至顶网软件频道消息: 人工智能正在颠覆几乎所有可以想象的领域,运输、金融、教育等等。最近,Aidoc公司创始人兼首席执行官Elad Walach发表了一篇文章表示,人工智能将瞄准的一个关键领域是医疗保健,将改变诸如个性化医疗、临床决策甚至医疗保险等领域。
Aidoc是一家智能放射公司,该公司使用人工智能来检查医学影像中的异常状况并简化工作流程。
Elad Walach认为,也许人工智能能够最快改变的医疗领域就是放射领域。人工智能将是解读重要医学影像的关键,这些医学影像反映我们身体内部的情况,例如CT扫描、MR和X射线图像,帮助医生做好他们最擅长的事:诊断。
为什么放射领域会成为第一个被人工智能彻底革新的医学领域?什么是让医学成像领域被深度学习的魔力折服呢?
1. 放射学是可视的。医学扫描当然是可视的,而人工智能在分析视觉图像方面尤其强大——这至少部分归功于人工智能技术在安全和社交媒体服务中取得的突破,它可以识别我们的面孔并从人群中找到我们。
放射领域高度依赖对视觉数据的解释,这使得它比其他一些医学领域更适合深度学习技术。这意味着,放射科医师可以立即从人工智能技术的使用中受益,而精神病医生或胃肠病专家则不能。
2. 放射科被行业急需。医 学影像(CT和MR)的数量持续大幅度增加——它们在2016年所有检测中分别占到了7.9%和8.9%。然而,在进行了更多扫描的同时,放射科医师的数 量已经进入了稳定阶段。而且,随着技术的进步,每次扫描的分辨率和图像数量呈指数级增长。因此,需要考虑的细节数量也相应地增加了。这就产生了巨大的技术 需求,这种技术可以突破日益增长的工作负荷造成的危险瓶颈——而且,正如我们所知,需要是发明之母,深度学习可以帮助评估CT和MRI扫描结果,快速找出 放射科医师应该重点关注的区域,以便他们进一步进行检查,同时还允许更快地评估紧急扫描——因此改善了患者的预后。
3. 放射科是以技术为中心的。除 了其视觉本质之外,放射科已经是一个以技术核心的领域。放射科医生每天都依赖大量先进技术——每次检查都涉及到各种先进的软件系统、诊断监视器和工作站, 由于他们日常工作的技术驱动性质,放射科医生被认为是“早期采用者”。这就是为什么他们更有可能采用由人工智能支持的其他技术,而早期也有例子表明,放射科医生比其他许多同事更善于接受创新:80年代的放射科接受了从胶片到数字图像的转变。
4. 有大量可供使用的数据。所有的深度学习都需要大量的数据才能真正有效,对于放射学来说,这些数据的存在形式是过去几十年针对各种症状积累的无穷无尽的影像。
当 然,数据的挖掘也存在挑战,挑战在于人工智能算法如何获取这些影像。而最近,一些医疗机构公开分享他们的匿名数据催生了这一领域的热潮,比如,美国国家卫 生研究院(National Institutes of Health)最近公布的X射线数据集,该数据集包含了超过100,000张带有注释的图像(如下图)。
5. 云计算将对人工智能产生影响。云存储容量和计算速度的增长对所有领域的人工智能都产生了重大影响,医学领域——特别是放射学领域——也不例外。
前面提到的机器学习访问并解释大量数据的能力可以提高准确性和速度,这种能力很大程度上得益于云计算的不断发展,提供了更加物美价廉的服务,这些进步让云计算成为简单并且具有成本效益的人工智能解决方案的重要推动力量。
6. 这一切已经在发生了。放射领域的人工智能已经存在,并且显然将继续存在下去。越来越多的创业企业、以及大型公司都在构建人工智能影像功能,并开始将其整合到他们的产品之中。这些公司包括IBM Watson、Change Healthcare等等。
事实上,世界领先的放射学会议——北美放射学会(RSNA)现在有一个部分是专门针对机器学习公司的,这些公司正在开发的突破性的人工智能解决方案已经在医疗机构实施,改变了放射领域2018年及以后的面貌。
在2018年,我们有望看到更多的医疗领域因为量身定制深度学习技术出现革命性的变革,包括病理学和遗传学。在未来的一年里,放射领域将不会是唯一一个受益于人工智能奇迹的领域,但它肯定是首批受益的领域之一。
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。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
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。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。