关键成果
2–3 天
向患者返回检测结果所需的天数，而其他检测则需要 6 周1 万多个
每张活检切片通过机器学习工作流程处理的图像文件数量概览
当患者经诊断患有癌症时，下一步便是确定能带来最佳疗效的治疗方案。通常情况下，癌症侵袭性越高，所需的治疗手段也会越激进。然而，癌症的侵袭性并非总能清晰判断。此外，患者由于独特的生物构成，对同一种疗法的反应也会存在差异。因此，一些疾病侵袭性较低的患者可能会不慎接受过度治疗，承受不必要的治疗及其带来的诸多副作用；而另一些癌症侵袭性较高的患者则可能治疗不足，进而可能导致更糟糕的预后。
Artera 借助人工智能（AI）和机器学习（ML），彻底改变了癌症治疗决策方式。Artera 在 Amazon Web Services（AWS）上运用人工智能和机器学习技术，研发出了具有突破性的 ArteraAI 前列腺癌检测。该检测为患者及其医生提供个性化洞察，协助他们选择合适的治疗方案，能在提高治疗效果的同时，将不必要的副作用降至最低。
对于类似的基因组检测，患者可能需要等待 6 周甚至更长时间才能得到检测结果，之后才能做出重要的治疗决策。ArteraAI 前列腺癌检测仅需两天就能向患者返回检测结果，为患者和医生提供急需的关键信息，助力他们尽快做出关乎生命的决策。
关于 Artera
Artera 提供由人工智能驱动的癌症预测和预后检测，其中包括 ArteraAI 前列腺癌检测。该公司的使命是为个性化癌症治疗以及临床医生与患者之间的共同决策提供支持。
机遇 | 借助 Amazon EFS 为 Artera 的高分辨率图像存储提供支持
Artera 成立于 2021 年，其目标是借助人工智能在全球范围内实现医疗决策的个性化，改善患者治疗效果。该公司从成立之初就采用 AWS，凭借高性能、可扩展的基础设施为其人工智能和机器学习解决方案提供支持。
在 Artera 公司的解决方案问世之前，尚无基于人工智能的工具能够帮助医生和癌症患者做出个性化、及时的治疗决策。相反，医生会将患者的活检组织样本送往实验室，通过化学检测来测量少量基因的表达水平。随后，这些基因的 RNA 表达会被用于评测患者的风险等级。这类检测存在诸多局限性。首先，整个检测过程可能需要 6 周时间，而对于癌症治疗这一高度紧张的决策而言，等待时间过长。其次，这类检测的改进速度完全依赖于科学界发现与癌症风险相关新基因的速度。第三，这类检测会消耗原始组织样本，这不仅限制了医生安排额外检测的能力，也限制了患者未来参与临床试验或长期监测的可能性。
Artera 希望改变这一现状。“Artera 的成立源于一个信念，即组织病理学图像数据中存在大量未被利用的信号。如果能专门针对这一点开发人工智能算法，就能从根本上改变癌症患者的护理方式。”Artera 首席技术官 Nathan Silberman 表示。该公司希望利用这些信息开发出能对患者产生最大影响的解决方案。虽然该公司最初专注于中危前列腺癌，但最终目标是建立一个庞大的泛肿瘤基础模型，能够对任何癌症样本进行患者风险和治疗获益评测。
Artera 的临床团队和机器学习团队通力合作，明确了该项目的基础设施需求。由于 Artera 的解决方案需要分析活检切片中的信号，因此该公司深知需要处理高分辨率数字图像。然而，这些图像文件体积庞大，有时可达 8GB，并且需要分解成数万个较小的图像块才能让模型处理，这是一个耗时的过程。此外，训练 Artera 的基础模型需要向 AWS 服务器大量传输数百万个图像块。
为完成这项任务，Artera 需要一个既易于使用，又能轻松扩展以管理数百万个图像文件，并可随时调用这些文件的存储系统解决方案。该公司选择了 Amazon Elastic File System（Amazon EFS）作为无服务器、完全弹性的文件存储解决方案。
Amazon EFS 的按需扩展能力使 Artera 能够快速开发软件和人工智能产品。由于 EFS 的运行方式与传统文件系统类似，Artera 在编写软件时无需考虑存储位置，同时其高吞吐量也支持并发实验。Amazon EFS 无需存储管理，且能与 Artera 的其他工具无缝集成，为机器学习工作负载提供了所需的性能和一致性。“我们希望为团队提供直观的方式来使用基于云的共享文件系统，以便他们能够快速开展实验。”Silberman 表示，“Amazon EFS 是一个非常出色的解决方案。”
