MedUni Vienna使用基于云的人工智能来诊断癌症的新方法。改善患者的生活质量和更快，更准确地分类肿瘤细胞是主要目标。技术合作伙伴是微软。(红/ Czaak)的医学研究小组在维也纳医科大学目前的研究结果显示，进展仍然在肿瘤细胞中远远落后专长的其他领域的表征。例如，尽管放射学研究受益于CT和MRI技术中的机器学习方法，但肿瘤研究仍依赖于相对较旧的程序，该程序包括(仍然)冗长且通常是痛苦的治疗。
合作研究
方法为了开发改进的肿瘤分类方法，MedUni Vienna与Microsoft成为技术合作伙伴。重点是使用Microsoft平台Azure的AI和云计算。主要目的是在不采取组织的情况下正确分类肿瘤细胞，这被称为活检。当前的研究项目基于托马斯·拜尔(Thomas Beyer)和博士生Laszlo Papp代表的医学物理和生物医学工程中心以及马克斯·哈克(Marcus Hacker)主任代表的核医学临床部门的研究团队的合作。
“我们希望开发基于混合，代谢代谢成像且不需要组织样本的预测模型。Laszlo Papp解释说，这种活检既不愉快也不精确。“使用正电子发射断层扫描等混合成像技术，我们现在可以获得肿瘤的3D视图，并由此可以提取有关生物学特性的基本信息，” Papp说。
通过AI和云提高质量
常规肿瘤学诊断通常使用侵入性活检进行。影像诊断在这里也起着作用-为了识别病变，肉眼评估病变并正确进行组织摘除。然而，由于每种类型的癌症都是个体的，所以这是复杂的，实验室密集的并且并不总是完全准确的过程。因此，新方法是合适的。
从技术上讲，研究团队现在可以在使用Microsoft Azure IaaS(注：基础架构即服务)和Microsoft Azure认知服务使用的混合成像方法中使用人工智能。维也纳MedUni医学物理与生物医学技术中心的Papp解释说：“当我们描述了我们对该项目的实施的想法和要求时，微软立即意识到了它的重要性，因此积极参与其中。”
核医学临床部门负责人马库斯·哈克(Marcus Hacker)强调：“我们现在对肿瘤的了解甚至更好。” Hacker说：“我们正在并行开展多个项目，目前专注于在宫颈癌，前列腺癌或乳腺癌的背景下发展的肿瘤细胞。”
精确的预测模型可以节省宝贵的生命时间
在当前的标准程序下，活检的结果只能在最多两周后才能获得-这是宝贵的时间，在此时间里快速生长的肿瘤可能会造成相当大的损害。另外，患者经历了相应的不愉快的等待过程。Papp强调说：“人工智能无需直接进行痛苦，不准确的活检和冗长的治疗，而是可以在完成成像过程后立即创建对CT图像的详细分析。” 医师补充说：“结果可以迅速传达给主治医师，并且可以尽快制定个性化的治疗计划。”
所有三位专家都确认，他们优化诊断的概念应使患者的治疗更加愉快，并应实现长期的大量成本降低。同时，研究团队意识到，收集所需的极端数量的数据将是巨大的挑战。但是，此数据对于训练计算机辅助的预测模型以有效地预测混合成像中的模式是必需的。“如此苛刻的计算过程通常需要大量的技术资源，而大学根本无法获得，” Papp说。
因此，Microsoft Azure平台是一种非常通用的云解决方案，可以存储大量数据。通过与IT服务提供商合作，Beyer，Hacker和Papp医生现在可以进一步探索肿瘤分类的复杂方面-目的是大大缩短从诊断到治疗的路径。研究人员一致强调：“我们相信AI和混合成像技术在癌症治疗中的结合将显着增加患者的生存机会，并最终提高患者的生活质量。”