DellPowerEdge服务器支持数据之间的直接连接和互通，帮助建立更好的共识在48小时内，患者没有遇到任何危险。如果猪心脏以后还能正常工作，这个手术将成为异种移植的一个里程碑。心脏移植作为器官移植的重要组成部分，已成为终末期心脏病患者的最佳治疗手段。然而，供体短缺严重制约着器官移植手术的大规模实施。根据世界卫生组织的数据，全球每年只能满足不到10%的器官移植需求。鉴于此，医学界纷纷将目光投向了异种器官移植领域，但排异问题是一个巨大的障碍。这次在马里兰大学医学院成功移植的心脏来自经过基因编辑的猪，最大限度地减少了排异反应。从长远来看，异种移植的应用前景广阔，但仍有许多障碍需要克服。除了还有很长的路要走的异种移植，我们将注意力转向人类心脏移植。器官来源短缺是一方面的问题，但实际上，即使有器官来源，接下来的移植也是一个很大的坎。移植前判断不完善器官排斥是心脏移植最大的风险之一，其中接受者的免疫系统对供体器官中的外来抗原产生反应并错误地攻击它，具有潜在的致命后果。根据国家生物技术信息中心的数据，大约10%的心脏移植接受者在手术后三年内死于移植排斥反应。为了不浪费宝贵的心脏资源，尽量减少排斥反应的发生，心脏科医生会在手术前对受者的心脏进行心内膜心肌活检，以评估供体心脏是否对受者起作用。当他们在显微镜下观察受体心脏时，某些情况（例如大量淋巴细胞积聚）表明存在有害炎症，因此可能存在排斥反应。检查活组织检查时，心脏病专家会以0-4的等级对其进行评分，0表示没有器官排斥的可能性，4表示排斥的风险较高。但是，这种心肌活检评分方法存在一个严重的问题：一致性差。一位病理学家对活组织检查评分为0，而其他人可能评分更高。当研究人员要求高级病理学家对他们对收集的活检样本的评论进行排名时，他们只有62.6%的同意率——这意味着如果你向五位病理学家询问一张图像，五分之二会有2个人不同意。很难说人类在预测心脏移植排斥反应方面有多准确，因为他们不直接预测结果，他们只是对幻灯片进行评分，但缺乏共识确实是一个严重的问题。那么技术能否克服人与人之间的差异，帮助建立更好的共识呢？人工智能克服病理学鸿沟传统上，病理学家在预测心脏移植结果时关注细胞密度，但更善于捕捉空间排列特征的机器提供了新的视角。2018年以来，凯斯西储大学Donnell研究所生物医学工程教授AnantMadhabush及其团队先后在美国三大移植中心（宾夕法尼亚大学医院、克利夫兰大学医院医学中心和俄亥俄州）取经韦恩州立大学）。Kesner医疗中心）收集了2,000多张心脏移植患者的活检图像，用于心脏移植预测研究。使用机器学习来识别每张图像中的心肌细胞和淋巴细胞，该团队开发了一种算法，可以在空间上识别这些不同类型细胞的位置。了解具有某些图像的患者是否最终经历了心脏排斥反应，研究人员可以使用此信息来确定细胞的空间排列在多大程度上可以预测心脏移植的成功。当团队将他们的算法与病理学家的数据相结合时，一致性提高到大约66%的水平！这意味着人类有62%的时间同意其他人的意见，有66%的时间同意机器的评估。虽然这种增加“可能看起来并不多”，但它在医学上意义重大，尤其是从患者的角度考虑时——拥有更可靠的信息将有助于改善健康结果。哪怕只是挽救了少数患者的生命，也是值得的。给出第二意见的机器让人们对心脏移植更有信心——如果病理学家和机器的得分都很高，则表明某人更有可能经历排斥反应。相反，如果机器和人类之间存在差异，则可能需要引入另一位独立专家来提供额外的输入。Madabush教授说，从短期到中期，机器学习模型可以作为心脏病专家的决策支持工具，提高预测心脏移植结果的准确性。未来，该团队希望扩大研究并预测患者的长期状况——不仅仅是他们是否会接受或拒绝捐赠的心脏，而是他们是否会保持健康以及能保持多久。科技的本质是为人类服务。如上所述，先进的人工智能技术与医学科学的结合，提高了人类的生活质量，这是所有科技工作者乐于看到的。如今，人工智能已经在工业、医疗、金融、互联网等诸多行业创造了丰富多彩的应用场景。随着机器学习模型参数从千万级发展到千亿级甚至万亿级，算力已经成为人工智能发展的制约因素。一个重要因素。为了满足海量数据的训练需求，高性能计算能力的支持必不可少。PowerEdgeXE8545是戴尔科技发布的针对数据中心高性能AI计算优化的服务器，其架构设计简洁高效。4U空间支持4张NVIDIAA100SXM480GB/40GBGPU加速卡。CPU、GPU、IO尽量直连。充分保障数据通信和IO传输的性能，以高性能计算能力助力AI在各行业的快速落地。“移植或死亡！”这是许多终末期器官衰竭患者面临的情况，鉴于目前可用器官稀缺，将供体与最有可能在移植后存活下来的人相匹配非常重要。除了提高心脏移植的疗效，未来人工智能参与生命科学领域，必将让更多人受益。