为支持大规模数据处理和机器学习训练，进而更快地向患者传递检测结果，Artera 选择了一项完全托管的 Kubernetes 服务，也就是 Amazon Elastic Kubernetes Service（Amazon EKS）。Amazon EKS 自动执行为 Artera 的机器学习工作流程提供支持的 Kubernetes 集群管理，使工程师能够专注于开发算法，而非管理基础设施。
随着解决方案概念的巩固和框架的到位，Artera 开发了其第一个商业产品：ArteraAI 前列腺测试。
解决方案 | 利用人工智能在 2-3 天内提供个性化癌症治疗建议
ArteraAI 前列腺癌检测被视为局限性前列腺癌的标准诊疗手段，并被纳入《2024 年国家综合癌症网络肿瘤临床实践指南》。该检测由 AWS 提供支持，借助 Artera 的人工智能模型分析高分辨率数字切片图像，识别用于预测患者风险和治疗结果的生物标志物。
Artera 能够利用 Amazon EFS 的高吞吐量扩展其工作负载，并使用 Amazon EKS 进行大规模并行数据处理。这种高性能和可扩展性使 Artera 在收到样本后仅 2-3 天就能出具检测结果，远快于传统基因组检测 6 周的周转时间，而且后者还可能因组织样本不足而出具不确定的结果。ArteraAI 前列腺癌检测结果通过评估长期治疗效果和预测不同治疗方案的获益，对患者进行风险分层，从而支持临床决策。“在其他检测中，医生会将患者的组织样本送往实验室进行化学检测，而这一过程会破坏组织样本。”Silberman 表示，“而 ArteraAI 前列腺癌检测仅需借助数字图像就能进行，这一点是其巨大的差异化优势。”
借助 AWS 的托管服务以及 Amazon EFS 等可扩展解决方案，Artera 的团队得以腾出精力，专注于创新。“借助 AWS，我们可以专注于解决组织病理学方面的问题，而无需分心于维护和监控工作。”Silberman 表示，“毫无疑问，使用 AWS 极大地缩短了我们的上市时间。”
此外，在全球扩张过程中，借助 AWS，Artera 能够遵守数据隐私和数据驻留要求，这有助于加快其在新地区的产品上市速度。Amazon EFS 让用户能够将文件系统挂载到与应用程序所在的相同 AWS 区域内，从而确保数据存储在靠近处理地点的位置。“Amazon EFS 的一大优势在于，实现数据本地化非常简单。”Silberman 表示。
成果 | 利用人工智能/机器学习革新患者护理
2024 年，美国有近 30 万人被诊断出患有前列腺癌。“试想一下，患者收到了人生中最糟糕的消息，却还得等上 6 周才能确定治疗方案。”Silberman 表示，“而 Artera 公司能在几天内就为患者提供量身定制的个性化检测结果。”
美国目前有超过 350 万名前列腺癌幸存者。通过推荐个性化治疗方案，Artera 帮助患者确定最佳治疗选择，在实现无进展生存期的同时，最大限度降低不必要的副作用。“我们收到过患者的反馈，他们表示正是因为我们的检测，才得以避免那些副作用很多的不必要治疗。”Silberman 表示，“这就是我们 Artera 全体员工努力的目标：为临床医生提供尽可能多、有数据支持的洞察，以便医生告知患者情况，并为患者的护理做出最佳选择。”
通过使用 Amazon EFS 等弹性、可扩展的解决方案，Artera 为继续开发用于其他癌症检测的机器学习模型奠定了坚实的基础。该公司已宣布计划推出乳腺癌检测产品，此外还有多款其他检测产品也即将问世。“我们即将在不同癌症领域加速推进相关产品的研发。”Silberman 表示，“尽管我们为在前列腺癌领域所做的工作感到自豪，但这仅仅是个开始。”
毫无疑问，使用 AWS 极大地缩短了我们的上市时间。
Nathan Silberman
Artera 首席技术官找到今天要查找的内容了吗？
请提供您的意见，以便我们改进网页内容的质量。