戴尔易安信 PowerEdge 服务器推进AI在医疗科学领域稳定发展

责任编辑：cres |来源：企业网D1Net 2022-02-08 14:35:00 原创文章企业网D1Net

2022开年不久

人类医学迎来重大突破

1月上旬

全球首例

人类成功移植猪心脏的手术

在美国马里兰大学医学院完成

术后48小时内，患者并未发生任何险情，假如未来一段时间猪心脏仍能维持正常工作，这次手术将成为异种器官移植的里程碑。

心脏移植作为器官移植的重要组成部分，目前已成为终末期心脏病患者的最佳治疗手段。然供体短缺严重限制了器官移植手术的大量开展，根据世界卫生组织数据，每年全球只有不到10%的器官移植需求能得到满足。

鉴于此，医学界将目光转到异种器官移植领域，但排异问题是巨大障碍，此番马里兰大学医学院成功进行移植的心脏就来自经过基因编辑的猪，以最大程度降低排异反应。

长远来看，异种移植应用前景广阔，但目前还有不少障碍需要克服。撇开任重道远的异种器官移植，我们把目光转到人类心脏移植上，脏源短缺是一方面问题，但实际上即便有了脏源，接下来的移植也是一大关卡。

不完美的移植前判断

器官排斥是心脏移植最大的风险之一，受体的免疫系统对供体器官中的外来抗原起反应并且错误地攻击它，严重时可造成致命后果。

来自美国国家生物技术信息中心的数据显示，接受心脏移植的患者中，大约10%的人在术后三年内死于移植排斥反应。

为确保宝贵的脏源不被浪费，尽可能降低排斥反应的发生，手术之前心脏病理学家将对受者心脏进行心内膜心肌活检，以评估供体心脏是否会在受者身上起作用。

他们在显微镜下观察受体心脏，某些情况——例如聚集大量淋巴细胞，表示存在有害炎症，由此很可能出现一直排斥反应。检查活组织时，心脏病理学家会按0-4的等级进行打分，0表示不存在器官排斥机会，而4代表更高的排斥风险。

但这种心肌活检评分方式存在一个严重问题：一致性差。

一位病理学家给某个活检打0分，而其他人可能会打出更高分数。当研究人员要求资深的病理学家对收集的活检集合进行排名审查时，他们仅在62.6%的情况下达成一致——这意味着如果你向5名病理学家询问一张图像，5个人里会有2个人存在分歧。

很难说人类在预测心脏移植排斥反应方面有多准确，因为他们不直接预测结果，只对幻灯片进行评分，但没有共识确实是个严重问题。

那么技术是否能够克服人类存在的分歧，帮助建立更好的共识呢?

人工智能克服病理学分歧

通常，在预测心脏移植结果时，病理学家主要关注细胞密度，而更擅长捕捉空间排列特征的机器则提供了一个新视角。

自2018年开始，凯斯西储大学Donnell研究所的生物医学工程教授阿南特·马达布什，就和他的团队从美国三大移植中心(宾夕法尼亚大学医院、克利夫兰大学医院医学中心和俄亥俄州立大学韦克斯纳医学中心)采集了2000多张接受心脏移植患者的活检图像用于心脏移植预测研究。

该团队使用机器学习识别每张图像中的心肌细胞和淋巴细胞，他们开发了一种可以在空间上识别这些不同类型细胞位置的算法。

在已知部分图像的患者最终是否经历了心脏排斥反应前提下，研究人员可以利用这些信息确定细胞的空间排列对预测心脏移植成功的影响程度。

当团队将他们的算法与病理学家的数据相结合时，一致性提高到了大约66%的水平!这意味着人类在62%的时间里同意其他人，而在66%的时间里同意机器的评估。

尽管这种增加“可能看起来不多”，但在医学上却是显著的，特别是从患者的角度考虑时——拥有更可靠的信息将有助于改善健康结果。哪怕只是挽救了少数患者的生命，也是值得的。

机器提供第二意见为心脏移植带来了更多信心——如果病理学家和机器都打出高分，即表明某人会经历排斥的可能性更高。相反如果机器和人类存在不一致，则可能需要引入另一位独立专家提供额外意见。

马达布什教授表示，在中短期内，该机器学习模型可以作为心脏病理学家的决策支持工具，提升预测心脏移植结果的准确性。

未来，该团队希望扩展研究并预测患者的长期表现，即不仅是他们是否会接受或拒绝捐赠的心脏，还包括他们是否会保持健康以及持续多长时间。

科技本质是为人类服务，如上所述，先进的人工智能技术与医疗科学结合改善人类生存质量，这是所有科技工作者喜闻乐见的事。

如今人工智能在工业、医疗、金融、互联网等多个行业创造出多种应用场景，随着机器学习模型参数从千万级别到千亿级别甚至万亿级别发展，算力成为制约人工智能发展的重要因素，为了满足海量数据训练需求，高性能算力的支持必不可少。

戴尔科技集团发布的面向数据中心高性能AI计算的优化服务器PowerEdge XE8545，架构设计简洁且高效，4U空间支持4块NVIDIA A100 SXM4 80GB/40GB GPU加速卡，CPU、GPU、IO之间尽量直连，可充分保障数据通信及IO传输性能，以高性能算力助力AI在各个行业的快速落地。