LG AI Research on kehittänyt Amazon Web Servicesin (AWS) pilvipalvelua hyödyntäen uuden tekoälymallin, joka nopeuttaa syövän diagnosointia merkittävästi. Exaone Path -niminen patologiaan erikoistunut tekoälymalli pystyy analysoimaan syöpänäytteitä ja lyhentämään geneettisen testauksen aikaa kahdesta viikosta alle minuuttiin.
AWS:n Las Vegasissa joulukuussa järjestetyssä re:Invent-tapahtumassa julkistetun tekoälymallin kehitys perustuu Amazon SageMaker -alustaan, joka mahdollisti sen kouluttamisen massiivisilla tietoaineistoilla nopeasti ja kustannustehokkaasti. Malli analysoi mikroskooppikuvia kudosnäytteistä ja tunnistaa soluista geneettisiä muutoksia, mikä auttaa lääkäreitä parantamaan hoitojen tehokkuutta.
EXAONEPath saavutti keskimäärin 86,1 %:n tarkkuuden kuudessa eri arviointitestissä, mikä on verrattavissa muihin huippuluokan patologian tekoälymalleihin, vaikka se koulutettiin pienemmällä tietomäärällä. AWS:n avulla LG AI Research pystyi lyhentämään mallin koulutusaikaa 60 päivästä vain yhteen viikkoon sekä pienentämään tietojen hallinta- ja infrastruktuurikustannuksia noin 35 %.
LG AI Researchin varatoimitusjohtaja Hwayoung (Edward) Lee mukaan AWS:n resurssit nopeuttavat tekoälytutkimusta. - Näin voimme tuoda käyttöön entistä nopeampia syöpäseulontoja. Exaone Path voi mullistaa syövän diagnosoinnin ja hoidon maailmanlaajuisesti."
EXAONEPath-mallin koulutus kesti kahdeksan kuukautta, ja siihen käytettiin 285 miljoonaa datapistettä sekä yli 35 000 korkearesoluutioista kudosnäytekuvaa. Suurten tietomäärien käsittelyyn ja analysointiin LG AI Research hyödynsi AWS:n ja NVIDIA:n huipputason laskentatehoa.
LG AI Research aikoo jatkaa mallin kehittämistä laajentamalla sen kykyjä tunnistaa useampia syöpätyyppejä uusien patologisten kuvien avulla.