近期实验显示,人工智能(AI)系统能够从放大的内窥镜图像中发现直肠腺瘤(一种可转化为癌症的早期肿瘤),这是因为该系统能够将实验所用的内窥镜图像与其在机器学习阶段的3万张图像逐一进行匹配对比,从而得出相应结论。
研究人员声称该系统已经对250名患者中的300多例直肠腺瘤进行了诊断分析,其中每张放大内窥镜图像的检测用时不逾一秒并且恶性肿瘤判断的准确率可达94%。
在西班牙巴塞罗那举行的United European Gastroenterology Week会议上,日本横滨昭和大学的研究领导者Yuichi Mori博士就此项实验作相关报告时表示:“该系统最大的突破在于AI可以在肠镜检查期间实现直肠息肉的实时光学活检,而不再依赖于内窥镜医师的技术。”
尽管该系统尚未获得监管部门的批准,但Mori认为其能够让许多患者避免不必要的手术。
Mori解释称:“该系统能够检测息肉是否会发生癌变,那么则可以完全切除腺瘤(癌性)息肉,并同时避免不必要的非肿瘤性息肉切除手术。”
Mori 补充道:“我们相信这些结论对于临床应用而言具有积极的指导意义,所以我们的近期目标则是获得诊断系统的监管批准。”
将AI与其他技术用于癌症的早期检测是目前全球范围内热门的探索领域。今年早些时候,英国国家卫生服务局(NHS)与英特尔公司表示其正在合作,期望可以通过应用AI技术以提高癌症诊断的正确率。另外,由沃里克大学组织图像分析实验室牵头的研究团队一直致力于建立基于人体组织细胞样本的已知肿瘤与免疫细胞的数字化资源库。
该癌症信息数据库随后将配合一定的计算程序用于自动识别该数据库内的细胞信息。据悉,该联盟最初的合作重点是肺癌。
英特尔与NHS在今年5月表示最初由谷歌公司设计的架构——包括TensorFlow——将构成该AI系统的基础并采用英特尔至强处理器。
此外,澳大利亚联邦科学与工业研究组织(CSIRO)同样在5月宣布其Data 61部门的研究人员一直在致力于开发一款软件以检测血管再生——新血管的生长,而这也是形成癌症的前期征兆。
CSIRO方面表示,Data 61与中国科学院上海应用物理研究所的研究人员分析了26只实验鼠在不同癌症生长阶段的大脑与肝脏的26张高分辨3D微CT图像并以此为基础研发了一套算法以生成准确的立体血管示意图。
Data 61的软件能够随时检测血管内细微的增生以了解患者机体对血管生成抑制剂的反馈情况。
对此,CSIRO表示:“血管变化的准确量化——特别是末端血管分支的数量——在精准诊断与治疗过程中扮演了极其重要的角色。”
然而,这已不是CSIRO首次涉入癌症诊断领域。早在12月,CSIRO发布了一套全新且准确率更高的血液测试系统——名为Colvera——以检测肠癌复发,现在美国已正式投入使用。
此套血液测试系统是由CSIRO、Flinders大学与Clinical Genomics合力开发而来,其作用机理是通过检测血液循环中肿瘤碎片DNA的癌症特异性化学信号变化从而检测肠癌是否复发。
加州的Guardant Health也在研究早期癌症检测,并且该公司在今年募集了3.6亿美元,计划在五年内完成100多万名癌症患者的肿瘤DNA排序工作,尔后将利用这些数据研发一套用于癌症诊断的血液检测系统。
南旧金山的液体活检初创企业Freenome通过结合机器学习与生物学以检测癌细胞死亡之前的无细胞DNA序列。该公司迄今为止已经募集了7120万美元,而投资公司——诸如Google Ventures等——同时也支持了Freenome的竞争对手Grail。
1月,在纳斯达克上市的DNA测序巨头Illumina的分支公司Grail在由Arch Venture Partners主导的B轮投资中募集了9亿美元,其他的投资者还包括强生旗下的创新孵化机构。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。