至顶网软件频道消息: 你可能会听到企业高管们谈论大数据和分析项目对他们公司的重要性。但是对于一些组织来说,利用这些技术实际上可以挽救个人的生命。
在器官分享联合网络(United Network for Organ Sharing,UNOS)的例子里,这家私营的非营利性组织管理着这个国家的器官移植系统。UNOS将捐献的器官同等待它们的移植候选人进行匹配。
作为移植后研究的一部分,UNOS生成器官提供报告(Organ Offer Reports),为移植中心提供数据,但我们希望通过自助服务模式更快速地提供更多信息。这些报告为移植中心提供了特定月份中,它们的医院里所有的移植活动清单。
为了实现这个目标,UNOS采用了Talend公司的技术,后者是一家专注于大数据集成和管理的软件公司。
UNOS使用Talend的大数据平台来生成Spark代码,以加速数据的整合。Talend数据管道提供三个独立的Hadoop集群,该公司的软件将结果生成到一个源系统,而Tableau数据可视化软件会读取它们,然后提供器官提供报告(Organ Offer Reports)。
UNOS 的首席技术官Alex Tulchinsky表示,总的来说,移植中心的成功是用成功结果的数量来衡量的。
在使用了Talend平台之后,UNOS已经将数据处理的时间从18个小时减少到了3至4个小时,生成报告所需的时间减少了84%。
Tulchinsky表示,“现在,每天有超过85个人可以获得第二次生命的机会。” 他表示,有了大数据和分析的帮助,移植外科医生现在可以评估他们的决定以及其他外科医生的决定,帮助他们获得更多的信息并在下一次移植手术中获得成功。
Tulchinsky表示,这项技术“帮助我们为社区创造了更加丰富的研究环境,自助服务模式让信息的获取以往更方便、更快速,而且能够获取的信息也更多。 ”Tulchinsky表示,“现在,数据已经存在了,我们可以每周更新一次。以前,需要几周的时间才能得到我们需要的信息。我们期待着看到这种情况会如何继续,以及在未来我们能够多挽救多少生命。”
Tulchinsky表示,器官捐赠候选名单上有将近12万人,这就使得器官优化变得非常重要,而且持续面临挑战。他表示:“当移植医院接受移植候选人,以及器官获取组织得到器官捐献者的同意时,他们都将医疗数据输入UNOS的计算机网络。”UNOS系统结合利用候选人和捐助者信息,为每个器官进行一次“匹配运行”,列出每个机构候选人的排名清单。
Tulchinsky表示:“紧张感非常强烈,因为医生只有一个小时的时间来决定是否为他们在名单上的患者接受该器官。”他表示:“这个时间表非常重要,因为器官的移植时间窗口有限。我们需要一种让每个人都能访问数据和分析的方法,以帮助他们从别人的决策中学习,让他们能够更快,也更安全。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。