أخبار ar.wedoany.com، أكثر من 20 مستشفى أطلقت بشكل مشترك النسخة السحابية من نموذج رويبات RuiPath الضخم لعلم الأمراض، مما يمثل مرحلة جديدة من التطبيق على نطاق واسع للذكاء الاصطناعي في المجال الطبي. في منتدى الابتكار الطبي للذكاء الاصطناعي تحت شعار "التعايش بين الرقمنة والذكاء، والانطلاق عبر السحابة"، شاركت مستشفى رويجين، والمستشفى التابع لجامعة يانآن، ومستشفى هاندان المركزي، والمستشفى التابع لجامعة خبي للهندسة، ومستشفى مقاطعة شي، ومستشفى ووآن الأول الشعبي، ومستشفى مدينة شينغيي الشعبي، ومستشفى مدينة رويآن الشعبي، وغيرها من المؤسسات في حفل إطلاق النسخة السحابية لهذا النموذج.
لمواجهة التحديات الهيكلية في تشخيص الأمراض، مثل ندرة الموارد عالية الجودة، ونقص أطباء علم الأمراض، وعدم التوازن في التوزيع الإقليمي، طورت مستشفى رويجين بالتعاون مع هواوي نموذج رويبات RuiPath الضخم لعلم الأمراض. يُعد هذا النموذج أول نموذج ضخم لعلم الأمراض على المستوى السريري يدخل بيئة الإنتاج في المستشفيات في الصين، ويمكنه تغطية 90% من أنواع السرطان الشائعة و90% من مهام التشخيص اللاحقة. حاليًا، يتبع رويبات مسار التطوير "التطوير والتحقق في المستشفيات الرائدة - التوسع في مستشفيات الدرجة الثالثة على مستوى المدن - التطبيق والتكرار في مستشفيات المقاطعات"، مع التكيف والتحسين المستمر في السيناريوهات السريرية الحقيقية.
منذ عام 2020، دفعت مستشفى رويجين نحو الرقمنة في علم الأمراض، وتقوم حاليًا بمسح حوالي 5000 إلى 6000 شريحة يوميًا، مع تراكم ملايين الشرائح الرقمية لعلم الأمراض. على هذا الأساس، تعاونت مستشفى رويجين مع هواوي لبناء سير عمل إنتاجي لرويبات يغطي أنواع السرطان الشائعة، بدءًا من الضغط غير المفقود، والتوحيد القياسي، وصولاً إلى الحوسبة المنسقة بين الأجهزة الطرفية والسحابة. يتفوق هذا النموذج على النماذج الدولية المنافسة في 7 مؤشرات عبر 12 مجموعة بيانات مفتوحة المصدر و14 مهمة رئيسية. من خلال آلية التحسين المستمر للبيانات، يستمر النموذج في التحسن أثناء الاستخدام السريري، محققًا دورة هندسية مغلقة حيث كلما استُخدم النموذج، زادت دقته.
لمواجهة التحديات الهندسية للانتقال من المختبر إلى التطبيق السريري، أطلقت مستشفى رويجين وهواوي كلاود حلاً مشتركًا يعتمد على بنية حوسبة هجينة منسقة بين الأجهزة الطرفية والسحابة: يتم استخراج ميزات محدودة من مناطق الورم المشتبه بها في المستشفى ورفعها إلى السحابة، مما يوفر 85% من عرض النطاق الترددي مع ضمان التشفير أثناء النقل؛ وتقوم السحابة بإجراء الاستدلال التشخيصي والتدريب الإضافي للنموذج بناءً على آلية "قابل للاستخدام ولكن غير مرئي" بالتشفير الكامل، مما يتيح للمستشفيات بناء نماذج خاصة بها باستخدام عينات بيانات صغيرة فقط. يخفف هذا المسار من مشكلة نقص القدرة الحاسوبية وعرض النطاق الترددي في المستشفيات الأساسية، مع ضمان أمان البيانات والنماذج، وتحقيق هدف عدم خروج البيانات من نطاق المستشفى.
عند مشاركة تجربته العملية، أشار تيان يونشياو، رئيس قسم علم الأمراض في مستشفى هاندان المركزي، إلى أن المستشفى قام بتحسين النماذج محليًا لسرطان الثدي وسرطان القولون والمستقيم من خلال التدريب على عينات صغيرة من عشرات الشرائح في كل جولة: بالنسبة لنموذج سرطان الثدي، ارتفعت دقة التمييز بين وجود الورم وعدمه في الحالات المحلية في هاندان من حوالي 95% في المراحل المبكرة إلى ما يقرب من 100%، ووصلت دقة النوع النسيجي إلى أكثر من 90%. أما بالنسبة لنموذج عينات الخزعة الصغيرة لسرطان القولون والمستقيم، فقد وصلت دقة التمييز بين وجود الورم وعدمه إلى 99% بعد عدة جولات من التدريب، ووصلت دقة النوع النسيجي إلى أكثر من 93%. بفضل آلية التدريب على العينات الصغيرة والتحسين المستمر للبيانات من هواوي كلاود، تحتاج المستشفى فقط إلى حوالي 10% من بيانات التدريب لبناء نموذج خاص بها.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
