LG:s AI-forskningsnav har utvecklat en AI-modell för att förbättra cancerdiagnostik.
Modellen, som presenterades på AWS re:Invent, analyserar mikroskopiska vävnadsbilder och förkortar genetiska testtider från två veckor till under en minut.
Förhoppningen är att modellen ska bidra till snabbare diagnoser och effektivare behandlingar för cancerpatienter.
EXAONEPath, som modellen kallas, har en noggrannhet på 86,1 % i klassificering av cellulära egenskaper, och är jämförbar med ledande modeller tränade på större datamängder. Genom att utnyttja AWS molnkraft förkortar LG modellträningstiden från 60 dagar till bara en vecka, samtidigt som kostnaden för datahantering minskar med 35 % och dataförberedelsetiden med 95 %.
”EXAONEPath förverkligar tillgänglig och snabb cancerscreening. AWS gör det möjligt för oss att träna vår modell på stora datamängder snabbare, säkrare och kostnadseffektivare, vilket i slutändan förbättrar patientresultaten”, säger Hwayoung (Edward) Lee, vice VD för LG AI Research.
Modellen är byggt på Amazon SageMaker och Amazon FSx for Lustre, bearbetade 285 miljoner datapunkter och över 35 000 högupplösta bilder på bara åtta månader. Modellen använder NVIDIA GPU:er för djupinlärning, vilket möjliggör snabb analys och visualisering av histopatologiska bilder för att identifiera potentiella genetiska förändringar i celler.
”Detta kommer att ge vårdgivare möjlighet att förbättra cancerdiagnoser och behandlingar, minska väntetider och personalisera patientvård”, säger Dan Sheeran, chef för Healthcare and Life Sciences på AWS.
EXAONEPath är en del av LG:s större EXAONE-modell, även den byggd på AWS. LG planerar att utöka EXAONEPaths kapacitet för att upptäcka fler cancertyper i framtiden.
