Matrix Analytics 在 AWS 上使用深度学习来改善早期癌症检测

Matrix Analytics 致力于帮助拯救生命。这家位于科罗拉多州的创业公司使用 Amazon Web Services (AWS) 上的深度学习，跟踪诊断患有肺结节的患者的疾病发展情况。虽然肺结节通常为良性，但是密切监视并采取后续治疗，对于确诊结节是否会转变以及何时转变为恶性肿瘤非常关键。

公司创始人 Aki Alzubaidi 博士最初就职于 Glenwood Springs 医院，他发现有些患者由于未进行检查而情况恶化。用于跟踪患者的系统非常繁琐且杂乱，使得许多患者未能接受推荐的后续治疗，造成了本可避免的不良后果。

预测癌症风险和管理医疗

该公司的旗舰软件应用程序 LungDirect 使用双管齐下的方法进行早期癌症介入治疗：预测恶性肿瘤风险和自动化后续治疗。

首先，采用深度学习算法构建的先进计算机成像功能根据下列因素评估肺结节的恶性肿瘤风险：结节大小、形状、密度、体积以及患者个人情况，例如烟龄、年龄、性别和种族。“我们希望能够获取所有的临床信息，例如放射科测试、实验室测试或个人临床病理因素，然后获得病情发展的可能性，在实用工具上提供结果并管理接下来的步骤，这就是我们采用深度学习的目标，”Alzubaidi 博士说到。

为了发现可能隐藏在数据之下的不同非线性关系类别，采用了五种不同的机器学习模型类别。使用一组计算机成像算法，直接从图像中自动提取四种不同的特征类别。

开发一种工具，来“不可思议地自动”读取患者扫描图像来预测和诊断癌症，这不是一件易事。不过，Matrix Analytics 非常快地开发出了验证概念的原型。然后，该公司实施深度学习模型并与现有文献中的基准进行比较。

Matrix Analytics 工具利用 CT 图像诊断癌症的功能要优于以前的方法。并且，与传统方法相比，深度学习不需要手动调节的特征抽取器，使得这一过程的独立性更强。

LungDirect 方法的第二点是治疗管理。该软件可以自动跟踪后续治疗，确保每位患者遵从了建议方案，以监控其身体状况的变化。现在，11 家医疗卫生机构在使用 LungDirect，包括全国范围内来自 Cleveland Clinic 的设备、丹佛的 UCHealth 以及大章克兴的社区医院。由此实现了高得多的针对患者的前期肺癌介入治疗比率。

这一自适应系统现在部署在 AWS 云基础设施上，供在软件即服务模型上进行肺结节和肺癌管理的现行机构使用。

利用 CT 扫描预测肿瘤的计算机成像算法

基于云的深度学习

Matrix Analytics 使用 AWS 云基础设施处理大量数据和复杂的操作。尤其是，他们依靠采用 GPU 的 AWS 集群上所带来的强大能力和可扩展性，而这极为适合深度学习工作负载。

公司的 LungDirect 系统旨在不断改进迭代学习的良性循环。Alzubaidi 博士强调到：“利用 AWS 来帮助我们的客户，其中的可能性是无限的。”

Matrix Analytics 使用 AWS 深度学习 AMI (Amazon 系统映像) 和 TensorFlow on AWS 来构建和训练计算机成像算法。AWS 深度学习 AMI 自带预配置的流行框架，例如 Apache MXNet、TensorFlow、Caffe 和 Keras。这些预构建的开源库使得开发人员和数据科学家可以简单快速地构建深度学习模型。

“利用 AWS 上的 AMI 带来的便利性，我们得以提供不同的业务模型，在当前不断加快的市场变化步伐中，这让我们成为了优秀的技术合作伙伴。”Alzubaidi 博士说。

作者介绍：

Cynthya Peranandam 是 AWS 人工智能解决方案的

首席营销经理，帮助客户使用深度学习来实现业务价值。在闲暇时间，她喜欢跑步和音乐。

本文转载自 AWS 技术博客。

原文链接：

https://amazonaws-china.com/cn/blogs/china/matrix-analytics-uses-deep-learning-on-aws-to-boost-early-cancer-detection/