至顶网软件频道消息:
国家高度重视医疗大数据技术产业发展,提出实施国家大数据战略,要坚持以人民为中心的发展思想,运用大数据促进保障和改善民生,推进“互联网+医疗”等,让百姓少跑腿、数据多跑路,不断提升公共服务均等化、普惠化、便捷化水平。目前,我国医疗行业政府机构、科研院所、高校、医院和企业正在展开深度合作,医疗领域大数据逐渐“跑起来”,相关研究与应用进入蓬勃发展的新的历史时期。
2018年1月23日,国家食品药品监督管理总局药品评价中心暨国家药品不良反应监测中心(以下简称:国家药品不良反应监测中心)与重庆医科大学签署了“药械安全大数据”战略合作协议。双方宣布就“药械安全大数据为基础的学科建设、相关研究、平台建设、应用发展等事宜”全面展开战略合作,将结合重庆医科大学二级学院即“重庆医科大学医渡云医学数据研究院”的技术实践能力共同编撰教材、设置课程,以大数据、人工智能等新技术革新药械警戒为学科特色,培养相关高水平人才,为中国建立药械警戒的梯队人才储备。
【国家药品不良反应监测中心办公室主任李馨龄、宋海波博士,重庆医科大学副校长杨竹、雷寒教授,重庆市药品不良反应监测中心主任唐晓红等出席签约仪式】
李馨龄主任高度肯定了此次合作的重要意义,他指出,与重庆医科大学的合作是国家药品不良反应监测中心第一次尝试和医科大学的深度合作,是一次强强联合,必将充分发挥双方优势,有力推进药械安全大数据相关研究和应用。他表示,国家药品不良反应监测中心将依托于医科大学区域医疗数据平台及医学大数据研究院的人工智能、大数据技术支撑,将针对特定区域、特定药品、特殊人群的药械安全、药械评价等方面开展深入研究合作,有效推动中国药品上市后的风险监控相关研究。
杨竹副校长在主持签约仪式时表示,非常感谢国家药品不良反应监测中心对重庆医科大学的信任,将举全校之力配合做好工作,确保取得预期成效。
未来,双方将继续发挥各自优势,紧紧依靠国家药品不良反应监测哨点这一平台,充分借助医学大数据研究院的技术支持,开展更多药品不良反应的深入研究。同时,将进一步推动药械安全大数据在中国的发展和应用,以药械全生命周期的真实世界临床数据为核心,努力构建全球领先的药械安全大数据平台,为药械安全性评价及临床安全用药用械提供更加精准的数据支持,为切实有效提升医药主管部门监管能力、维护国民用药安全提供强有力的技术保障。推动医药安全大数据技术真正在保障和改善民生上“大有作为”,实现我们的“健康中国梦”。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。