至顶网软件频道消息:谷歌和同属Alphabet集团专注于健康的Verily Life Sciences共同进行的一项研究表明,深度学习算法可以通过分析个体的视网膜照片准确预测心脏病。
这些公司的科学家在《自然-生物医学工程》(《Nature Biomedical Engineering》)上发表的一篇新论文中详细介绍了他们的发现:“通过深度学习视网膜眼底照片预测引起心血管疾病的危险因素”。
视网膜眼底照片包括眼睛的血管,这篇论文显示可以利用血管准确预测心血管疾病的危险因素,包括其人是否吸烟、血压、年龄、性别以及某人是否曾经有过心脏病发作。该算法也能够推断出一个人的种族,这也是心血管相关疾病的一个因素。
谷歌的大脑团队(Brain Team)产品经理Lily Peng写道:“用来自284,335名患者的数据对深度学习算法进行训练,我们能够通过视网膜照片对两个来自12,026名和999名患者的独立数据集进行心血管疾病危险因素的预测,而且预测的准确度高得惊人。”
这个数据集包括来自英国Biobank数据库的48101名患者和来自EyePACS数据库的236244名患者。
正如文章指出的那样,还有一些其他的方法可以通过患者的病史和血液样本评估心血管疾病的风险,但有时关键信息是缺失的,如胆固醇水平。
视网膜图像扫描可以为发现心脏疾病信号提供一种快速、廉价且无创的方式。
鉴于该算法可以准确预测风险因素,科学家们还训练该算法来预测主要心血管疾病的发作,如五年内心脏病发作。
Peng写道:“我们的算法能够在70%的时间内挑选出曾经发作过心血管疾病的患者。这种准确程度已经接近了其他的心血管疾病风险计算方式,而这些方式需要抽血测量胆固醇。”
研究人员还使用注意力图来研究算法如何进行预测,比如是否关注通过血管来预测年龄、吸烟状况和血压。
正如Peng所说,打开黑匣子并且解释清楚预测是如何进行的,应该会让医生对该算法更有信心。
Verily的心血管健康创新负责人Michael McConnell表示,这项研究很有前途的,但现在还处于早期阶段。
他指出:“在进入临床之前,必须还要完成更多的工作,在更大范围的患者群体中开发和验证这些发现。”
然而,如果进一步的研究证实了这些发现,视网膜图像的使用可以减少医生讨论患者预防措施的障碍。
好文章,需要你的鼓励
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。