确诊断和治疗每一位患者。
要实现这一目标需要几个关键要素，包括为识别基于 AI 的生物标志物等任务构建定制模型。但这个过程需要大量的数据以及大量的人力和计算资源，包括组织成经过验证的架构的大量计算能力以支持临床级别的分析。
Chivers 表示，对于不同应用的潜在迭代，例如数字病理学（最终归结为分析和解释图像），不从零开始将非常有帮助。
Chivers 和 Proscia 朝着这一愿景迈出了一步，宣布推出 Proscia AI，这是一个用于构建 AI 算法的数字病理平台，以支持生物标志物发现、临床试验优化和伴随诊断进展等应用。Proscia AI 由两个关键部分组成：Concentriq Embeddings 和 Proscia AI 工具包，它们已集成到 Proscia 的数字病理平台 Concentriq 中。
要理解 Proscia AI 的作用，了解开发数字病理解决方案的演变过程会有所帮助。简而言之，这涉及获取载玻片的千兆像素图像来训练模型，将其与诊断或生物标志物联系起来。
直到最近，这还是一个缓慢的过程，需要大量的人工干预，因为可用的计算工具、架构简单和幼稚的神经网络需要用标记数据进行“监督”，以从像素海洋中“学习”形状和纹理等属性，从而区分患病和未感染的样本。
Chivers 表示，人们开始意识到，特别是在医疗领域，大型标记数据集非常稀缺，因为收集和整理它们极其昂贵。虽然有更多未标记的数据可供分析，但这需要全新水平的计算能力。
无需标记数据的自监督学习的引入引发了数字病理学和医学（及非医学）领域（除图像外）的复兴。当 AI 加入竞争时，这些自监督模型可以处理从互联网或档案的各个角落获取的大量未标记数据，从而产生了称为“基础模型”的概念。这些机器学习或深度学习模型在如此大量的数据上进行训练，以至于它们可以应用于广泛的用例。
在创建自己的工具时，Chivers 和 Proscia 科学家意识到，如果人们不必开发基础模型来生成可随时用于下游应用的嵌入，那么开发用于分析图像的特定应用模型将更容易。因此，Proscia 没有发布另一个基础模型，而是构建了一个名为 Concentriq Embeddings 的整个引擎，使研究人员能够尽快从图像转换为嵌入。
Chivers 表示，Concentriq Embeddings 的起源是将研究人员在开发这些模型时想要开始的地方直接放在他们的指尖，不是从零开始，而是从来自基础模型或可能多个基础模型的嵌入开始。“我们认为这是开发人员和其他研究人员可以使用的东西……这样人们就可以从嵌入开始……当你从嵌入开始时，它们实际上只是数字向量，你可以用比过去少得多的开发时间和计算资源来构建模型。”
Chivers 表示，Concentriq Embeddings 旨在使研究人员能够对各种模型进行实验，并针对感兴趣的任务对所有不同模型进行比较和基准测试，因为无法预测哪个模型在给定任务中表现出色。Concentriq Embeddings 提供了对四个强大的开源基础模型（DINOv2、PLIP、ConvNext 和 CTransPath）的访问，并计划在它们不断发展时添加新模型。尽管主要针对带有 H＆E 染色的全切片图像（WSIs），但 Chivers 表示 Concentriq Embeddings 与明场图像和任何扫描仪兼容以生成嵌入。
Chivers 解释说：“用户可以始终如一地获得所有内容的嵌入；即使它们来自不同的扫描仪、物镜功率等，您仍然可以获得全面一致的结果。它消除了开发管道中许多以前痛苦的东西。”
如果没有大量的计算能力，这一切都无法实现。为了利用专有数据并在工作流程中执行这些基础模型，Proscia 使用 GPU 服务器开发了计算基础设施。Chivers 表示，仅仅将千兆像素图像分割成小块并通过这些模型就是一个巨大的协调挑战。
Proscia 还发布了 Proscia AI 工具包，这是一组开源工具，旨在促进生命科学中 AI 的发展并加速其广泛采用。有了这些工具，团队可以将 Concentriq Embeddings 纳入其流程，Chivers 希望这能节省宝贵的时间，专注于 AI 模型开发而不是技术细节。
Chivers 乐观地认为，Concentriq 社区将继续发展，用户将贡献自己的工具，用创新技术和进步扩展库。这种社区驱动的协作方法将增加 Concentriq 平台上 AI 在模型构建、可视化和部署方面的使用，并改善基础模型的实施。
此时，Chivers 表示 Proscia AI 目前专注于基于 AI 建模开发研究和开发工具或产品，例如生物标志物。然而，最终目标是将用于为研究环境创建嵌入的相同过程应用于临床环境。例如，如果 Proscia AI 用于开发生物标志物，则可以使用相同的方法诊断患者。
Chivers 说：“我们希望能够关闭这个循环——如果你用这个工具构建了一些东西，你可以通过将其作为应用程序发布来完成生命周期，然后由于所有的连接器都存在，它可以很容易地在我们的平台上部署。”
由于 Proscia 已经为现有的 Concentriq 平台开发了良好的实验室实践和标准化管道，使用 Proscia AI 创建的模型可以以旨在通过监管障碍的方式进行部署。
Chivers 表示，这个版本的 Proscia AI 只是公司的首次产品，并将随着技术趋势发展。Chivers 说，“现在的大事”是视觉语言模型——基本上是将图像和文本（例如临床报告）之间的嵌入对齐的技术。
在那之后，Chivers 说：“天空是极限。您可以组合的模式越多，这些工具就越强大，包括诊断工具。可以融合在一起的模式越多越好。我们相信基因组数据将是继文本之后的下一个，然后是可以想象的其他每一种模式。”
