亞馬遜不僅涉及Echo產(chǎn)品，云服務和電子商務平臺。它也積極地為科學和發(fā)展做出貢獻。并且，該領域的最新進展來自亞馬遜Web服務（AWS）和匹茲堡健康數(shù)據(jù)聯(lián)盟（PHDA）的合作，它們共同為乳腺癌篩查和抑郁癥提供了更為準確的機器學習模型。

在博客文章中，提到了已經(jīng)獲得PHDA支持的匹茲堡大學醫(yī)學中心，匹茲堡大學和卡內(nèi)基梅隆大學的研究人員如何獲得亞馬遜研究獎的額外支持，以使用機器學習技術來研究乳房癌癥風險，識別抑郁癥標志物以及了解驅(qū)動腫瘤生長的因素等。

作為此次合作的一部分，匹茲堡大學放射學系副教授山東吳（Shenzhen Wu）領導的研究小組正在使用深度學習系統(tǒng)分析乳房X線照片，以預測患乳腺癌的短期風險。還提到了計算機視覺，深度學習，生物信息學和乳腺癌成像方面的專家團隊正在共同努力，為接受乳腺癌篩查的患者開發(fā)個性化方法。

“這項初步工作證明了運用深度學習方法對乳房X線照片進行深入解釋以增強乳腺癌風險評估的可行性和前景?！?Wu說?！按_定乳腺癌的其他危險因素，包括可以導致更具個性化的篩查方法的那些，可以幫助患者和提供者采取更適當?shù)念A防措施，以減少患上這種疾病或在干預最有效的時候及早發(fā)現(xiàn)這種疾病的可能性。 ?！?/p>

還提到了第二個項目，其中CMU計算機科學副教授Louis-Philippe Morency和UPMC臨床研究員Eva Szigethy正在開發(fā)可自動測量個體行為的細微變化（例如面部表情和使用情況）的傳感技術。語言-可以作為抑郁癥的生物標記。

這涉及機器學習和繁重的計算負荷。但是，在多個GPUS AWS服務上并行運行實驗使研究人員可以在幾天而不是幾周的時間內(nèi)訓練他們的模型。

責任編輯：lq