将深度学习模型的发展速度提高10倍，为癌症提供精准医疗

行业

生命科学

位置

总部:新泽西州新不伦瑞克

用例

癌症精准医疗

影响

加速识别癌细胞的能力
高达10倍更快的模型训练
可筛选为合格阳性的患者数量增加4倍

2020年10月6日，强生旗下杨森制药公司的数据科学家Peter Shen & 约翰逊，呈现”组织病理学中基于计算机视觉的深度学习模型的多gpu机器在面向开发者的英伟达 GPU技术大会(GTC)上. 永利贵宾会现场数据科学家Katherine Shakman也加入了Peter的团队. 这篇文章提供了他们谈话的要点，以及整个会议录音的链接.

杨森数据科学学院

杨森是强生公司的制药子公司 & 强生是一家跨国医疗保健领导者. 该公司在免疫学领域使用计算数据科学研究, 化学成分, 以及开发新药的生物学, 优化临床试验, 自动诊断技术.

与Domino和英伟达一起工作, Janssen加速了深度学习模型的训练, 在某些情况下，速度会快十倍, 通过整张幻灯片图像分析更快速准确地诊断和表征癌细胞. 这是该公司致力于提供精准医疗的关键一步. 基于早期的结果, 彼得预计，一旦部署到临床环境, 一种模式将使临床试验中筛选为阳性的患者数量增加四倍.

会议总结

人工智能可以改变医疗保健, 为研究人员提供新的见解，以发现新的治疗方法，并为患者提供精准医疗. 但这样做需要分析大量数据集的能力. 在他的演讲中, Peter深入研究了Janssen如何使用深度学习来分析活检和手术标本的全切片图像(称为组织病理学图像)的细节。. 每个图像的大小通常在2g到5g之间, 大多数临床试验都会产生数千张这样的图像. 彼得说，大型临床试验可以生成多达10万张图像.

通过训练深度学习模型在这些图像的细胞水平上区分患者之间的差异, 研究人员可以更好地确定治疗目标和临床试验资格的可行性患者或预测患者对特定治疗的潜在反应.

如果永利贵宾会能把这个模型应用到诊所, 永利贵宾会能够在临床试验中筛选为阳性的患者数量增加4倍.

Peter Shen，数据科学家，杨森制药

为了支持这项工作, Janssen为深度学习和分布式训练建立了一个统一的框架, 使用Domino数据科学平台为数据科学家提供对各种工具的自助服务基础设施访问, 语言, 数据集, 可扩展计算, 包括英伟达 gpu, 在大数据集上训练深度学习模型的关键是什么. 在他的讨论中, Peter分享了Domino如何帮助团队更快地开发深度学习模型, 在某些情况下，速度可以达到10倍. (当然, 将这些模型投入生产需要数据科学之间强有力的永利贵宾会关系, IT和商业领袖. Peter加入了易捷航空和PointRight的数据科学领导者，专门在他们的网络研讨会上讨论了这一领域的挑战和最佳实践。”跨越过道.”)

具体在统一框架方面, 彼得强调了四个好处, 包括以下能力:

用不同的超参数并行运行多个实验. 在过去, 彼得说，在一台GPU机器上用一个小数据集训练模型，每个epoch可能需要9天. 对于大型数据集，这变得更具挑战性. 在一种情况下, 研究人员发现，由于内存限制和充分利用多gpu计算资源的挑战，训练卷积神经网络模型用于图像分类甚至是不可行的.
复制的结果 因此，研究人员可以将一组患者的结果转化为其他患者或其他环境.
跟踪每个模型的指标，并将模型存储在一个集中的位置 因此，他们可以分析模型是否正确工作，并确定正在使用的确切数据集.
轻松地将模型集成到数据科学工作流中 (换句话说，使研究可复制和可重用，以便它们可以跨多个业务用例使用). 对于Peter来说，这包括减少只适用于一组实验而不适用其他实验的特殊代码库的使用, 并确保模型是可解释和可解释的.

永利贵宾会建立了一个灵活的平台，使永利贵宾会能够通过不同的模型训练进行迭代, 而且也是分布式的.

Peter Shen，数据科学家，杨森制药

彼得还举了三个例子来说明这种方法是如何帮助加速研究的:

将深度学习模型的训练时间减少10倍. 例如, 在一个案例中，当研究人员将模型训练扩展到6个gpu而不是1个gpu时，他们几乎实现了线性加速. 在另一个例子中, 他们减少了每个阶段的训练时间, 从两小时减到两分钟, 通过尝试不同的图像格式.
优化模型 能够在模型训练和验证中使用更多的图像.
更好地预测临床试验资格，合格患者增加4倍，基于在一次实验中实现的结果. “如果永利贵宾会能够将这个模型部署到诊所, 永利贵宾会能够在临床试验中筛选为阳性的患者数量增加4倍.“有了这些结果, 该团队正在将其概念验证推进到下一个开发阶段, 其中包括额外的验证和额外数据的收集, 创建一个非常健壮和可推广的模型，用于治疗资格预测，可以跨用例使用.

关于演讲者

speaker-peter-shen 他在杨森制药公司的职位, Peter Shen通过数据驱动的决策帮助新药的研究和开发. 在杨森之前, 彼得是丹娜-法伯癌症研究所的研究生研究员, 曾担任Aimsio和Billion 健康的永利贵宾会经理, 以及不列颠哥伦比亚省癌症机构和加拿大公共卫生署的生物信息学合作.

speaker-katie-shakman Katherine Shakman为各行各业的数据科学团队提供授权和支持. 凯蒂的背景是健康数据科学和神经科学, 她相信计算工具将改变永利贵宾会与世界以及彼此互动的方式, 尤其是医疗保健和生命科学领域. 她正在努力使这种转变造福社会. 在她的博士研究中，凯蒂利用神经成像和行为分析来研究昆虫调节注意力和记忆的神经回路之间的相互作用. 她在实验设计中运用了她的技能, 解决问题, 项目管理, 分析, 机器学习, 数据可视化和技术交流影响未来的技术.

了解更多

观看网络研讨会”组织病理学中基于计算机视觉的深度学习模型的多gpu机器，以了解杨森面临的关键技术挑战以及他们如何解决这些挑战.