至顶网软件频道消息: DeepMind正与美国退伍军人事务部(U.S. Department of Veterans Affairs)合作开发人工智能技术,帮助医生预测患者病情可能的突然恶化。
近日公布的这一项目,最初是集中在促进急性肾损伤的快速检测。这是与患者病情突然恶化最常见的相关情况之一,并且通常不会有任何明显的症状。此外,这种情况可能覆盖所有年龄段的人,使得了解真实情况变得特别困难。
DeepMind希望人工智能能够应对这一挑战。作为与美国退伍军人事务部这次合作的一部分,(Alphabet Inc.子公司)DeepMind将分析约700,000个匿名医疗记录,以查找可能用于识别急性肾损伤病例的模式,找到常见的病情指标,让人工智能模型可以通过检查执行诊断。
这种基于模式的分析在其他医疗领域正在显露出喜人的成果。Alphabet的另一家子公司——Verily Life Sciences LLC近日透露,该公司已经开发出一种方法,通过分析眼底血管来评估一个人对心脏疾病的易感性。
如果DeepMind这个新项目获得成功,那么可能会产生更大的影响。在宣布与美国退伍军人事务部这一合作的博客文章中,DeepMind医疗负责人Dominic King写道,对患者病情恶化的延迟反应或不正确反应是当今医院面临的最大问题之一。
King还强调,该项目中使用的700,000条医疗记录在被移交给DeepMind之前将被匿名化。这是很重要的,因为这个小组被发现患者数据此前曾被“不恰当”的访问,这些同样也是针对急性肾损伤的早期项目。自那时起,DeepMind已经组建了一个内部伦理部门来避免这种情况。
DeepMind一直忙于医疗保健行业及其他领域的各种项目。今年1月,DeepMind开放了一个工具的源代码,该项目让人工智能研究人员能够将心理学领域的原理用来精简他们的项目。
就在该软件发布前不久,这个团队就公布了一篇文章详细介绍AlphaGo系统如何使用相同算法掌握了国际象棋以及一款名为shogi的类似游戏。这其中有几个重要原因,其中主要的是人工智能表现出超出常规模型所具有的适应性水平。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。