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
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
澳大利亚国立大学和广湾大学研究团队开发的VAU-R1系统通过强化学习显著提升了视频异常理解能力。该研究不仅创建了第一个专门用于训练和评估视频异常理解的思维链基准数据集VAU-Bench,还提出了一种数据高效的强化微调框架,使模型能更准确地回答问题、定位异常时间段并提供连贯解释。实验结果表明,VAU-R1在多项选择题准确率和时间定位方面比传统方法有显著提升,为安全监控、灾害预警等领域的智能系统带来了新的可能性。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究由香港中文大学团队提出了视频-3D几何大语言模型(VG LLM),一种无需依赖显式3D数据输入,仅通过普通视频就能理解3D世界的创新方法。通过集成3D视觉几何编码器,该模型能从视频序列中提取3D先验信息,显著提升空间推理能力。实验表明,该4B参数模型在多项3D场景理解和空间推理任务上超越了现有技术,甚至在VSI-Bench评估中胜过Gemini-1.5-Pro。