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
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。