De acordo com pt.wedoany.com-Mais de 20 hospitais ativaram conjuntamente a versão em nuvem do modelo de patologia RuiPath, marcando uma nova fase de aplicação em larga escala da inteligência artificial na área médica. No Fórum de Inovação em Inteligência Artificial Médica "Simbiose Digital e Inteligente, Lançamento na Nuvem", o Hospital Ruijin, o Hospital Afiliado da Universidade de Yan'an, o Hospital Central de Handan, o Hospital Afiliado da Universidade de Engenharia de Hebei, o Hospital do Condado de She, o Primeiro Hospital Popular de Wu'an, o Hospital Popular de Xingyi e o Hospital Popular de Ruian participaram da cerimônia de ativação em nuvem do modelo.
Para enfrentar os desafios estruturais do diagnóstico patológico, como a escassez de recursos de alta qualidade, a falta de patologistas e o desenvolvimento regional desequilibrado, o Hospital Ruijin, em parceria com a Huawei, desenvolveu o modelo de patologia RuiPath. Este modelo é o primeiro modelo de patologia de nível clínico na China a entrar no fluxo de produção hospitalar, podendo cobrir 90% dos tipos comuns de câncer e 90% das tarefas de diagnóstico a jusante. Atualmente, o RuiPath segue o caminho de "pesquisa e validação em hospitais de ponta — expansão para hospitais terciários municipais — replicação e aplicação em hospitais distritais", adaptando-se e iterando continuamente em cenários clínicos reais.
Desde 2020, o Hospital Ruijin promove a digitalização da patologia. Atualmente, realiza a digitalização de cerca de 5.000 a 6.000 lâminas por dia, acumulando milhões de lâminas de patologia digital. Com base nisso, o Hospital Ruijin colaborou com a Huawei para construir gradualmente o fluxo de trabalho de produção do RuiPath, abrangendo os tipos comuns de câncer, desde compressão sem perdas e formato unificado até computação colaborativa nuvem-dispositivo. Em 12 conjuntos de dados de código aberto e 14 tarefas principais, o modelo supera modelos internacionais concorrentes em 7 indicadores. Por meio do mecanismo de ciclo de dados, o modelo itera continuamente no uso clínico, alcançando um ciclo fechado de engenharia de "quanto mais usado, mais preciso".
Para enfrentar os desafios de engenharia na transição do laboratório para a aplicação clínica, o Hospital Ruijin e a Huawei Cloud lançaram uma solução conjunta de arquitetura de computação híbrida nuvem-dispositivo: no lado do hospital, uma pequena quantidade de características de áreas suspeitas de tumor é extraída e enviada para a nuvem, economizando 85% da largura de banda e garantindo transmissão criptografada; na nuvem, com base no mecanismo de "disponível, mas invisível" de criptografia total, são realizados o raciocínio diagnóstico e o treinamento adicional do modelo, permitindo que o hospital construa um modelo exclusivo com apenas uma pequena amostra de dados. Esse caminho alivia a falta de capacidade computacional e largura de banda em hospitais de base, ao mesmo tempo que garante a segurança dos dados e do modelo, alcançando o objetivo de que os dados não saiam do domínio.
Ao compartilhar a experiência prática, o Dr. Tian Yunxiao, chefe do Departamento de Patologia do Hospital Central de Handan, afirmou que o hospital concluiu a otimização local de modelos para câncer de mama e colorretal por meio de treinamento com pequenas amostras de dezenas de lâminas por rodada: no modelo de câncer de mama, a precisão na discriminação entre presença e ausência de tumor para casos locais de Handan aumentou de cerca de 95% no início para quase 100%, e a precisão do tipo histológico atingiu mais de 90%. No modelo de pequenas amostras de biópsia colorretal, após várias rodadas de treinamento, a precisão na presença ou ausência de tumor atingiu 99%, e a precisão do tipo histológico ultrapassou 93%. Com base no mecanismo de treinamento com pequenas amostras e ciclo de dados da Huawei Cloud, o hospital precisa apenas de cerca de 10% dos dados de treinamento para construir um modelo exclusivo.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
