ZD至顶网软件频道消息: 谷歌的英国子公司DeepMind并不是唯一一家使用人工智能对抗癌症、帮助医生做临床决策的公司。
微软今天公布了一批抗癌的重点项目,展示如何利用机器学习应用解决更大的挑战。
例如其中一个名为Project Hanover的应用是为了向所有癌症患者提供个性化的、精准的癌症治疗方法,帮助肿瘤科医生更快速地搜索大量生物医学研究论文。
微软正在瞄准所谓的“分子肿瘤团体”,该团体成立的目的是制订符合患者特定癌症症状的个性化治疗方案。但是,肿瘤学家需要评估每一种癌症具体情况而进行大量研究工作,无法了解最严重的案例,这些都阻碍了医生对患者的治疗。
微软表示,美国政府的PubMed服务每分钟会发布2篇论文,每年发布篇数超过100万。这个Hanover项目团队利用这个资源库开发了机器读取技术,自动地分析数百万的生物医学文章,而无需依赖标注,无需转换为结构化数据库。
此外它还分析覆盖基因网络和遗传相关的PubMed论文,通过一个由Azure托管的生物医学搜索服务Literome提供知识提取。
“据我们了解,癌症往往不是由单一突变引起的,相反,癌症源自于许多不同的基因突变的复杂相互作用,这意味着你需要了解关于基因组的一切,”微软研究院Hoifung Poon说。
Poon和其他Hanover团队的同事正在致力于俄勒冈健康与科技大学的Knight Cancer项目,利用机器学习实现个性化的药物组合,以治疗急性髓性白血病。
Knight Cancer Institute研究所所长Brian Druker表示,他的团队为计算机科学家提供假设,然后这些科学家会做分析,帮助验证或者反驳他们的理论。
微软运用其人工智能技术的另外一个癌症研究领域是帮助放射科医生追踪疾病的情况。放射科医生可以通过CT扫描快速了解患者是否有肿瘤,而人眼则不那么擅长看出其中的变化。
微软还强调自己的Bio Model Analyzer (BMA),帮助调查当疾病来袭的时候细胞发生了怎样的变化。BMA可以帮助更早期地检测癌症,模拟癌症患者对不同药物会做出怎样的反应。
微软表示,微软正在于制药巨头阿斯利康合作利用BMA了解药物之间的相互作用,以及患有某种白血病的患者的抗药性。
最后,微软生物计算部门的研究人员正在研究人体中的编程细胞。该部门负责人Andrew Phillip表示,实现这个目标微软还有很长的路要走,但说这“在技术上是可行的”,如果他们能够像了解计算机那样深入了解细胞。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。